基于 MiniCPM-o 4.5 微调的多模态双工交互智能体 Gander 亮相

开发者基于面壁智能 MiniCPM-o 4.5 模型构建了多模态双工交互智能体 Gander，探索感知与执行一体化交互架构。

• Gander 将连续视听感知、实时语音对话与异步智能体执行整合进同一个闭环交互循环，改变了传统语音交互与后端执行分步割裂的链路。
• 系统的核心小脑（Cerebellum）模块基于端到端全双工多模态模型 MiniCPM-o 4.5 进行微调，并针对原生双工交互实施了专项训练与系统级适配。
• 该方案支持智能体在保持实时听、说与视觉输入的同时并发处理异步工具调用与任务执行，降低人机多模态交互延迟。
• 影响/看点：该实践展示了端侧与开源多模态全双工模型在智能体架构中的工程化潜力，若在复杂场景下的指令抗干扰与并发稳定性得到验证，意味着实时语音助手向全时感知智能体的演进门槛正在降低。
• 资料依据：
• X：面壁智能 OpenBMB（2026-09-16）：https://x.com/OpenBMB/status/2100208127702597951

本内容由 AI 生成，仅供参考，请注意甄别