Gander: Tencent Hunyuan + openbmb — агент у реальному часі, що бачить, чує і говорить

TL;DR

• •Гітхаб-репозиторій з кодом агента Gander
• •Основана на MiniCPM-o 4.5 (Tencent Hunyuan + openbmb)
• •Підтримує full-duplex взаємодію: екран, аудіо, відео
• •Ліцензія Apache 2.0 — дозволяє комерційне використання
• •Демонстрація паралельного виконання довгих задач під час розмови

Як це змінить ваш ринок?

Для медіа- та креативних команд Gander сигналізує напрямок розвитку багатомодальних агентів, які можуть взаємодіяти з контентом у реальному часі. Однак через відсутність готового API, документації та підтримки, безпосередньо вплинути на роботу не може. Реальна зміна ринку можлива лише якщо такий інструмент статиме доступним як SaaS або легко інтегрований модуль — поки що це дослідній прототип.

Визначення:

Full-duplex AI agent — штучний інтелект, який може одночасно приймати вхід (бачити, чути) і генерувати вихід (говорити, діяти) без переривань, як людська розмова.

Для кого це і за яких умов (ОБОВ'ЯЗКОВО: мін. обладнання/бюджет, потрібна команда чи ні, мін. масштаб, час на впровадження.

• •Для дослідників: ноутбук з 24GB GPU, знання PyTorch, 2-3 дні на запуск демо
• •Для компаній: не підходить — нема готового продукту, підтримки чи інструкції по інтеграції
• •Готовому впровадженню перешкоджає відсутність інсталятора, ваг у публічному доступі та звіту про бенчмарки

Альтернативи

| | Gander (демо) | Realtime API (OpenAI) | Astra (Google DeepMind) | | Ціна | безкоштовно (код) | ~$0.06/хв аудіо | дані не розкриті | | Де працює | локально (саморозгортання) | хмара | хмара | | Мін. вимоги | 24GB GPU, навички ML-інженера | інтернет, API-ключ | дані не розкриті | | Ключова різниця | відкритий код, але не продукт | готовий сервіс з підтримкою | експериментальний агент від Google |