Mira Murati新公司Thinking Machines發佈語音模型，400ms響應進入人類對話區間
前OpenAI CTO Mira Murati創立的Thinking Machines（TML）發佈首款語音模型，核心亮點是400ms turn-taking latency（對話輪換延遲）。
這一數字已進入人類自然對話區間（語言學家跨10語言研究顯示人類平均約200ms，日語7ms，丹麥語400ms，超過600ms會被普遍感知爲“尷尬”）。目前主流競品均在該區間之外：GPT-realtime-1.5爲590ms、Gemini-3.1-flash-live爲570ms、Qwen 3.5 OMNI高達2140ms。
來源：公開信息
ABAB AI 解讀
Mira Murati團隊選擇在“感知人性”而非單純智能上突破，主動在結構化推理（如IFEval 89.7 vs GPT-realtime-2.0的95.2）上讓出少量分數，換取流式響應和對話自然度的顯著領先。該模型在FD-bench V3響應質量（82.8）和Bigbench Audio（75.7）等流式指標上表現突出。
這筆$20億美元種子輪（$120億美元估值）本質上押注“語音交互的真實人類感”，目標直指電話客服、銷售SDR、醫療問診、IVR替代等必須“聽起來像人”的高頻場景，而非僅追求學術基準。
結構判斷：本質屬於技術替代。TML以400ms延遲直接替代傳統語音交互的“機器人感”，機制在於人類對話對延遲極度敏感，微小的毫秒差異會決定用戶是否願意長期使用，推動資本與應用場景從“更聰明”向“更像人”的語音Agent集中，開啓語音AI從工具向真實對話夥伴的轉型。
ABAB News · 認知定律
600ms是機器，400ms纔像人。
真正的語音競賽，從來不是拼誰更聰明，而是拼誰聽起來更像人類。
誰先把延遲做到人類可接受範圍，誰就拿走下一代電話、客服與陪伴場景的入口。