Thinking Machines détaille ses "interaction models"

Thinking Machines, fondé par Mira Murati, dévoile TML-Interaction-Small, un modèle d'IA de 276 milliards de paramètres qui intègre l'interactivité native.

Le laboratoire fondé par Mira Murati publie un papier de recherche sur les interaction models, des modèles qui intègrent nativement l'interactivité au lieu de la simuler via un harnais externe. Le principe : traiter en continu des flux audio, vidéo et texte par micro-tours de 200 millisecondes, ce qui permet au système d'écouter et de parler en même temps, de réagir à des indices visuels sans sollicitation explicite, ou d'intervenir au bon moment dans le fil d'un échange.

L'architecture combine deux composants. Un modèle d'interaction temps réel gère la conversation et perçoit en parallèle de sa réponse. Un modèle de fond, asynchrone, prend en charge le raisonnement long, les appels d'outils et la navigation web, puis réinjecte ses résultats dans le dialogue. L'audio et la vidéo passent par une fusion précoce sans encodeur dédié (dMel pour le son, patches 40x40 pour l'image), avec un co-entraînement de bout en bout.

La version diffusée, TML-Interaction-Small, est un mixture-of-experts de 276 milliards de paramètres dont 12 milliards actifs. Sur FD-bench v1.5, qui évalue la qualité d'interaction (gestion des interruptions, backchannels, parole en arrière-plan), elle devance GPT-realtime-2.0 et Gemini 3.1 Flash Live, tout en restant compétitive sur Audio MultiChallenge, un benchmark d'intelligence pure. Pour Thinking Machines Lab, cette continuité audio-vidéo-texte est la condition pour passer d'un échange tour par tour à une vraie collaboration humain-IA.

Une preview de recherche limitée s'ouvrira dans les prochains mois, avec une diffusion plus large prévue en fin d'année. Un programme de bourses est ouvert en parallèle pour soutenir la recherche sur l'évaluation de l'interactivité.