L'ancien CTO d'OpenAI défie son ancienne entreprise : un nouveau modèle répond en 200 ms, surpassant GPT-Realtime

Selon la surveillance de Dongcha Beating, le laboratoire Thinking Machines fondé par l’ancien CTO d’OpenAI Mira Murati a publié un aperçu de recherche de son « modèle interactif ». Le nouveau système abandonne l’approche traditionnelle consistant à assembler la voix et le texte à l’aide d’outils externes, gérant désormais nativement les interactions audio et vidéo en temps réel. Le modèle peut recevoir en continu des informations avec un « micro-tour » de 200 ms, permettant une écoute, une visualisation et une parole simultanées, tout en supportant les interruptions en temps réel des utilisateurs. Le premier modèle présenté, TML-Interaction-Small, utilise une architecture MoE de 276 milliards de paramètres, activant 12 milliards de paramètres à la fois. Pour remédier au défaut des grands modèles traditionnels de « stopper la perception lors de la génération de réponses », l’équipe de développement a divisé le système en un front-end et un back-end : le modèle front-end est dédié au maintien d’un dialogue ininterrompu, tandis que le modèle back-end gère simultanément le raisonnement complexe, les recherches sur le web ou la génération d’interface utilisateur, relayant sans couture les résultats au front-end. Cette architecture dépasse directement la vitesse de réponse de ses concurrents de l’ancienne entreprise. Les données officielles montrent que son délai de rotation vocale n’est que de 0,40 seconde, avec un score de 77,8 dans FD-bench V1.5, avec des métriques clés dépassant celles de GPT-realtime-2.0 et Gemini 3.1 Flash Live. Cependant, le traitement continu de l’audio et de la vidéo peut rapidement épuiser la capacité de contexte, et l’effet à faible latence dépend fortement des conditions du réseau. Thinking Machines prévoit d’ouvrir un aperçu limité dans les prochains mois.