Thinking Machines Lab（URL: https://thinkingmachines.ai/blog/interaction-models/）は、対話を外部の枠組みではなくモデル内部で処理する「インタラクション・モデル」の調査版を発表した。同社は、人間とAIの協業をリアルタイム化し、対話のボトルネックを解消することを目的としている。
Thinking Machines Labは、「インタラクション・モデル」と呼ばれる新アプローチの研究プレビューを発表しました。これは、対話を外部のスキャフォールディング（枠組み）ではなく、モデル内部でネイティブに処理するものです。
同社は現在、AIの自律的な作業完了能力が重視されすぎていると指摘します。その結果、人間が関与できるインターフェースが最適化されていないとしています。人間は、他の人と協業するように、メッセージングや音声・映像を通じて継続的に情報を交換し、フィードバックを与えることで最も効果的に機能すると考えます。
現在のモデルは単一スレッドで現実を体験し、ユーザーが入力を完了するまで待機するか、モデルが生成を終えるまで知覚が凍結されます。これにより、人間の意図や判断がモデルに伝わらないという帯域幅のボトルネックが生じています。Thinking Machines Labは、この問題を解消するため、あらゆるモダリティでリアルタイムに対話可能なAIインターフェースの実現を目指しています。
既存の多くのモデルは、対話機能をハーネス（連携部品）として後付けしています。同社は、知能がスケールするにつれて対話性もスケールさせるには、対話性をモデル自体に統合する必要があると主張します。
このアプローチにより、ダイアログ管理、音声・視覚的な割り込み、同時発話、時間認識、ツール呼び出しや検索の並行実行などの機能が、ハーネス実装なしで可能になります。ユーザーはプロンプトを入力するのではなく、継続的な協業のような体験を得られるとしています。
システム構成としては、リアルタイムでの存在感を維持する「インタラクション・モデル」と、非同期で深い推論やツール使用を担う「バックグラウンド・モデル」の2つの要素で構成されます。タスクが即時生成では処理できないほど複雑な場合、インタラクション・モデルはバックグラウンド・モデルに委任します。インタラクション・モデルは応答待ちの間もユーザーとの対話を維持し、背景からの結果が届き次第会話に織り交ぜます。
両方のモデルとも知能を持っており、インタラクション・モデル単体でも対話および知能のベンチマークで競争力を持つとしています。