Tencents Gander soll weiterreden, während er im Hintergrund arbeitet
decoder ·
Das Hunyuan-Speech-Team von Tencent und Forschende an Universitäten haben Gander vorgestellt, ein Modell, das in Echtzeit Gespräche führen und gleichzeitig im Hintergrund komplexe Agentenaufgaben bearbeiten soll. Es verarbeitet Sprache, Bilder und Text gemeinsam, sodass Nutzer es unterbrechen, Folgefragen stellen und Fortschrittsupdates erhalten können. Seine Architektur trennt ein schnelles, der Unterhaltung dienendes „Kleinhirn“ von einem austauschbaren „Gehirn“, das Schlussfolgerungen anstellt und komplexe Aufgaben erledigt; Systeme wie Codex oder Claude Code können die letztere Rolle übernehmen, ohne dass das Gesprächsmodell neu trainiert werden muss. Im Full-Duplex-Bench v3 begann Gander in allen 100 Szenarien zum richtigen Zeitpunkt zu sprechen und unterbrach die Nutzer in 8 Prozent der Fälle; beim Timing übertraf es die verglichenen Systeme. Seine Aufgabengenauigkeit lag jedoch geringfügig unter der des schwächsten Konkurrenten, und beim Verständnis von Video und Audio zeigte es Schwächen. Gander wurde anhand von etwa 2,7 Millionen Beispielen trainiert, und Tencent plant, die Modellgewichte und Trainingsdaten zu veröffentlichen; ein Code-Repository und Demos sind bereits verfügbar.
decoder