El ex CTO de OpenAI desafía a su antigua empresa: el nuevo modelo responde en 200 ms, superando a GPT en tiempo real

Según la monitorización de Dongcha Beating, el laboratorio Thinking Machines fundado por la ex CTO de OpenAI Mira Murati ha lanzado una vista previa de investigación de su “modelo interactivo”. El nuevo sistema abandona el enfoque tradicional de unir voz y texto usando herramientas externas, en su lugar maneja de forma nativa interacciones en tiempo real de audio y video. El modelo puede recibir información continuamente con un “micro-turno” de 200 ms, permitiendo escuchar, ver y hablar simultáneamente, además de soportar interrupciones en tiempo real por parte de los usuarios. El primer modelo presentado, TML-Interaction-Small, emplea una arquitectura MoE de 276 mil millones de parámetros, activando 12 mil millones de parámetros a la vez. Para abordar la falla del modelo grande tradicional de “detener la percepción al generar respuestas”, el equipo de desarrollo ha dividido el sistema en front-end y back-end: el modelo front-end se dedica a mantener un diálogo ininterrumpido, mientras que el modelo back-end maneja simultáneamente razonamiento complejo, búsquedas en la web o generación de interfaces, transmitiendo los resultados sin problemas de vuelta al front-end. Esta arquitectura supera directamente la velocidad de respuesta de los competidores de su antigua empresa. Datos oficiales muestran que su retraso en rotación de voz es de solo 0.40 segundos, logrando una puntuación de 77.8 en FD-bench V1.5, con ambos métricas principales superando a GPT-realtime-2.0 y Gemini 3.1 Flash Live. Sin embargo, el procesamiento continuo de audio y video puede agotar rápidamente la capacidad de contexto, y el efecto de baja latencia depende mucho de las condiciones de la red. Thinking Machines planea abrir una vista previa limitada en los próximos meses.