Konec střídavé AI: Thinking Machines mění základní pravidla rozhovoru s umělou inteligencí

Konec střídavé AI: Thinking Machines mění základní pravidla rozhovoru s umělou inteligencí

Mira Murati, bývalá technická ředitelka OpenAI, spustila research preview systému, který zpochybňuje samotný základ fungování AI asistentů. Žádné čekání na odpověď, žádné střídání tahů — model poslouchá, mluví a vidí zároveň, v reálném čase.

Zkuste si vzpomenout na každý rozhovor, který jste kdy vedli s AI asistentem. Napíšete otázku. Počkáte. Dostanete odpověď. Napíšete další. Model přitom nevidí, že se zastavujete uprostřed věty, nevnímá pohyb vaší kamery ani nezachytí kontext, který jste nezformulovali nahlas. Tento základní rytmus — vy, pak AI, pak vy — je tak zakotvený, že ho většina lidí ani nepovažuje za omezení. Thinking Machines Lab ho považuje za strukturální bottleneck. A rozhodla se ho rozložit.

Proč jsou dnešní AI asistenti v podstatě telefonní operátoři z roku 1980

Každý hlasový AI asistent, který dnes existuje — od ChatGPT Voice přes Gemini Live po Apple Intelligence — funguje na stejném principu: detekce konce tahu. Speciální komponenta sleduje, kdy přestanete mluvit, a teprve tehdy model začne zpracovávat váš vstup. Přijme celou větu najednou, vygeneruje celou odpověď a odešle ji zpět. Dokud generuje, vnímání se zastavuje. Nedokáže reagovat na to, co uvidí na kameře, přerušit vás relevantní poznámkou nebo pracovat na pozadí s nástrojem a zároveň s vámi mluvit. Jde o architekturu postavenou na limitech, ne na záměru. Thinking Machines Lab, firma, kterou Mira Murati — někdejší technická ředitelka OpenAI — spoluzaložila po svém odchodu na konci roku 2023, tvrdí, že tuto strukturu nelze záplatovat. Musí se nahradit od základů.

https://noviny.ai/api/admin/images/05eed2f3-875d-484d-85c5-633de176be80/data

Jak interaction models fungují: dvě mysli, jeden rozhovor

TML-Interaction-Small — tak se jmenuje vlajkový model Thinking Machines Lab — je postaven na dvoukomponentní architektuře. Jeden model je vždy aktivní: přijímá zvuk, video i text ve 200milisekundových blocích a průběžně generuje odpovědi. Nikdy se nezastaví. Druhý model běží asynchronně na pozadí: dostává od prvního balík kontextu (ne izolovaný dotaz, ale celý průběh rozhovoru) a zpracovává náročnější úkoly — prohledávání webu, složité uvažování, volání nástrojů. Výsledky streamuje zpět do živého rozhovoru přesně ve chvíli, kdy to dává smysl, ne jako přerušení. Technicky je to umožněno architekturou bez kodeků. Místo toho, aby zvuk a video procházely velkými předtrénovanými modely, zpracovává vše společně jeden transformér trénovaný od začátku jako celek. Výsledkem je latence 0,40 sekundy při přechodu tahu — zatímco GPT-realtime-2.0 potřebuje 1,18 sekundy a Gemini 0,57 sekundy.

Firma zveřejnila vlastní sadu benchmarků zaměřených na schopnosti, které žádný stávající model nedokáže smysluplně plnit:

Škálovatelné interaktivní systémy nemohou být postaveny na záplatách. Interaktivita musí být součástí modelu samotného — ne nástrojem, který se přidá zvnějšku.

Co to znamená pro podnikatele: kde je přidaná hodnota

https://noviny.ai/api/admin/images/e4076e6b-4908-4441-b538-ed7768d5c9db/data

Research preview zatím není veřejně dostupný. Thinking Machines Lab ho otevřela omezenému okruhu výzkumných partnerů a sbírá zpětnou vazbu před širším spuštěním, plánovaným na druhou polovinu roku 2026. Model má 276 miliard parametrů v architektuře Mixture-of-Experts, přičemž v každý okamžik je aktivních 12 miliard. Pro podnikatele to zatím znamená pozorně sledovat, nikoliv okamžitě jednat. Ale implikace jsou zřetelné. Stávající hlasové AI nástroje mají strukturální strop — žádná optimalizace je nepřivede tam, kde je TML-Interaction-Small dnes v reakci na proaktivní vizuální podněty nebo time-aware komunikaci. Každý, kdo staví zákaznický servis, vzdělávací platformy nebo koučingové nástroje na hlasovém AI, by si měl otevřít záložku.

Konkrétní příklady použití, které Thinking Machines Lab uvádí, nejsou abstraktní:

Kontext: odkud přichází Mira Murati a proč to je relevantní

Mira Murati stála za vznikem GPT-4 a DALL-E. Odešla z OpenAI v září 2024 a Thinking Machines Lab spustila s tichým cílem: zkoumat, co se stane, když přestanete brát jako samozřejmost strukturu, na které stojí celý obor. V tomto ohledu není release TML-Interaction-Small jen technickou demonstrací. Je to prohlášení, že paradigma střídání tahů — které celé odvětví přijalo jako přirozený zákon — je jen historická volba. A že ho lze změnit. Firma do vývoje nasadila 2 miliardy dolarů počátečního kapitálu. To ji řadí mezi nejlépe financované AI startupy druhé generace — po Anthropicu, xAI a Mistral. Research grant program pro výzkumné partnery naznačuje, že chce budovat komunitu kolem evaluačních rámců pro interaktivní AI — oblast, která podle ní zůstává výrazně podhodnocená.

Praktický výhled: na co si dát pozor

Šest měsíců před plánovaným širším spuštěním je hlavní otázkou škálování. TML-Interaction-Small je 276B model — to jsou nároky na infrastrukturu, které standardní cloudové API deploymenty nevyřeší bez specifické optimalizace. Firma má vlastní inferenční vrstvu postavenou na SGLang a open-source části kódu sdílí s komunitou, ale produkční dostupnost za přijatelné náklady je jiná kategorie problémů než research preview. Druhá otázka je alignment v reálném čase. Kdy model vstoupí do rozhovoru bez vyzvání? Jak pozná, že vizuální podnět je relevantní, a ne invazivní? Thinking Machines Lab otevřeně přiznává, že jde o aktivní výzkumnou oblast. Jejich Harmbench refusal rate je 99,0 %, ale to měří odmítání škodlivých žádostí — ne jemné rozhodnutí, zda se v danou chvíli raději ozvat nebo mlčet. Pro firmy s horizontem 12 až 18 měsíců: sledujte konkrétní datum veřejného spuštění a ceny API. Pokud se Thinking Machines drží plánu, letos na podzim nebo začátkem roku 2027 bude na trhu hlasové AI asistence k dispozici model, který stávající řešení překonává v téměř všech relevantních metrikách. Přepsat hlasový zákaznický servis nebo interní koučingový nástroj na nové základy se pak stane nejen možné — ale nutné.