Realtime-Venus: מודל הדופלקס המלא 9B של Ant Group שוחרר ללא השקה

ב-12 בספטמבר 2026 עלה דוח טכני ל-arXiv שתיאר את Realtime-Venus, מערכת אינטראקציה דופלקס מלא שנבנתה משני מודלי 9B שאומנו בנפרד — Realtime-Venus-Omni לאינטראקציה אודיו-ויזואלית ו-Realtime-Venus-Audio לאינטראקציה דבורה — המיוחסת ל-Venus Team ב-Ant Group בשיתוף עם אוניברסיטת צינגהואה. בתוך ימים, מאגר Apache-2.0 תחת inclusionAI/Realtime-Venus ב-Hugging Face הכיל את שני ה-checkpoints כ-BF16 safetensors להורדה, לצד עמוד פרויקט ומאגר GitHub נלווה. מה שלא הופיע הוא החלק שכדאי לשים לב אליו: אין פוסט השקה, אין עמוד מוצר, אין API, אין רשימת מחירים, ושום דבר בנכסים של Ant Group עצמה שמכריז שמשהו מזה קיים. זהו שחרור שסיפק הכול מלבד ההכרזה, מה שהופך את ההפרדה בין העובדות המבוססות לבין הטענות לעבודה כולה.

מה בעצם נמצא על הדיסק

המאגר אינו stub. הוא מכיל שתי תיקיות מודלים, כל אחת עם משקולות safetensors מחולקות, קובץ config, וקוד Hugging Face Transformers המותאם אישית שהכרטיס מורה לך לטעון עם trust_remote_code=True. יש קובץ requirements, תיקיית assets שמכילה את משאבי token-to-waveform וקול ייחוס, ורישיון Apache-2.0 ברמה העליונה. הכרטיס מתעד התקנה עבור Python 3.10 עם CUDA ו-FFmpeg, וגם מראה ModelScope וגם נתיב הורדה מ-Hugging Face. המשקולות אמיתיות, הקוד נמצא שם, ושום דבר לא מונע ממך להוריד אותו היום.

שתי היעדרויות מלמדות לא פחות מהתוכן. הראשונה היא שהמאגר מציין במפורש שהוא אינו נפרס על ידי שום ספק הסקה — אין נקודת קצה מתארחת, אין אפשרות ללא שרתים, ואין פלטפורמת צד שלישי שמארחת אותו. השנייה היא שהורדות אינן נעקבות כלל, מה שאומר שאין שום אות ציבורי לכמה אנשים הורידו אותו. מודל יכול להיראות מאומץ או מוזנח ב-Hugging Face; את המודל הזה אי אפשר לקרוא בדרך הזאת.

שתי נקודות הביקורת, ומה שמפריד ביניהן

שניהם 9B, שניהם חולקים שלד זרימה, וההבדל ביניהם הוא במה שהם מסוגלים לתפוס.

• Realtime-Venus-Omni — צ'קפוינט אודיו-ויזואלי. מקודד חזותי SigLIP2 עבור פריימים בזרימה, מקודד אודיו Whisper-Medium, ועמוד שדרה לשוני Qwen3-8B. מקבל וידאו או תמונות, אודיו וטקסט; מחזיר טקסט ובאופן אופציונלי, צורת גל של דיבור.

• Realtime-Venus-Audio — אותו שלד, כשהראייה מושבתת בזמן הטעינה. אודיו וטקסט נכנסים, טקסט ודיבור יוצאים. הוא קיים למקרה שבו המצלמה אינה רלוונטית ואתם רוצים את תפוסת הזיכרון הקטנה יותר ואת הנתיב הפשוט יותר.

• מפרט משותף — הקשר של 40,960 טוקנים בשניהם, משקולות BF16 בשניהם, דיבור שנוצר כטוקני S3 בדידים שמפוענחים על ידי מפענח flow-matching זורם, ולא על ידי מודל טקסט-לדיבור נפרד שהוצמד בסוף.

• ייחוס — כרטיס המודל מציין שהצ'קפוינט של Omni עבר התאמה מ-MiniCPM-o 4.5, המודל האומני-מודאלי בגודל 9B ש-OpenBMB פרסמה כקוד פתוח מוקדם יותר ב-2026. זו אינה הערת שוליים. המשמעות היא שהתרומה של Ant Group מורכבת משלב הפוסט-אימון, מסביבת ההרצה, ומעיצוב ההאצלה, שנבנו בשכבות מעל עמוד שדרה זורם של מישהו אחר — טענה שונה וספציפית יותר מאשר "מודל Omni חדש בגודל 9B".

הרעיון האחד שבאמת חדש: האצלה כאירוע זרם ממעלה ראשונה

כל מערכת דופלקס מלא בשנת 2026 חייבת לפתור את אותה סתירה. ניהול השיחה פועל ברזולוציה של מילי־שניות עד שנייה אחת. קריאות לכלים, אחזור והסקה מורכבת נמשכים שניות עד עשרות שניות. מודל שעוצר כדי לחשוב מפסיק להיות דופלקס מלא; מודל שלעולם לא עוצר לא יכול להשתמש בכלי.

Realtime-Venus עונה באמצעות זמן־ריצה דו־לולאי. לולאת האינטראקציה פועלת במקטעים קבועים של שנייה אחת, קולטת ברציפות מאפייני אודיו ווידאו, מעדכנת את מצב השיחה ומחליטה אם להקשיב או לדבר, תוך הזרמת טקסט ודיבור מיושר. היא אינה מושהית כאשר עבודת רקע מתבצעת. הלולאה השנייה היא מתזמן שהמאמר מכנה Realtime-Venus-Harness: כאשר החזית מחליטה שמשימה חורגת ממה שהיא יכולה לבצע באופן מוטבע, היא פולטת האצלה אסינכרונית דרך סמנים פרטיים המוטמעים ברצף הנסתר שלה עצמה, וה-harness מבצע את המשימה ברקע ומשלב מחדש את התוצאה בדיאלוג המתמשך.

הפרט שהופך את זה ליותר מתרשים הוא מה שהמאמר מכנה causal task capture — המשימה המואצלת מבוצעת מול תמונת מצב מבודדת של מצב השיחה, כך שמשימת רקע ארוכת טווח לא תוכל להיפגע מכך שהשיחה ממשיכה להתקדם בזמן שהיא רצה. זהו מצב הכשל שגורם לרוב העיצובים של "האצל והמשך לדבר" לקרוס בפועל, וזה הדבר המעניין ביותר בדוח.

הרתמה לא נמצאת במשקלים. היא שוכנת במאגר ה-GitHub כרכיב נפרד, וזה אומר שהחלק שהופך את הארכיטקטורה לייחודית הוא החלק שתצטרכו להרכיב ולסמוך עליו בעצמכם.

המספרים, ובדיוק של מי הם

כל נתון שלהלן מגיע מהדוח הטכני ומכרטיס המודל. איש מחוץ למחברים לא שחזר אף אחד מהם, שום צד שלישי לא פרסם הערכה, ואין רשומה בלוח תוצאות שאפשר לבדוק אותם מולה. יש לקרוא אותם כמדידות של המחברים עצמם.

• בנצ'מרקים לווידאו, Realtime-Venus-Omni — הציון הטוב ביותר בשש מבין שמונת הבנצ'מרקים שהדוח משתמש בהם, כולל StreamingBench 70.2, OVO-Bench 64.7, ו-Daily-Omni 81.3.

• מדדי ביצועים אודיו, Realtime-Venus-Audio — MMAU 78.0, MMAU-Pro 63.2, Llama Questions 83.8, Speech CMMLU 67.8, וציון VoiceBench AlpacaEval של 4.81 שהדוח מתאר כמתאים לנתון ההשוואה הטוב ביותר.

• Full-Duplex-Bench v1.5 — תגובה ל-75% מההפרעות של המשתמש, עם שיעורי המשך של 97% תחת בק-צ'אנלים, 88% תחת דיבור המופנה לאחרים, ו-86% תחת דיבור רקע. הדוח מציין שזה עולה על Gemini 3.1 Live ו-GPT-4o בכל שלושת מדדי ההמשך.

הנתון של Daily-Omni הוא זה שכדאי להתעכב עליו. MiniCPM-o 4.5, המודל שממנו הותאם הצ'קפוינט הזה, מדווח על 80.2 באותו בנצ'מרק. Realtime-Venus-Omni מדווח על 81.3. אם שני המספרים יחזיקו מעמד, השיפור ממאמץ רב בפוסט-אימון ובזמן ריצה הוא בערך נקודה אחת בבנצ'מרק שהמודל הבסיסי כבר היה חזק בו — וזו תוצאה מציאותית לעבודה מסוג זה, וסיפור הרבה פחות דרמטי מהכותרת "הטוב ביותר בשש מתוך שמונה".

מה לא מבוסס?

רשימת השאלות הפתוחות ארוכה מזו של השאלות שהוכרעו, וזהו מצבו הכנה של מודל בן שישה ימים.

• לא קיימת הערכה עצמאית. לא מיקום בזירה, לא שחזור על ידי צד שלישי, לא אף קבוצה חיצונית אחת שפרסמה מספר.

• אין נתון השהיה במילישניות. הדוח מתאר קצב אינטראקציה של שנייה אחת והכרטיס מתעד קריאות סטרימינג בכל שנייה, אך אין נתון מפורסם של זמן עד לאודיו הראשון, שהוא המדד שלפיו קונים בפועל בקטגוריה הזו.

• אין API ואין מחיר, ואין הצהרה שמי מהם עתיד לבוא. האם זהו מוצר בהמתנה או ארטיפקט מחקרי שיישאר הורדה — אינו ידוע באמת.

• אין כוונה מוצהרת מצד הספק. היעדר הודעה אינו ראיה לאסטרטגיית השקה שקטה; הוא גם עולה בקנה אחד עם מאגר שפורסם עבור מאמר ותו לא.

• אין הוכחות מייצור עבור הארנס. זהו הרכיב הנושא את העומס בארכיטקטורה, והפחות מתועד.

למה המסלול השקט ממשיך לקרות

זו הפעם השנייה השנה שעבודת המודלים של Ant Group מגיעה לציבור דרך מאגר ולא דרך השקה. UI-Venus-2-9B, סוכן ה-GUI של המעבדה, הופיע ב-Hugging Face בסוף אוגוסט 2026 בלי מאמר, בלי עמוד פרויקט ובלי הכרזה — ומאז פורסם בעקבותיו דוח. Realtime-Venus הגיע בסדר ההפוך: קודם הדוח, לצידו המאגר, וההכרזה עדיין לא נמסרה.

הדפוס אינו ייחודי ל-Ant Group. מעבדות סיניות בפרט משחררות לעולם תוצרי מחקר ופריסות צרכניות, בעוד הן משאירות את ההודעה למפתחים למועד מאוחר יותר, או מדלגות עליה. עבור כל מי שעוקב אחר התחום זה לא נוח, מכיוון שהאות הרגיל — פוסט השקה, כרטיס תעריפים, אתר תיעוד — הוא בדיוק החלק שחסר. התוצר הוא כעת ההכרזה, וקריאה מדוקדקת בו היא הדרך היחידה לדעת מה שוחרר.

אם רצית להריץ את זה

הכרטיס פרקטי באופן יוצא דופן עבור גרסה כה חדשה. הטעינה סטנדרטית: AutoModel.from_pretrained על תיקיית ה-checkpoint המקומית עם קוד מרוחק מהימן, קשב SDPA, ו-bfloat16. זרימת דופלקס מלא מופעלת בקריאה בודדת שמעבירה את המודל למצב דופלקס, ולאחריה הלולאה המתועדת היא שנייה אחת של streaming_prefill ואחריה streaming_generate, וחוזר חלילה. זיכרון וידאו ארוך מופעל עם פרמטר memory-minutes המוגדר לארבעים ומתואר כלא דורש אימון, דבר ראוי לציון ליכולת שבדרך כלל דורשת כוונון עדין. שתי הסתייגויות מתועדות ולא מתגלות: תקרת פריימים שמקצרת בשקט וידאו ארוך אלא אם מעלים קבוע לפני ייבוא הכלים, ודרישת גופן CJK לכתוביות שאינן לטיניות המרונדרות לתוך וידאו דופלקס.

מה שהכרטיס לא נותן לך הוא רצפת חומרה. מודל 9B ב-BF16 הוא כ-18 גיגה-בייט של משקולות לפני כל זיכרון אקטיבציה, מה שמציב הסקה דופלקסית בזמן אמת על GPU רציני ומחוץ להישג ידה של פריסת המחשב הנייד שמשפחת MiniCPM-o — שממנה הוא נגזר — תוכננה בחלקה עבורה.

יש כאן תפר שראוי לתת לו שם, כי שם בדיוק משתלב ראוטר. Realtime-Venus מאציל את העבודה הקשה שלו — אחזור, הסקה מורכבת, קריאות API עסקיות — למודל ברקע. אותה רגל מואצלת היא הסקת טקסט רגילה, והיא הרגל שקובעת אם חזית השיחה שלכם שימושית או רק רהוטה. OrcaRouter לא נושא שום חלק מ-Realtime-Venus; שכבת הדופלקס כאן היא הורדה מתארחת עצמית ואנחנו לא מגישים אותה. ההסקה שהוא מוסר הלאה היא החלק שאנחנו כן מכסים: כמעט 200 מודלים מאחורי מפתח אחד במחיר המחירון של הספק Without תוספת, מעבר אוטומטי לגיבוי כשספק במעלה הזרם חווה אחר צהריים רע, DSL לניתוב שמרכיב כמה מודלים לקריאה אחת, ומיזוג מודלים למקרים שבהם שיקול הדעת של מודל אחד אינו מספיק. סמן ההאצלה הוא החלטה של החזית; איזה מודל יענה לו הוא בחירת תצורה, ושמירת הבחירה הזו מחוץ למשקולות היא מה שמאפשר לכם לשנות אותה בלי לאמן מחדש שום דבר.

מה יפתור את זה?

שלושה דברים היו מזיזים את Realtime-Venus ממאמר עם משקלים למודל שכל אחד יכול להעריך. קבוצה בלתי תלויה שמשחזרת את מספרי ההמשך של Full-Duplex-Bench, מכיוון ש־97% תחת בקאנלים הוא נתון יוצא דופן, ונתונים יוצאי דופן זקוקים לקורא שני. מספר השהיה מפורסם, מכיוון שמערכות דופלקס מלא חיות או מתות על זמן עד לאודיו הראשון, וזו לא הצהירה על יעד. ותיעוד להרנס, מכיוון שעיצוב ההאצלה האסינכרונית הוא החלק היחיד בגרסה הזו שבאמת חדש, וכרגע זה החלק שאפשר לקרוא עליו אבל לא לאמץ בקלות.

עד אז, התיאור המדויק הוא צר ולא מרגש, וזו בדיוק הסיבה שכדאי לרשום אותו: הפצה אמיתית תחת Apache-2.0 של שני צ'ק-פוינטים לדופלקס מלא בגודל 9B, שנבנו על עמוד שדרה פתוח, עם בנצ'מרקים חזקים בדיווח עצמי, בלי אימות בלתי תלוי, בלי API, ובלי הכרזה. כל מה שמעל לקו הזה הוא הסקה.