real-time-interaction

MiniCPM-o 4.5 是一个拥有 90 亿参数的多模态模型，具备 Omni-Flow 框架，支持实时全双工交互，使模型能够同时感知并主动响应。其开源性能达到最先进水平，可与 Gemini 2.5 Flash 相媲美，并能在内存低于 12GB 的边缘设备上运行。

OpenAI发布GPT-4o，一个功能全面的多模态模型，可实时处理音频、视觉、文本和视频，平均音频响应延迟为232毫秒。该模型在文本和代码能力上与GPT-4 Turbo相当，同时显著改进了多语言、音频和视觉功能，API成本降低50%。