Realtime-Venus: il modello full-duplex da 9B di Ant Group rilasciato senza un lancio

Il 12 settembre 2026 è comparso su arXiv un rapporto tecnico che descriveva Realtime-Venus, un sistema di interazione full-duplex costruito da due modelli da 9B addestrati separatamente — Realtime-Venus-Omni per l'interazione audio-visiva e Realtime-Venus-Audio per l'interazione parlata — attribuito al Venus Team di Ant Group in collaborazione con la Tsinghua University. Nel giro di pochi giorni un repository Apache-2.0 sotto inclusionAI/Realtime-Venus su Hugging Face conteneva entrambi i checkpoint come safetensors BF16 scaricabili, insieme a una pagina di progetto e a un repository GitHub di accompagnamento. Ciò che non è apparso è la parte che vale la pena notare: nessun post di lancio, nessuna pagina di prodotto, nessuna API, nessun listino prezzi e nulla sulle proprietà di Ant Group che annunciasse che qualcosa del genere esista. Questa è una release che ha distribuito tutto tranne l'annuncio, il che rende il separare i fatti accertati dalle affermazioni l'intero lavoro.

Che cosa c'è effettivamente sul disco

Il repository non è uno stub. Contiene due directory di modelli, ciascuna con pesi safetensors suddivisi in shard, una configurazione e il codice personalizzato di Hugging Face Transformers che la card ti indica di caricare con trust_remote_code=True. C'è un file requirements, una cartella assets che contiene le risorse token-to-waveform e una voce di riferimento, e una licenza Apache-2.0 nella directory di primo livello. La card documenta l'installazione per Python 3.10 con CUDA e FFmpeg, e sia un mirror ModelScope sia un percorso di download da Hugging Face. I pesi sono reali, il codice c'è, e nulla ti impedisce di scaricarlo oggi.

Due assenze sono informative quanto i contenuti. La prima è che il repository dichiara chiaramente di non essere distribuito da alcun fornitore di inferenza — non esiste un endpoint ospitato, nessuna opzione serverless, nessuna piattaforma di terze parti che lo ospiti. La seconda è che i download non vengono affatto tracciati, il che significa che non c'è alcun segnale pubblico di quante persone lo abbiano scaricato. Un modello può sembrare adottato o ignorato su Hugging Face; questo è illeggibile in quel modo.

I due checkpoint, e ciò che li separa

Entrambi sono 9B, entrambi condividono una backbone in streaming, e la differenza tra loro sta in ciò che riescono a percepire.

• Realtime-Venus-Omni — il checkpoint audiovisivo. Un encoder visivo SigLIP2 per frame in streaming, un encoder audio Whisper-Medium e un backbone linguistico Qwen3-8B. Accetta video o immagini, audio e testo; restituisce testo e, facoltativamente, una forma d'onda vocale.

• Realtime-Venus-Audio — lo stesso backbone con la visione disattivata al momento del caricamento. Audio e testo in ingresso, testo e parlato in uscita. Esiste per il caso in cui la telecamera è irrilevante e si desiderano un footprint di memoria più ridotto e un percorso più semplice.

• Specifica condivisa — contesto di 40.960 token su entrambi, pesi BF16 su entrambi, parlato generato come token S3 discreti decodificati da un decoder flow-matching in streaming anziché da un modello text-to-speech separato aggiunto alla fine.

• Discendenza — la scheda del modello afferma che il checkpoint Omni è adattato da MiniCPM-o 4.5, il modello omni-modale da 9B che OpenBMB ha reso open source all'inizio del 2026. Non è una nota a piè di pagina. Significa che il contributo di Ant Group è il post-addestramento, il runtime e il design di delega sovrapposti al backbone di streaming di qualcun altro, il che è un'affermazione diversa e più specifica rispetto a "un nuovo modello omni da 9B".

L'unica idea veramente nuova: la delega come evento di flusso di prima classe

Ogni sistema full-duplex nel 2026 deve risolvere la stessa contraddizione. Il controllo della conversazione opera con una granularità che va dai millisecondi a un secondo. Le chiamate agli strumenti, il recupero delle informazioni e il ragionamento complesso richiedono da secondi a decine di secondi. Un modello che si ferma a pensare smette di essere full-duplex; un modello che non si ferma mai non può usare uno strumento.

Realtime-Venus risponde con un runtime a doppio loop. Il loop di interazione viene eseguito in blocchi fissi di un secondo, ingerendo continuamente feature audio e video, aggiornando lo stato della conversazione e decidendo se ascoltare o parlare, mentre trasmette in streaming testo e parlato allineato. Non si mette in pausa quando è in corso un lavoro in background. Il secondo loop è uno scheduler che il paper chiama Realtime-Venus-Harness: quando il frontend decide che un compito supera ciò che può fare inline, emette una delega asincrona tramite marker privati incorporati nella propria sequenza nascosta, e l'harness esegue il compito in background e reintegra il risultato nel dialogo in corso.

Il dettaglio che rende questo qualcosa di più di un diagramma è quello che il paper chiama causal task capture — il compito delegato viene eseguito su un'istantanea isolata dello stato della conversazione, così che un'attività in background di lunga durata non possa essere compromessa dal progredire della conversazione mentre è in esecuzione. È la modalità di guasto che fa fallire nella pratica la maggior parte dei progetti "delega e continua a parlare", ed è la cosa più interessante del rapporto.

L'harness non è nei pesi. Vive nel repository GitHub come componente separato, il che significa che la parte che rende distintiva l'architettura è la parte che dovresti assemblare e di cui dovresti fidarti tu stesso.

I numeri, e esattamente di chi sono

Ogni cifra riportata di seguito proviene dal rapporto tecnico e dalla scheda del modello. Nessuna di esse è stata riprodotta da alcuno al di fuori degli autori, nessuna terza parte ha pubblicato una valutazione e non esiste alcuna voce in classifica con cui confrontarla. Leggile come misurazioni degli autori stessi.

• Benchmark video, Realtime-Venus-Omni — miglior punteggio in sei degli otto benchmark utilizzati nel rapporto, tra cui StreamingBench 70,2, OVO-Bench 64,7 e Daily-Omni 81,3.

• Benchmark audio, Realtime-Venus-Audio — MMAU 78,0, MMAU-Pro 63,2, Llama Questions 83,8, Speech CMMLU 67,8, e un punteggio VoiceBench AlpacaEval di 4,81 che il report descrive come pari al miglior dato di confronto.

• Full-Duplex-Bench v1.5 — risposta al 75% delle interruzioni dell'utente, con tassi di continuazione del 97% in presenza di backchannel, dell'88% con discorso rivolto ad altri e dell'86% con parlato di sottofondo. Il rapporto afferma che questo supera Gemini 3.1 Live e GPT-4o su tutte e tre le metriche di continuazione.

Il dato di Daily-Omni è quello su cui vale la pena soffermarsi. MiniCPM-o 4.5, il modello da cui è adattato questo checkpoint, riporta 80.2 sullo stesso benchmark. Realtime-Venus-Omni riporta 81.3. Se entrambi i numeri reggono, il miglioramento derivante da un grande sforzo di post-training e runtime è di circa un punto su un benchmark in cui il modello base era già forte — il che è un risultato realistico per questo tipo di lavoro e una storia molto meno drammatica del titolo "migliore su sei di otto".

Che cosa non è stabilito

L'elenco delle domande aperte è più lungo di quello delle domande risolte, e questo è lo stato onesto di un modello che ha sei giorni.

• Non esiste alcuna valutazione indipendente. Non un posizionamento in arena, non una riproduzione di terze parti, non un singolo gruppo esterno che abbia pubblicato un numero.

• Nessun dato di latenza in millisecondi. Il report descrive una cadenza di interazione di un secondo e la scheda documenta chiamate di streaming al secondo, ma non esiste un valore pubblicato di tempo al primo audio, che è la metrica sulla quale questa categoria viene effettivamente acquistata.

• Nessuna API e nessun prezzo, e nessuna dichiarazione che l'una o l'altra cosa stia per arrivare. Che si tratti di un prodotto in attesa o di un artefatto di ricerca che resterà un download è davvero sconosciuto.

• Nessuna intenzione dichiarata da parte del fornitore. L'assenza di un annuncio non è prova di una strategia di lancio silenzioso; è anche compatibile con un repository pubblicato per un articolo e nulla di più.

• Nessuna evidenza di produzione per l'harness. È il componente portante dell'architettura e quello meno documentato.

Perché continua a verificarsi il percorso silenzioso

È la seconda volta quest'anno che il lavoro sui modelli di Ant Group raggiunge il pubblico attraverso un repository anziché con un lancio. UI-Venus-2-9B, l'agente GUI del laboratorio, è apparso su Hugging Face alla fine di agosto 2026 senza paper, senza pagina di progetto e senza annuncio — e da allora è stato seguito da un report. Realtime-Venus è arrivato nell'ordine opposto: prima il report, il repository in parallelo, l'annuncio ancora non divulgato.

Il modello non è esclusivo di Ant Group. In particolare, i laboratori cinesi hanno rilasciato nel mondo artefatti di ricerca e distribuzioni consumer, rimandando a dopo l'annuncio rivolto agli sviluppatori, o saltandolo del tutto. Per chiunque segua il settore, questo è scomodo, perché il segnale abituale — un post di lancio, un listino prezzi, un sito di documentazione — è esattamente la parte che manca. Ora l'artefatto è l'annuncio, e leggerlo con attenzione è l'unico modo per sapere cosa è stato rilasciato.

Se volessi eseguirlo

La scheda è insolitamente pratica per un rilascio così recente. Il caricamento è standard: AutoModel.from_pretrained sulla directory locale del checkpoint con codice remoto considerato attendibile, attenzione SDPA e bfloat16. Lo streaming full-duplex si avvia con una singola chiamata che commuta il modello in modalità duplex, dopodiché il ciclo documentato è un secondo di streaming_prefill seguito da streaming_generate, ripetuto. La memoria per video lunghi è abilitata con un parametro memory-minutes impostato a quaranta ed è descritta come training-free, il che è notevole per una capacità che di solito richiede fine-tuning. Due avvertenze sono documentate anziché scoperte: un limite di frame che tronca silenziosamente i video lunghi a meno che non si aumenti una costante prima di importare le utility, e un requisito di font CJK per i sottotitoli non latini renderizzati nel video duplex.

Ciò che la card non ti offre è un limite hardware minimo. Un modello 9B in BF16 pesa all'incirca diciotto gigabyte di pesi, prima ancora di qualsiasi memoria per le attivazioni, il che relega l'inferenza duplex in tempo reale a una GPU seria e la pone fuori portata per il deployment su laptop per cui la famiglia MiniCPM-o, da cui deriva, era in parte stata progettata.

C'è una giuntura qui che vale la pena nominare, perché è il punto in cui un router si inserisce davvero. Realtime-Venus delega il suo lavoro pesante — retrieval, ragionamento complesso, chiamate alle API di business — a un modello in background. Quella gamba delegata è normale inferenza testuale, ed è la gamba che decide se il tuo front end conversazionale è utile o semplicemente fluente. OrcaRouter non contiene nulla di Realtime-Venus; il livello duplex qui è un download self-hosted e non lo serviamo noi. Il ragionamento che delega è la parte che invece copriamo: quasi 200 modelli dietro una sola chiave al prezzo di listino del provider, senza ricarico, failover automatico quando un upstream ha una giornata storta, un DSL di routing che compone diversi modelli in un'unica chiamata, e la fusione di modelli per i casi in cui il giudizio di un solo modello non basta. Il marcatore di delega è una decisione del frontend; quale modello risponde è una scelta di configurazione, e tenere quella scelta al di fuori dei pesi è ciò che ti permette di cambiarla senza riaddestrare nulla.

Cosa lo risolverebbe

Tre cose farebbero passare Realtime-Venus da un paper con i pesi a un modello che chiunque può valutare. Un gruppo indipendente che riproduca i numeri di continuazione di Full-Duplex-Bench, perché il 97% in presenza di backchannel è una cifra straordinaria e le cifre straordinarie hanno bisogno di un secondo lettore. Un numero di latenza pubblicato, perché i sistemi full-duplex vivono o muoiono sul tempo al primo audio e questo non ha dichiarato un obiettivo. E documentazione per l'harness, perché il design di delega asincrona è l'unica parte di questa release che sia davvero nuova, e al momento è la parte di cui puoi leggere ma che non puoi adottare facilmente.

Fino ad allora la descrizione accurata è ristretta e poco entusiasmante, ed è esattamente per questo che vale la pena metterla per iscritto: un vero rilascio Apache-2.0 di due checkpoint full-duplex da 9B, costruito su un backbone aperto, con solidi benchmark autodichiarati, nessuna verifica indipendente, nessuna API e nessun annuncio. Tutto ciò che sta sopra quella linea è inferenza.