Thinking Machines Lab ha presentato l’11 maggio 2026 gli interaction models, una famiglia di sistemi AI in ricerca che promette risposte in 0,40 secondi con TML-Interaction-Small, contro 0,57-1,18 secondi indicati nei benchmark per modelli comparabili di Google e OpenAI.
Conta perché sposta la competizione AI da una domanda familiare, “quanto ragiona il modello?”, a una più vicina al lavoro quotidiano: quanto riesce a collaborare mentre voi parlate, correggete o cambiate idea. Se il modello ascolta solo a turni alterni, resta un chatbot più veloce. Se ascolta e risponde nello stesso momento, diventa un’interfaccia diversa per call center, formazione, coding assistito, traduzione e assistenza tecnica.
La notizia, rilanciata da TechCrunch, arriva dal post tecnico di Thinking Machines Lab, la società fondata dall’ex CTO di OpenAI Mira Murati. Il prodotto però non è disponibile: l’azienda parla di research preview, con accesso limitato nei prossimi mesi e rilascio più ampio previsto entro l’anno. Il punto è la categoria che Murati vuole definire: AI interattive progettate per il tempo reale, non chatbot con voce aggiunta sopra.
Cosa sono gli interaction models
Gli interaction models sono modelli pensati per gestire l’interazione in modo nativo. Nei sistemi classici, anche quando sembrano vocali, l’ordine resta sequenziale: l’utente parla, il modello elabora, il modello risponde. Thinking Machines descrive invece un’architettura full duplex, cioè bidirezionale: input e output possono coesistere, come in una telefonata.
“Interactivity should scale alongside intelligence.” — Thinking Machines Lab
Il cuore tecnico è il design a micro-turn: il sistema divide audio e video in blocchi da 200 millisecondi, alternando continuamente percezione e generazione. In pratica, un modello multimodale può ricevere testo, audio e video mentre produce testo o audio, senza aspettare un confine netto tra domanda e risposta. Questo abilita casi che oggi richiedono componenti esterni: interrompere quando l’utente sbaglia, tradurre mentre due persone parlano, reagire a un gesto visivo, chiamare strumenti mentre la conversazione continua.
Thinking Machines affianca al modello interattivo un modello di background, pensato per ragionamenti più lunghi, ricerca web o tool use. Il primo resta presente nella conversazione; il secondo lavora dietro le quinte e restituisce risultati quando servono. È una scelta importante: la latenza bassa da sola non basta se l’assistente diventa superficiale.
Il confronto con OpenAI e Google
OpenAI e Google non partono da zero. OpenAI ha reso disponibile gpt-realtime per agenti vocali in produzione, con supporto a MCP, immagini e chiamate SIP. Google, con Gemini Live API, parla già di interazioni vocali e video a bassa latenza, supporto multilingue e possibilità per l’utente di interrompere il modello.
La differenza dichiarata da Thinking Machines è più sottile: non aggiungere interattività a un sistema a turni, ma addestrare un modello intorno all’interazione continua. Nei benchmark pubblicati dall’azienda, TML-Interaction-Small ottiene una latenza di turn-taking di 0,40 secondi su FD-bench V1, contro 0,57 per Gemini 3.1 Flash Live in modalità minimale e 1,18 per GPT-realtime-2.0 minimale. Sul punteggio medio FD-bench V1.5, TML arriva a 77,8, mentre i modelli concorrenti citati restano tra 39,0 e 54,3.
Sono numeri interessanti, ma vanno letti con prudenza. I benchmark sono pubblicati dall’azienda che presenta il modello, e il sistema non è ancora accessibile al pubblico. Finché sviluppatori e clienti non possono testarlo su conversazioni rumorose, reti instabili, accenti diversi e casi reali, resta una dimostrazione tecnica promettente, non una prova di mercato.
Il limite non è solo la velocità
Il modello TML-Interaction-Small è un MoE, cioè un modello “mixture of experts”, da 276 miliardi di parametri, con 12 miliardi attivi per inferenza. Questo dato spiega perché la partita non sia soltanto progettuale, ma anche infrastrutturale: servire audio e video in streaming con latenza bassa richiede GPU, rete affidabile e ottimizzazioni di inferenza aggressive.
Thinking Machines ammette anche i limiti principali. Le sessioni lunghe accumulano contesto rapidamente, la qualità degrada con connessioni instabili e i modelli più grandi dell’azienda sono ancora troppo lenti per questa esperienza. Anche la sicurezza cambia forma: un assistente in tempo reale deve rifiutare richieste pericolose senza rompere il flusso della conversazione.
La domanda che nessun grafico risolve è semplice: chi decide quando un’interruzione dell’AI è aiuto e quando diventa invasione del lavoro dell’utente?
Cosa cambia per il lettore italiano
Per chi lavora in Italia con assistenti vocali, chatbot aziendali o automazioni di supporto, la conseguenza pratica è chiara: nei prossimi mesi valutare un sistema AI non vorrà dire guardare solo accuratezza, prezzo per token o finestra di contesto. Entreranno metriche nuove: latenza percepita, gestione delle interruzioni, continuità su audio e video, costo dello streaming, controllo dei dati e residenza europea.
Questo vale soprattutto per customer care, sanità privata, formazione professionale, vendita assistita e supporto tecnico. Un assistente che può ascoltare mentre parla cambia il ritmo del servizio: può correggere un operatore durante una chiamata, guidare un tecnico che mostra un guasto in video, o tradurre senza far aspettare due interlocutori.
Ma la decisione sensata non è cambiare piattaforma domani. È aggiornare le domande ai fornitori: il modello è davvero full duplex o usa un sistema di rilevamento dei turni? Quanto costa un minuto di audio continuo? Cosa succede se la rete cade? Dove vengono conservati audio, video e transcript? Per il lettore italiano, l’impatto concreto degli interaction models sarà questo: meno attenzione alla demo spettacolare, più pressione per misurare se l’AI sa collaborare senza prendere il controllo della conversazione.