Omni Interaction Agent Technical Report
Gander 是一个端到端模型，统一了全模态感知、实时交互和智能体能力。它持续接收视频、语音和文本等多模态流输入，支持全双工交互，用户可随时打断，模型也能主动提供反馈或提问。架构上采用 Cerebellum-Brain 协作框架，Cerebellum 负责实时交互和全模态对话，Brain 负责复杂推理和高级智能体任务，两者通过工具调用和智能体编排运行时持续交互。Cerebellum 基于流式 Thinker-Talker 架构，输入和输出在块级别被展平为有序 token 流。
发展脉络
- 首次出现Omni Interaction Agent Technical ReportHugging Face Daily Papers
- 行业反馈Omni Interaction Agent Technical ReportarXiv cs.AI
- 当前判断Gander 代表了从回合制对话向全双工交互的转变，可能推动语音助手、实时翻译等应用的发展。其统一全模态感知和智能体能力可能加速多模态智能体的落地。该架构可能影响未来模型设计，促使更多研究关注实时交互与推理的分离。下一步可验证信号：是否有其他团队采用类似架构，以及该模型在真实场景中的表现。Agent Pulse · 分析
Gander 是一个端到端模型，将全模态感知、实时交互和智能体能力统一在单一框架中。与传统的基于回合的范式不同，Gander 持续接收视频、语音和文本等多模态流输入，支持自然全双工交互，适用于日常对话和复杂工作流场景。用户可随时打断，模型也能主动提供中间反馈或提问。架构上，Gander 采用 Cerebellum-Brain 协作框架：Cerebellum 负责实时交互和全模态对话，Brain 负责复杂推理和高级智能体任务，两者通过工具调用和智能体编排运行时持续交互。Cerebellum 基于流式 Thinker-Talker 架构，输入和输出在块级别被展平为有序 token 流，提供统一表示。该报告来自 arXiv，发表于 2026 年 9 月 8 日。
Gander 的 Cerebellum-Brain 协作框架将实时交互与复杂推理分离，可能降低交互延迟并提升可扩展性。流式 Thinker-Talker 架构将多模态输入输出展平为有序 token 流，可能简化多模态融合。可打断性和主动反馈机制表明模型支持全双工交互，可能改变人机交互范式。下一步可验证信号：模型是否在实时交互任务中显著降低延迟，以及 Cerebellum 与 Brain 的协作是否在复杂智能体任务中带来性能提升。
Gander 代表了从回合制对话向全双工交互的转变，可能推动语音助手、实时翻译等应用的发展。其统一全模态感知和智能体能力可能加速多模态智能体的落地。该架构可能影响未来模型设计，促使更多研究关注实时交互与推理的分离。下一步可验证信号：是否有其他团队采用类似架构，以及该模型在真实场景中的表现。
Gander 的全双工交互能力可能提升用户体验，减少等待时间，适用于客服、语音助手等场景。其统一框架可能降低多模态系统的集成成本。对于企业，这可能带来更自然的交互界面，提高效率。下一步可验证信号：是否有公司采用该模型或类似技术进行产品化。
Gander 可能推动实时交互式 AI 的发展，尤其在语音助手、实时翻译和智能体工作流中。其 Cerebellum-Brain 框架可能成为未来模型设计的参考。未来可能出现更多支持全双工交互的模型，并集成到实际产品中。下一步可验证信号：模型是否开源或提供 API，以及后续版本是否改进交互能力。