Gander：模型、代码、数据一并开放的全双工全能 agent

Omni Interaction Agent 技术报告发布 Gander：一个统一全模态感知、实时交互与 agent 能力的端到端模型——持续接收视频、语音、文本的流式输入，在日常对话与工作流 agent 场景中实现全双工交互，支持用户随时打断、模型主动给中间反馈与追问。两个关键设计：Cerebellum-Brain 协作框架（Cerebellum 负责实时交互与全模态对话，Brain 负责复杂推理与高层 agent 任务，两者经工具调用与 agent 编排运行时持续交互）与流式 Thinker-Talker 的 Cerebellum（把用户输入与模型输出展平为一个按 chunk 排序的统一 token 流，支撑低延迟连续交互）。内部人工评测：保持 SOTA 开源口语对话的自然与表现力，omni 交互具竞争力，在背景噪声、多方对话、backchannel 场景下稳健。模型、代码、数据一并发布。

全双工语音 agent 本周刚以商业 API 形态上线（GPT-Live 1 GA）；Gander 是开放权重一侧的对应物，还附带编排运行时——首个把实时全模态交互与 agent 工具使用打包在一起的开源发布，其快/慢双层 + 统一 token 流的参考架构，适合所有想做自己能审查的语音 agent 的团队。

ArXiv	2609.08977（9 月 10 日周四 digest，2026-09-11T00:00Z 宣告）
架构	Cerebellum-Brain 分工（实时全模态对话 vs 复杂推理 + agent 任务；经工具调用与编排运行时交互）；流式 Thinker-Talker Cerebellum；chunk 级有序统一 token 流
能力	全双工、用户打断、主动中间反馈、追问；视频+语音+文本流式输入
评测	内部人工评测：SOTA 开源口语对话自然度；omni 交互具竞争力；噪声 / 多方 / backchannel 稳健
发布	模型 + 代码 + 数据一并发布