LLM 之後：Thinking Machines 互動模型的誕生 | S2E57

Video summary

Thinking Machines 推出 200 毫秒微回合互動模型，讓 AI 能邊聽邊說、同步看影像與搜尋資訊。

Thinking Machines 推出互動模型研究預覽版，主打聲音、影像與文字原生整合，能像打電話般邊聽邊說，還可在背景搜尋資訊後即時接入對話。模型以每 200 毫秒為單位持續處理輸入與輸出，把時間納入上下文，也能在適當時機保持沉默；相較 GPT-4o 等回合式系統，不必等使用者說完才回覆。影片也回顧創辦人 Mira Murati 從 OpenAI 離職、於 2025 年成立公司，以及 A16Z 領投 20 億美元、估值達 120 億美元。基準測試顯示模型互動性突出，但智慧與準確度並非全面領先；長時間上下文、算力、安全仍待解決。公司六名共同創辦人已有三人離開，影片認為此次發表也有安定投資人、招募人才的壓力。

Chapters

1. 0:00開頭：Mira Murati 的自然互動願景與 Thinking Machines 互動模型
2. 3:06Demo 一：互動模型可同時聆聽回應，並記住 friend 指令
3. 5:48視覺與聽覺：互動模型背景搜尋，人體聽覺可能比視覺快
4. 6:55Blog 開講：research preview 原生互動與 Claude Code 等待問題
5. 8:08200 毫秒一回合：micro turn 改善回合制模型的感知凍結
6. 10:00Demo 二與時間感：AI 改寫粗話，並以 200 毫秒節奏感知時間
7. 14:25互動模型的雙模型分工，以及 Mira Murati 從達特茅斯到 OpenAI CTO
8. 16:562023 年 OpenAI 政變：Mira 原想改善 Sam 管理，後支持其回任
9. 21:32Thinking Machines 於 2025 年成立，A16Z 領投 20 億美元、估值 120 億
10. 23:18互動模型的時間感：時間入訓練，輸入輸出切成 200 毫秒
11. 25:02三代模型差異：從語音轉文字到互動模型原生影音、邊聽邊說
12. 27:21Harness engineering 的宿命：互動模型納入影音後，舊有工具可能重做
13. 29:12Benchmark：TML interaction small 互動領先，長會議仍有上下文與安全挑戰
14. 31:28為什麼是現在？六位共同創辦人三人離開，Thinking Machines 以互動模型爭取信心

What the full analysis includes

14 chapters · 63 key points · 14 section summaries · mind map

The remaining 60 key points, section summaries and mind map are in the full analysis. Analyze this video to see everything →

This video is 36 min. The Free plan analyzes videos up to 30 min; plans from Plus cover videos up to 2 hours.