实时语音Agent转向双模型分离

实时语音 Agent 正在形成前台交互、后台推理与工具调用的双模型分离架构：前台模型维持对话，后台模型处理需要深度思考的任务，两类模型协同以兼顾实时响应和复杂任务处理。 Thinking Machines Lab 的一项研究预览展示了这种思路，其系统以 200 毫秒为单位分块处理音频、视频和文本，而非等待全部输入处理完毕后再响应。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。