腾讯推出AI模型Gander 可实时对话同步处理后台任务
作者:亿邦AI 文章来源:亿邦动力
2026-09-21 14:43
作者:亿邦AI 文章来源:亿邦动力
2026-09-21 14:43
邦小白快读
2026年9月,腾讯混元语音团队联合多家高校研究人员推出AI研究模型Gander,可在与用户保持实时对话的同时,于后台处理复杂智能体任务。
当前主流语音助手多采用与用户轮流交互的模式,无法适配真实对话中双方随时打断、边听边说的交互场景。Gander可同步接收处理语音、图像、文本输入,即便是在自身输出语音的阶段,也能持续处理多模态信息,支持用户随时中断对话,模型无需用户提示即可主动追问问题或同步任务进度。
为平衡对话响应速度与复杂任务推理时长,Gander采用双模块拆分设计,两个模块参照人体结构被命名为“小脑”与“大脑”。其中“小脑”按秒级管控对话流程,决定倾听、发言或在用户打断时停止输出,依托近两分钟的对话内容作为记忆,无需单独的语音起止检测模块即可完成决策。“大脑”则负责在后台完成推理及复杂智能体任务,该模块可直接替换为Codex、Claude Code等不同智能体系统,无需重新训练对话模块,测试中该位置曾接入OpenAI GPT-5.6系列的某款未披露具体名称的模型,底层模型升级即可带动整套系统能力提升。
在现有公开基准测试中,Gander在Full-Duplex-Bench v3语音助手场景测试中取得对话时机表现最优成绩,100个测试场景下均能在恰当时间点开口发言,打断用户的比例为8%,低于GPT-Realtime的13.5%,对比表现最弱的竞品近48%的打断比例优势明显。该模型以相对较小的参数规模,即可对标GPT-Realtime、Gemini Live、Grok等商用系统。
测试同时暴露了模型的短板。Gander的任务准确率略落后于竞品,相关技术报告内容显示,现有测试对整套系统统一打分,语音识别和输出环节的误差也会拉低最终得分,若直接给“大脑”模块输入文本,其得分会有明显提升。受训练方向侧重流畅对话而非精准感知影响,Gander的音视频理解能力弱于其基础模型,在物体计数、图像定位类任务上表现存在不足。
据技术报告披露,Gander共使用约270万个样本完成训练,部分训练样本用于教会模型在存在背景噪音、对话场景中无人面向模型发言时保持安静。目前该项目的代码已在GitHub上线并提供演示页面,研究团队待开源流程完成后,将对外公开模型权重与训练数据。目前该项目仍处于早期阶段,如何完成规模化落地尚无明确方案,行业内也暂未形成针对此类双模块系统的统一评估标准。
今年7月腾讯曾发布开源语言模型Hy3,缩小了与头部竞品在智能体任务上的能力差距,该模型已落地WorkBuddy、元宝、微信等产品。目前腾讯正谈判拟拿下智能体初创公司Manus的最大股权,此前北京方面叫停了Meta对该公司的收购,该交易被腾讯视为与自身微信内置智能体等业务规划相匹配。
行业层面,拆分对话与任务处理模块已成为多家厂商的技术选择。OpenAI的GPT-Live将对话流程与推理环节分离,在对话持续进行的同时,将网页搜索、智能体任务交由后台模型处理。Sakana AI推出的Fugu模型作为独立语言模型,可从可扩展的模型池中调用其他模型完成任务。OpenAI同时在测试主动式智能体,可自动创建后续任务,无需用户主动触发即可联系用户。
实际落地中,交互打断与响应延迟仍是普遍待解的问题。Anthropic的相关分析数据显示,资深用户在使用Claude Code时,约9%的工作步骤会出现打断操作,新用户的打断比例约为5%,相关行业调研结果显示,对话式语音及聊天智能体开发团队普遍反馈延迟问题较为突出。
本文首发于 亿邦动力 官方网站
【版权提示】亿邦动力倡导尊重与保护知识产权。未经许可,任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题,烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至run@ebrun.com,我们将及时沟通与处理。
已点赞
{{ praise_text }}
好文章,值得被更多人看到
FAQ回顾
腾讯Gander是什么?
Gander是2026年9月腾讯混元语音团队联合多家高校研发的AI研究模型,采用“小脑”“大脑”双模块拆分设计,可在与用户实时对话的同时,于后台处理复杂多模态智能体任务,支持用户随时中断对话。
Gander和主流语音助手相比有什么优势?
主流语音助手多采用轮流交互模式,无法适配真实对话中随时打断、边听边说的场景。Gander可同步处理语音、图像、文本输入,输出语音阶段也能持续处理信息,可主动追问或同步任务进度,在Full-Duplex-Bench v3测试中打断用户比例仅8%,低于GPT-Realtime的13.5%,表现优于多数竞品。
Gander AI模型目前存在哪些短板?
Gander当前任务准确率略落后于竞品;受训练方向侧重流畅对话影响,音视频理解能力弱于其基础模型,在物体计数、图像定位类任务上表现不足;项目仍处于早期阶段,暂无明确规模化落地方案。
当前对话式智能体技术的主流发展方向是什么?
拆分对话流程与任务处理模块已成为行业主流技术选择,OpenAI GPT-Live、Sakana AI Fugu等模型均采用类似架构,可在对话进行时将搜索、复杂任务交由后台模型处理。据Anthropic统计,用户使用智能体时普遍存在打断操作,交互打断、响应延迟仍是行业待解问题。
下一篇
对话:从“井口争水”到“源头注水”品牌全球化需要重新认知全域营销
9月17日,在“Accelerate26跨境生态加速大会·中国站”专题论坛上,Amazon亚马逊广告中国大客户业务拓展总监 Susan Lai围绕“亚马逊广告如何重新定义‘全流域广告’”展开分享。









