Tencent Gander: новая модель с разделением на "мозг" и "мозжечок" для параллельной работы и общения
Китайский гигант Tencent представил мультимодальную модель Gander, которая может выполнять фоновые задачи, такие как поиск файлов или написание кода, одновременно поддерживая диалог с пользователем. Это стало возможным благодаря архитектурному разделению на "мозг" и "мозжечок".
Китайская Tencent представила мультимодальную модель Gander. Ее ключевая особенность - способность выполнять фоновые задачи, такие как поиск файлов или написание кода, не прерывая диалог с пользователем. По данным The Decoder, Gander прерывает пользователей только в 8% случаев, что меньше, чем у многих конкурентов.
Архитектура модели вдохновлена биологией и состоит из двух основных модулей, условно названных "мозгом" и "мозжечком". "Мозжечок" отвечает за поддержание беседы, обрабатывая речь, текст и изображения. Параллельно сменный "мозг" выполняет основную задачу. Пользователь может в любой момент вмешаться, уточнить или изменить запрос, и модель адаптируется без потери контекста.
Однако за улучшенное взаимодействие пришлось заплатить. В тестах на точность Gander показал более низкие результаты по сравнению с конкурентами. Разработчики пожертвовали частью вычислительных ресурсов и архитектурной простоты, выделив отдельный модуль для диалога, что, вероятно, снизило эффективность решения основных задач.
Технические детали, описанные в источнике, конкретизируют масштаб модели. Gander использует контекстное окно размером 1152 токена. Модель обучалась на наборе данных, включающем 10 миллионов примеров. В ее архитектуре используется 2048 слоев. Параметры модели составляют 039 миллиардов. Ожидается, что коммерческий релиз модели состоится в 2026 году. Эти цифры показывают, что речь идет о крупной и сложной системе.
Появление Gander отражает эволюционный шаг в развитии ИИ-агентов. Для разработчиков это указывает на тренд: будущее за системами, способными распределять внимание между основной задачей и общением. Для пользователей, особенно в корпоративной среде, это может означать более естественный рабочий процесс, где помощник не "замирает" во время обработки запроса. Хотя текущая реализация от Tencent демонстрирует компромисс в точности, она задает новую планку в многозадачности. Архитектура со сменными модулями открывает путь к специализации: один "мозг" можно оптимизировать для программирования, другой - для анализа данных, сохраняя при этом единый и непрерывный интерфейс общения. Это делает модель гибким инструментом, который может адаптироваться под разные профессиональные нужды без необходимости переучивания пользователя каждый раз.
