十三年后，由 OpenAI 前 CTO Mira Murati 创立的 Thinking Machines Lab 发布了一篇研究预览，其构建的交互模型在底层追求上，与 Samantha 的逻辑高度契合。这篇题为《交互模型：人机协作的可扩展方案》的博客，全篇反复强调的核心便是一个词：「presence」——持续在场。博客链接地址：https://thinkingmachines.ai/blog/interaction-models/颇有意思的是，2024 年正是 Mira Murati 在 OpenAI 主持发布了 GPT-4o 的高级语音模式，让人机交互开始更接近人与人的自然交流。两年后，她带着出走的团队另起炉灶，却又把这件事从头做了一遍。评论区的吐槽也是一条比一条犀利。人类已被移出 AI 协作群聊文章开篇指出，结合 METR 在 2025 年的研究报告，主流 AI 公司普遍倾向将「模型自主完成长任务」作为最重要的能力指标，导致目前的交互界面几乎没给人类留出持续参与的空间。但在实际工作中，需求极少能在最初就交代得完美无缺。高质量产出往往需要人持续介入与反复调整，而现有的「回合制」机制恰恰缺乏这样的通道。语言学者 Clark 和 Brennan 在 1991 年的研究表明：高效沟通依赖共在、同时性和并发性。双方需共处同一情境，同步接收和表达信息；同时，如 Walter Ong 在 1982 年关于「口语稍纵即逝性」的研究所示，对话的本质在于高频参与。结合哈耶克 1945 年的理论，真正有价值的知识正存在于这类即时的细节传递中。
现在的模型工作时，用户输入，AI 等待；AI 输出时，则对用户的即时反应一无所知。Thinking Machines 将此比喻为：面对紧迫分歧不去当面沟通，而是靠发邮件来回拉扯。目前的实时语音市场存在两条存在局限的路线：大多数主流商业系统是靠在模型外接入语音活动检测（VAD）等组件拼接出的「伪实时」。这种外挂组件的管理方式局限性明显：模型无法主动打断对话，无法对屏幕报错等视觉变化作即时反应，更难以胜任「边听边同传」这类高频并发任务。 而另一方面，市场上虽然也出现了 Moshi、PersonaPlex 等无需 VAD 的原生全双工系统，但它们多为较小规模的模型，为了低延迟在综合智能水平上做出了妥协。
Thinking Machines 认同强化学习学者 Richard Sutton 的观点：依赖人工设计组件的系统最终会被通用学习赶超。交互能力必须成为模型原生的一部分。
