腾讯 Gander:边工作边持续对话
腾讯混元语音团队与高校研究人员推出 Gander,用“小脑”管实时对话、“大脑”管复杂任务,测试显示打断率低但任务准确率和音视频理解有短板,团队计划开源权重和数据。
原贴
查看原文原文
中文翻译
腾讯的 Gander 旨在处理后台复杂任务时保持实时对话。它同时处理语音、图像和文本,用户可以随时打断。一个“小脑”逐秒管理对话,而一个可替换的“大脑”处理复杂的代理任务。这种分工旨在保持响应快速,同时不缩短规划。在测试中,Gander 打断用户的频率低于竞争模型,但在任务准确性上落后,并在视频和音频理解方面表现出弱点。团队计划发布模型权重和训练数据。代码的 GitHub 仓库已经存在。
腾讯的研究模型 Gander 结合了实时对话与 AI 代理能力。一个“小脑”处理对话,而一个可替换的“大脑”处理复杂任务。用户可以随时打断,但测试显示对话时机与任务准确性之间存在权衡。
腾讯的混元语音团队和几所大学的研究人员推出了 Gander,一种旨在处理复杂任务时保持聊天的 AI 模型。根据技术报告,它同时接收语音、图像和文本。研究人员认为,今天的语音助手大多与用户轮流说话。在真实对话中,人们互相打断,给出快速反馈,并边听边说。Gander 旨在通过持续处理视频、语音和文本,即使在其说话时,来处理这种来回交流。用户可以随时加入,模型可以主动提出后续问题或提供进度更新。
对话需要快速响应,但搜索文件或编写代码需要时间规划。研究人员认为,单一模型必须在速度与推理能力之间平衡,因此 Gander 将工作分为两个角色。借用人体解剖学,他们称之为“小脑”和“大脑”。小脑处理实时对话,而大脑在后台处理推理和复杂任务。大脑可以替换为 Codex 或 Claude Code 等代理系统,而无需重新训练对话模型。在测试中,OpenAI GPT-5.6 系列的一个未指定模型填补了这一角色。随着底层模型的改进,整个系统受益。
Gander 将对话分成一秒的片段,以便小脑决定何时听、说或停止(如果用户打断)。它做出这些决定时不需要单独的模块来检测语音开始和停止,并使用大约最后两分钟的对话作为记忆。由于还没有针对 Gander 这类模型的专门测试,研究人员转向了已有的基准。报告称,Gander 在 Full-Duplex-Bench v3 上具有最佳时机,该基准测试不同任务场景下的语音助手。Gander 在所有 100 个场景中都在正确时刻开始说话,并在 8% 的情况下打断用户。相比之下,GPT-Realtime 为 13.5%,最弱的竞争者为近 48%。根据报告,Gander 使用相对较小的模型来与包括 GPT-Realtime、Gemini Live 和 Grok 在内的商业系统竞争。
核心信息
腾讯混元语音团队与高校研究人员推出 Gander,用“小脑”管实时对话、“大脑”管复杂任务,测试显示打断率低但任务准确率和音视频理解有短板,团队计划开源权重和数据。
- 腾讯混元语音团队与高校研究人员推出 Gander,用“小脑”管实时对话、“大脑”管复杂任务,测试显示打断率低但任务准确率和音视频理解有短板,团队计划开源权重和数据。
- 原贴提到:Tencent's Gander is designed to hold real-time conversations while handl
- 来源:the-decoder.com
详细解读
这是什么信号:腾讯混元语音团队联合多所大学推出 Gander,它不是单一模型追求“既会聊天又能干复杂任务”,而是把实时对话和复杂任务拆成两个角色。一个“小脑”逐秒管理对话节奏,决定何时听、说或停止;一个可替换的“大脑”在后台处理推理、搜索文件、写代码等代理任务。这代表语音 AI 正在从回合制助手,转向“边说边听边打断”的全双工交互,同时把重推理外包给可插拔的代理系统。
为什么重要:传统语音助手最大的矛盾是延迟与深度。对话需要毫秒级响应,而复杂任务需要长时间规划。Gander 的拆分让对话层保持轻快,代理层可以随时换成 Codex、Claude Code 或其他更强模型,而不用重新训练对话能力。原文提到,测试中一个未指定的 GPT-5.6 系列模型充当了“大脑”,这意味着系统能力会随底层代理模型升级而水涨船高。这为语音交互与 AI Agent 的结合提供了一种可扩展架构。
对谁有价值:做语音助手、客服机器人、实时协作工具、AI 硬件、会议助理以及需要“语音入口+代理执行”工作流的开发者,都值得关注。尤其是那些希望用户用自然语言打断、追问、下达任务,同时后台能继续跑复杂操作的产品团队。Gander 的“小脑+可替换大脑”思路,也可以被借鉴到多模态实时交互系统的设计中。
可以怎么行动:第一,关注团队计划发布的模型权重和训练数据,以及已存在的代码仓库,评估能否复现或接入现有产品。第二,在需要实时语音交互的场景中,尝试把对话模型与任务代理解耦,让对话层专注节奏,让代理层专注规划与执行。第三,用 Full-Duplex-Bench v3 等现有基准做内部对比,但不要只盯打断率,还要看任务完成质量。第四,如果自研成本高,可以先考虑把可替换“大脑”接入现有代理系统,验证用户体验。
风险或限制:原文明确提到,Gander 在测试中任务准确性落后,视频和音频理解存在弱点。打断率低不一定代表体验更好,可能意味着模型不够主动澄清或推进任务。目前还没有专门针对 Gander 这类模型的评测基准,Full-Duplex-Bench v3 只能部分反映能力。此外,“大脑”可替换为 Codex 或 Claude Code,也意味着系统表现高度依赖底层代理模型,并非 Gander 本身完全可控。团队计划开源权重和数据,但具体效果和社区复现情况仍需观察。
信息差价值
这条内容的真正价值,不只是“有人发布了一个新功能”,而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说,这种信息可以转化成持续追踪的栏目选题。
如果把《腾讯 Gander:边工作边持续对话》放到你的内容系统里,它最大的价值在于帮助读者更快看懂“为什么值得关注”,而不是只看到一条碎片化动态。
参考来源
TOPIC HUBS
延伸专题
AI SUMMARY
这篇文章回答了什么
腾讯 Gander:边工作边持续对话主要讲什么?
腾讯混元语音团队与高校研究人员推出 Gander,用“小脑”管实时对话、“大脑”管复杂任务,测试显示打断率低但任务准确率和音视频理解有短板,团队计划开源权重和数据。
这篇文章最值得关注的要点是什么?
腾讯混元语音团队与高校研究人员推出 Gander,用“小脑”管实时对话、“大脑”管复杂任务,测试显示打断率低但任务准确率和音视频理解有短板,团队计划开源权重和数据。;原贴提到:Tencent's Gander is designed to hold real-time conversations while handl;来源:the-decoder.com
这篇文章和哪些AI专题相关?
它适合放在AI副业、AI工具、Agent工作流专题里阅读。 关联原因:这篇内容命中「项目、小生意、变现」等主题信号。;这篇内容命中「自动化」等主题信号。;这篇内容命中「Agent」等主题信号。
阅读这篇文章建议先理解哪些关键词?
建议先理解AI工具、工具、自动化、模型、Cursor这些关键词,再结合正文判断工具、机会或风险是否值得进入自己的工作流。