Laboratorium Thinking Machines przedstawia modele AI do interakcji w czasie rzeczywistym
Startup Miry Murati Thinking Machines Lab wypuścił modele interakcji zdolne do natywnego pełnoekranowego audio i wideo w czasie rzeczywistym. Demonstracja pokazała synchroniczne tłumaczenie, wyszukiwanie w sieci i współpracę kilku osób bez opóźnień.
Thinking Machines: jak Mira Murati przepisuje reguły gry, czyniąc opóźnienie głównym wrogiem AI
Sedno: co naprawdę się dzieje
Thinking Machines Lab Miry Murati właśnie zaprezentowała działający prototyp „modeli interakcji” – i to nie jest kolejny multimodalny system. Chodzi o fundamentalne przemyślenie tego, jak AI postrzega czas i obecność człowieka. Wszystkie obecne modele – od GPT-4o po Gemini – działają w trybie krokowym: użytkownik wysyła zapytanie, system myśli, potem odpowiada. W międzyczasie model jest ślepy i głuchy. Murati nazywa to „kaftanem bezpieczeństwa interfejsu”, do którego ludzie muszą się dostosowywać.
TML-Interaction-Small to 276-miliardowa mieszanka ekspertów (12 mld aktywnych parametrów), która przetwarza audio i wideo w kawałkach po 200 milisekund jednocześnie z generowaniem odpowiedzi. Opóźnienie przełączania replik wynosi 0,40 sekundy wobec 0,57 u Gemini-3.1-flash-live i 1,18 u GPT-realtime-2.0. System jest w stanie wtrącić się do rozmowy bez zaproszenia, zauważyć sygnał wizualny (błąd w kodzie, osobę wchodzącą w kadr) i zareagować – wszystko to bez zewnętrznych modułów rozpoznawania mowy, takich jak Whisper.
Ale nie prędkość jest najważniejsza. Najważniejsze jest przesunięcie architektoniczne: interaktywność stała się właściwością modelu, a nie otoczki programowej. To różnica między samochodem z przykręconym dzwonkiem rowerowym a maszyną zaprojektowaną wokół kierowcy.
Chronologia i kontekst
Historia Thinking Machines to kronika największej wojny kadrowej w historii Doliny Krzemowej.
Luty 2025: Mira Murati, była dyrektor techniczna OpenAI i architektka ChatGPT, ogłasza utworzenie Thinking Machines Lab. Razem z nią odchodzą współzałożyciel OpenAI John Schulman i kluczowi badacze.
Lipiec 2025: Firma zbiera największą w historii rundę seed – 2 mld USD przy wycenie 10-12 mld USD. W transakcję wchodzą Andreessen Horowitz, NVIDIA, Accel, ServiceNow, Cisco i AMD.
Sierpień 2025: The Wall Street Journal informuje, że Mark Zuckerberg osobiście próbował kupić Thinking Machines. Po odmowie Meta przejęła ponad tuzin pracowników z około 50.
Październik 2025: Uruchomienie Tinker – platformy do fine-tuningu modeli open source. Pierwsi użytkownicy to grupy badawcze z Princeton, Stanford i Berkeley.
Styczeń 2026: Cios poniżej pasa. Trzej współzałożyciele – Barrett Zoph, Luke Metz i Sam Schoenholz – wracają do OpenAI. Murati publicznie oświadcza, że zwolniła Zopha za „nieetyczne zachowanie”. Późniejsze śledztwo Wired ujawnia nieujawnione relacje osobiste Zopha z pracownicą na stanowisku kierowniczym. OpenAI kwestionuje sformułowania Murati w wewnętrznej notatce służbowej.
Marzec-kwiecień 2026: Thinking Machines zadaje cios odpowiedzi. Firma przejmuje Sumita Chintalę – twórcę PyTorch z Meta – i mianuje go dyrektorem technicznym. Jednocześnie podpisuje strategiczne porozumienie z NVIDIA na wdrożenie co najmniej 1 gigawata systemów Vera Rubin. Koszt takiej infrastruktury eksperci branżowi szacują na 500 mld USD. Równolegle rozszerza się partnerstwo z Google Cloud na bazie GB300.
Maj 2026: Kulminacja. Thinking Machines demonstruje modele interakcji, udowadniając, że pół roku strat kadrowych nie zatrzymało rozwoju.
Kto wygrywa, a kto przegrywa
Wygrywa Meta – i to jest najmniej oczywisty beneficjent. Zuckerberg uzyskał dostęp do kluczowych programistów Thinking Machines, nie kupując firmy. Soumith Chintala, twórca PyTorch, jest teraz dyrektorem technicznym Murati – oznacza to, że ekosystem PyTorch pozostaje dominujący w Thinking Machines, co pośrednio jest korzystne dla Meta.
Przegrywa OpenAI. Utrata Schulmana i odpływ kadr do Murati zmusiły firmę do wydawania zasobów na odwrotne przejmowanie. Powrót Zopha i Metza to zwycięstwo, ale pyrrusowe. OpenAI musiało publicznie usprawiedliwiać się za przyjęcie pracownika z obciążeniem reputacyjnym. Co gorsza: Thinking Machines stworzyła produkt, który bezpośrednio atakuje flagowy interfejs OpenAI – tryb głosowy ChatGPT.
Przegrywa Google. Gemini-3.1-flash-live, ogłoszony jako przełom w interakcji w czasie rzeczywistym, już jest przestarzały na papierze. Opóźnienie 0,57 sekundy wobec 0,40 – to różnica między „prawie jak człowiek” a „człowiek”.
Wygrywa NVIDIA. Jensen Huang nadal mistrzowsko zabezpiecza zakłady. NVIDIA jest inwestorem zarówno OpenAI, jak i Thinking Machines oraz Anthropic. Ktokolwiek wygra wyścig modeli AI, układy kupuje się od Santa Clary. Umowa na 1 gigawat Vera Rubin oznacza, że nawet jeśli Thinking Machines nie wystartuje jako biznes, NVIDIA ma już zamówienie na lata.
Czego media nie dopowiadają
Insight pierwszy: stawka na peryferia, o której milczą. Cała prezentacja Thinking Machines opiera się na niskim opóźnieniu głosu i wideo. Ale prawdziwy sens ekonomiczny modeli interakcji ujawnia się nie w centrach obsługi, a w przemyśle. Model z wbudowanym wyczuciem czasu może monitorować linię produkcyjną, operację chirurgiczną lub eksperyment chemiczny i interweniować bez zapytania – po prostu zauważając odchylenie. Obecnie wymaga to oddzielnych systemów widzenia komputerowego, które nie potrafią rozmawiać. Thinking Machines łączy to w jednej architekturze. Jeśli produkt trafi do przedsiębiorstw, zastąpi nie chatboty, ale całą klasę systemów SCADA bezpieczeństwa przemysłowego. To rynek o wartości około 80 mld USD, o którym milczą wszystkie przeglądy startupu.
Insight drugi: problem powtarzalności. Zewnętrzne enkodery mowy, takie jak Whisper, można wymienić, a wtedy jakość rozpoznawania się zmieni. Ale w architekturze Thinking Machines nie ma enkoderów – audio trafia bezpośrednio jako spektrogram dMel przez uproszczony embedding. Oznacza to, że modelu nie da się „naprawić” przez wymianę komponentu. Jeśli halucynuje na pewnych akcentach lub dialektach – trzeba przekwalifikować cały system. Dla klientów korporacyjnych to ryzyko vendor lock-in na skalę, o jakiej OpenAI się nie śniło.
Insight trzeci: piramida finansowa czy nowy Intel. Schemat, w którym NVIDIA inwestuje w startupy AI, a te wydają pozyskane pieniądze na układy NVIDIA, u części analityków budzi skojarzenia z bańką internetową końca lat 90. Ale różnica jest istotna: firmy telekomunikacyjne w 1999 roku kładły światłowody, których nikt nie używał. Thinking Machines buduje centra danych pod istniejący popyt – zamówienia już są, moce potrzebne są teraz. Bańką stanie się to tylko wtedy, gdy rynek usług AI się załamie, a na razie wyceny rosną. 12 mld USD za firmę bez publicznego produktu – to agresywne, ale osiem miesięcy przed demonstracją modeli interakcji wycena już była na tym poziomie.
Prognoza: kolejne 30 dni i 90 dni
30 dni (do połowy czerwca 2026). Thinking Machines otworzy ograniczony dostęp do badawczego podglądu dla wybranych partnerów. Najbardziej prawdopodobni kandydaci: Redwood Research (już pracowali z Tinker), Stanford i Princeton. Spodziewam się, że niezależne testy potwierdzą opóźnienie 0,4 sekundy, ale ujawnią problemy z wielojęzycznością – architektura uczyła się głównie na angielskim, a zachowanie na językach azjatyckich z inną strukturą pauz będzie gorsze.
Równolegle aktywizują się konkurenci. OpenAI prawie na pewno ogłosi aktualizację GPT-realtime ze skróconym opóźnieniem – prawdopodobnie do 0,5-0,6 sekundy. Google spróbuje odrobić straty poprzez integrację Gemini z ekosystemem Android na Google I/O, które tradycyjnie odbywa się w maju.
90 dni (do połowy sierpnia 2026). To krytyczny okres dla Thinking Machines jako biznesu. Firma wydała co najmniej 200-300 mln USD na infrastrukturę i pensje od momentu założenia (130 pracowników, z których wielu to byli pracownicy OpenAI z poziomem wynagrodzeń 2-5 mln USD rocznie plus bonusy podpisowe). Jeśli w ciągu 90 dni nie pojawią się płacący klienci korporacyjni poza społecznością badawczą, rozpoczną się rozmowy o nowej rundzie finansowania.
Bezpieczeństwo przemysłowe stanie się pierwszym rynkiem. Thinking Machines musi zawrzeć co najmniej jeden duży kontrakt z producentem z Fortune 500 – logicznym wyborem wydaje się partnerstwo z Siemens lub Rockwell Automation, których systemy zarządzania produkcją potrzebują monitoringu w czasie rzeczywistym.
Najważniejsze wydarzenie horyzontu 90-dniowego – decyzja Meta. Po tym, jak Zuckerberg nie mógł kupić firmy, a potem przejął część zespołu, ma dwie opcje: albo całkowicie skopiować architekturę Thinking Machines dla Llama 5, albo zaproponować nową umowę, tym razem wrogą. Biorąc pod uwagę, że Soumith Chintala jest teraz dyrektorem technicznym Murati i zna wewnętrzną kuchnię Meta, stawiałbym na kopiowanie.
Podsumowując: Thinking Machines w 16 miesięcy przeszła drogę od pomysłu do produktu, który bije flagowe systemy OpenAI i Google w kluczowym parametrze przyszłości – czasie reakcji. Czy Murati uda się przekształcić przewagę technologiczną w stabilny biznes – to pytanie na najbliższe trzy miesiące. Ale jedno jest już jasne: era, w której AI kazano czekać, dobiega końca.
— Editorial Team
Brak komentarzy.