Gander от Tencent стремится продолжать разговор, пока работает в фоновом режиме
decoder ·
Команда Hunyuan Speech компании Tencent и исследователи университетов представили Gander — модель, предназначенную для ведения диалога в реальном времени при одновременном выполнении сложных агентских задач в фоновом режиме. Она совместно обрабатывает речь, изображения и текст, позволяя пользователям прерывать её, задавать уточняющие вопросы и получать обновления о ходе работы. Архитектура разделяет быстрое разговорное «мозжечко» и заменяемый «мозг», выполняющий рассуждения и сложные задачи; последнюю роль могут выполнять такие системы, как Codex или Claude Code, без дообучения разговорной модели. В тесте Full-Duplex-Bench v3 Gander начинала говорить в нужный момент во всех 100 сценариях и перебивала пользователей в 8% случаев, превзойдя сравниваемые системы по своевременности. Однако точность выполнения задач у неё была немного ниже, чем у самого слабого конкурента, а в понимании видео и аудио модель продемонстрировала недостатки. Gander обучалась примерно на 2,7 миллиона примеров; Tencent планирует выпустить веса модели и обучающие данные, а репозиторий с кодом и демонстрационные материалы уже доступны.
decoder