Thud 音频动作模型实测：200ms 本地响应

2026年10月15日，AGI Hunt 报道，开发者 Caine Ardayfio 与 Anh Phu Nguyen 展示并实测了号称首个「音频动作模型」的 Thud。该模型的特点是语音指令无需先转成文字即可直接执行，可用于语音操控智能眼镜。据实测，Thud 全程本地运行，响应时间仅 200ms，开发者号称比 Gemini Live 快 10 倍、便宜 20 倍。报道未披露模型的技术细节、演示覆盖的指令范围以及可复现的评测方法。目前该模型处于开发者展示与实测阶段，尚无产品化或商用信息。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。