▼エピソードの内容
今日のテーマは Thinking Machines Lab の「Interaction Models」。聞いてから話すターン制(トランシーバー)ではなく、聞きながら話すフルデュープレックス(電話)の音声AI。デモを一緒に見ながら、なぜ速いのか・どこが革新なのか・誰が作っているのかを、ベンチマークとトークン経済の話まで一気に解剖する。シーズン1最終回。
▼Chapters
00:00 オープニング — HAL 9000 と「聞きながら話す」音声AI
02:01 ターン制(トランシーバー)から全二重(電話)へ
03:24 デモ視聴 — オーディオ基盤モデルという発想
06:04 割り込み問題 — 考え込む「間」を解釈する
08:07 バックグラウンド×インタラクションの二層分離
09:20 マルチモーダル前提 — 伊藤園・緑茶デモと健康知性
10:38 リアルタイム会話データが存在しない難しさ
12:32 dMel・エンコーダ無し早期融合 — イノベーションの総合格闘技
13:09 なぜ速い — 200msと人間の自然な応答速度
14:52 仕事に使えそう — インプット充実が自動化される
16:20 Herの世界 — 生産性のAIか、感情に寄り添うAIか
18:49 チューリングテストの音声版 — 方向づけの先駆け
19:37 FDEベンチでGPT Realtimeに15倍差
20:16 Mira Murati と Thinking Machines — $2B調達と創業チーム1/3流出
22:48 資金調達の二極化とメタ引き抜きドラマ
25:54 プロダクト視点 — エンプラ向け(CS/セールス/ヘルスケア)
27:09 CS満足度は上がっていない / Cursorのハルシネ解約事件
29:46 コンシューマー — カップル仲裁・対戦ゲームのコーパイロット
31:30 AIネイティブなゲームスタジオ
33:33 ベンチマーク領域 — FDベンチ/TAUベンチ、otoも参戦
36:21 良いベンチマークの条件と分岐点 / Devinの成果報酬返金
44:34 トークン消費量をKPIにする誤り — ポジショントーク
46:53 Shared Intelligence層が無い組織の無駄(EP9伏線)
48:35 テキスト→音声→映像 メディア拡大の歴史
49:44 Unreal Engineは新時代のHTML / ワールドモデル
51:31 Markdownは AI用、人間はHTML — 圧縮型vs拡散型思考
56:31 今後 — 276B/12B MoE、今年秋冬に公開
57:33 クロージング — シーズン1終了、シーズン2はオフラインで
▼References
Thinking Machines Lab, "Interaction Models: A Scalable Approach to Human-AI Collaboration",
Thinking Machines Lab: Connectionism, May 2026.
Full Duplex 音声モデルの図（arXiv）| https://arxiv.org/html/2604.12928v3
▼MC
touyan（@0xtouyan）：FlowStudio代表。AI Native事業を企画中。
consome（@ZkEther）：oto代表。Speech-to-Speechモデル向け雑談データセット構築中。
番組へのコメント・MCへのメッセージは #ainaked まで。
