El ex CTO de OpenAI desafía a su antiguo empleador: nuevo modelo responde en 200 ms, la latencia supera a GPT-Realtime

Según la monitorización de Beating, el laboratorio Thinking Machines fundado por la ex CTO de OpenAI Mira Murati publicó una vista previa de investigación de su «modelo interactivo». El nuevo sistema abandona la práctica tradicional de combinar herramientas externas para juntar voz y texto, y en su lugar procesa de forma nativa la interacción en audio y video en tiempo real. El modelo puede recibir información de manera continua en «micro-rondas» de 200 ms, permitiendo escuchar, ver y hablar simultáneamente, además de soportar interrupciones en tiempo real por parte del usuario.

El primer modelo presentado, TML-Interaction-Small, utiliza una arquitectura MoE con 276 mil millones de parámetros, activando 12 mil millones de parámetros en cada ocasión. Para superar la limitación de los grandes modelos tradicionales de «detener la percepción al generar respuestas», el equipo de desarrollo dividió el sistema en un frontend y un backend: el modelo frontend mantiene una conversación ininterrumpida, mientras que el backend realiza razonamientos complejos, búsquedas en la web o genera interfaces de usuario, y luego transmite los resultados de forma fluida al frontend.

Esta arquitectura supera en velocidad de respuesta a los productos competidores de la empresa matriz. Datos oficiales muestran que su latencia en rotación de voz es de solo 0.40 segundos, logrando 77.8 puntos en FD-bench V1.5, con ambos indicadores clave por encima de GPT-realtime-2.0 y Gemini 3.1 Flash Live. Sin embargo, el procesamiento continuo de audio y video consume rápidamente la capacidad del contexto, y el bajo retardo depende en gran medida de la calidad de la red. Thinking Machines planea abrir una vista previa limitada en los próximos meses.