腾讯 Gander 提出「小脑+大脑」架构：边对话边在后台干活

核心事实

据 the-decoder.com 报道，腾讯混元语音团队与多所高校的研究者提出了一款名为 Gander 的 AI 模型，目标是让模型在后台处理复杂任务的同时保持实时对话。据其技术报告，Gander 可同时接收语音、图像和文本，用户可随时打断，模型也能在未被提示的情况下追问或汇报进度。

架构上，研究团队借用人体解剖学命名，把工作拆成两部分：负责实时对话的「小脑」，以及负责推理与复杂任务、在后台运行的「大脑」。报道称「大脑」可替换为 Codex、Claude Code 等智能体系统，而无需重新训练对话模型。

背景与影响

研究者认为，现有语音助手多为轮流发言，而真实对话中人们会互相打断、边听边说，因此需要持续处理视频、语音与文本。Gander 将对话切分为一秒一段，由「小脑」判断何时听、说或停止，并以约最近两分钟对话作为记忆。

报道提到，在 Full-Duplex-Bench v3 上，Gander 在全部 100 个场景中都在合适时机开口，打断用户的比例为 8%，而对比系统分别为 13.5% 和接近 48%。不过其任务准确率略低于最弱的对比系统，视频与音频理解也偏弱。研究团队表示，计划在完成开源发布流程后公开模型权重与训练数据，代码的 GitHub 仓库已存在。

限制与来源

需要说明的是，上述性能数字均来自研究团队自述的技术报告，尚未获官方独立确认，也不代表实际产品表现。报道称该工作仍处早期，如何扩展规模尚无定论，也缺乏评估此类系统的标准方法。关于权重与数据的具体开放时间、许可条款、可用地区与语言支持，均以官方后续发布信息为准。

本文内容整理自 the-decoder.com 的相关报道，原文链接：the-decoder.com。