인터랙션 모델

Thinking Machines가 Interaction Models 연구 프리뷰를 공개했다. 핵심은 상호작용을 외부 하네스에 덧붙이지 않고 모델 내부에 넣어, 사람과 AI가 대화·청취·시각 입력·도구 사용을 동시에 이어가게 하는 것이다.

회사는 기존 턴 기반 인터페이스가 협업의 대역폭을 막는다고 본다. 그래서 모델은 200ms 마이크로 턴 단위로 입력과 출력을 지속적으로 교차 처리하고, 별도의 턴 경계 탐지 없이 침묵·겹침·끼어들기를 맥락에 포함한다.

아키텍처는 두 축으로 구성된다.

• interaction model: 실시간 응답, 대화 관리, 시각/언어 중간 개입을 담당한다.
• background model: 더 깊은 추론, 도구 호출, 장기 작업을 비동기로 처리한다.

공개된 기능 예시는 다음과 같다.

• 동시 발화와 실시간 번역
• 말하는 중/듣는 중의 도구 호출과 웹 검색
• 시간 인식과 시각 단서에 대한 즉시 반응
• 생성형 UI를 대화 흐름에 실시간으로 섞는 동작

입력 처리에서는 dMel 오디오, 40x40 patch 이미지, flow head 오디오 디코더를 사용하는 encoder-free early fusion을 택했고, 모든 구성요소를 처음부터 함께 학습했다고 설명한다. 회사는 이 접근이 지능과 응답성을 함께 확장시킨다고 주장한다.