Tencent เปิดตัว Gander AI คุยต่อเนื่องไม่สะดุดแม้ทำงานเบื้องหลัง

ประเด็นสำคัญ

• Gander ของ Tencent ถูกออกแบบมาเพื่อการสนทนาแบบเรียลไทม์ควบคู่ไปกับการจัดการงานที่ซับซ้อนในเบื้องหลัง โดยรองรับการประมวลผลคำพูด ภาพ และข้อความพร้อมกัน และเปิดให้ผู้ใช้ขัดจังหวะได้ตลอดเวลา
• ระบบใช้กลไก "ซีรีเบลลัม" (Cerebellum) ในการจัดการบทสนทนาแบบวินาทิต่อวินาที ในขณะที่ "สมองหลัก" (Brain) ที่สามารถสลับเปลี่ยนได้จะรับหน้าที่จัดการงานเอเจนต์ (Agent) ที่ซับซ้อน เพื่อให้ตอบสนองได้รวดเร็วโดยไม่ต้องลดประสิทธิภาพการวางแผน
• ผลการทดสอบพบว่า Gander ขัดจังหวะผู้ใช้น้อยกว่าโมเดลคู่แข่ง แต่ยังมีความแม่นยำของงานตามหลังอยู่บ้าง รวมถึงมีจุดอ่อนด้านการทำความเข้าใจวิดีโอและเสียง ซึ่งทีมงานเตรียมเปิดเผยน้ำหนักโมเดลและข้อมูลการฝึกสอนผ่าน GitHub เร็วๆ นี้

Gander คือโมเดลวิจัยจาก Tencent ที่ผสานการสนทนาแบบเรียลไทม์เข้ากับความสามารถของ AI Agent โดยมีโครงสร้างแยกส่วนหน้าที่ชัดเจน เพื่อให้ผู้ใช้สามารถโต้ตอบได้ทันทีแม้ระบบกำลังประมวลผลงานหนัก อย่างไรก็ตาม การทดสอบแสดงให้เห็นว่ายังต้องมีการปรับสมดุลระหว่างจังหวะการโต้ตอบและความแม่นยำของเนื้อหา

ทีม Hunyuan Speech จาก Tencent ร่วมกับนักวิจัยจากมหาวิทยาลัยหลายแห่ง เปิดตัว Gander โมเดล AI ที่สามารถแชทได้อย่างต่อเนื่องในขณะจัดการงานซับซ้อน รายงานทางเทคนิคระบุว่าโมเดลนี้สามารถรับข้อมูลผ่านเสียงพูด ภาพ และข้อความได้พร้อมกันในคราวเดียว

นักวิจัยโต้แย้งว่า ผู้ช่วยเสียงในปัจจุบันส่วนใหญ่มักเป็นการผลัดกันพูด แต่ในการสนทนาจริง มนุษย์มักจะขัดจังหวะ ให้ข้อเสนอแนะอย่างรวดเร็ว และฟังไปพร้อมกับการพูด Gander จึงถูกออกแบบมาเพื่อรองรับพฤติกรรมดังกล่าว โดยประมวลผลข้อมูลวิดีโอและเสียงอย่างต่อเนื่องแม้ในขณะที่มันกำลังพูดอยู่ ทำให้ผู้ใช้แทรกจังหวะได้ตลอดเวลา และโมเดลสามารถถามคำถามหรือรายงานความคืบหน้าได้โดยไม่ต้องรอคำสั่ง

Gander ช่วยให้การสนทนาดำเนินต่อไปในขณะที่ "สมอง" กำลังทำงาน เนื่องจากงานสนทนาต้องการความเร็ว แต่การค้นหาไฟล์หรือเขียนโค้ดต้องการการวางแผน นักวิจัยจึงมองว่าการใช้โมเดลเดียวทำทุกอย่างอาจทำให้สูญเสียสมดุลระหว่างความเร็วและการใช้เหตุผล Gander จึงแก้ปัญหาด้วยการแยกงานออกเป็นสองส่วนชัดเจน

การออกแบบนี้หยิบยืมแนวคิดมาจากกายวิภาคของมนุษย์ โดยแบ่งเป็น "ซีรีเบลลัม" ที่ดูแลการโต้ตอบแบบเรียลไทม์ และ "สมองหลัก" ที่รับหน้าที่ใช้เหตุผลและจัดการงานซับซ้อนในเบื้องหลัง

ความน่าสนใจคือสมองหลักสามารถสลับเปลี่ยนเป็นระบบเอเจนต์ประสิทธิภาพสูงอย่าง Codex หรือ Claude Code ได้โดยไม่ต้องฝึกสอนโมเดลส่วนสนทนาใหม่ ในการทดสอบยังได้มีการใช้โมเดลไม่ระบุชื่อจาก ตระกูล GPT-5.6 ของ OpenAI มารับบทบาทนี้ ซึ่งช่วยให้ระบบทั้งหมดเก่งขึ้นตามโมเดลพื้นฐานที่ถูกพัฒนาขึ้นไป