Dorseys Block trainiert Dessa nur mit Sprache auf einem Nvidia-Rack

Jack Dorseys Block trainierte sein neues Sprachmodell Dessa ausschließlich auf menschlicher Sprache, nicht auf Text oder vortrainierten Modellen.

Block gibt an, dass das fertige Modell lokal auf einem MacBook Pro M4 Max oder besser ausgeführt werden kann. Das Labor trainierte es auf einem einzigen Rack von Nvidia-Servern.

Laut Block ist Dessa die erste KI, von der sie weiß, dass sie ein lebensechtes Live-Gespräch führen kann, und wurde ausschließlich mit menschlicher Sprache trainiert. Das kleine Forschungslabor hinter Dessa berichtet direkt an Dorsey.

Full-Duplex-Modell spricht in ungesteuerten Demos mit OpenAI’s GPT-Live-1

Viele Sprachassistenten nehmen das, was Menschen sagen, wandeln es in Text um, verarbeiten es durch ein Sprachmodell und konvertieren den Text anschließend wieder in Sprache. Wie Block es ausdrückt, wirft die Pipeline Emotionen, Sarkasmus, Lachen und eine traurige, brüchige Stimme einfach weg.

Dessa ist ein Modell, das Sprache in Sprache umwandelt, ohne Zwischenschritt über Text. Wie zwei Menschen spricht und hört es gleichzeitig.

Es weiß, wann es einzufallen und wann es mit einem „Ja!“ oder „Verstanden!“ dazwischenzufunktionieren hat“, so Block. Es läuft schneller als in Echtzeit.

Block sagt, dass niemand das KI-Modell in den Aufnahmen lenkt. Es entscheidet selbst, was, wann und wie es etwas sagt.

In den Aufnahmen lacht Dessa mitten im Satz, staunt überrascht und wird lauter, wenn man bittet, lauter zu sprechen. In einer der Aufnahmen sprach Dessa mit OpenAI’s GPT-Live-1.

Block sagt, dass der Entwickler von GPT-Live-1 Dessa nicht geprüft oder empfohlen hat.

Wir haben das erste KI-Modell entwickelt, mit dem man ein realistisches Gespräch führen kann, das vollständig auf Sprache trainiert wurde!

Dessa ist ein Full-Duplex-Sprach-zu-Sprache-Modell, das Sie auf Consumer-GPUs ausführen können.

Dies ist ein GPT3-Moment für die Spracherkennung. pic.twitter.com/XVD8sSyJn8

— Ragavan Thurairatnam (@RagavanThurair) 23. Oktober 2026

Ein GB200 NVL72 hat der Modell-Sprache aus hunderten Male weniger Wörtern beigebracht

Dessa wurde auf einem einzelnen Nvidia GB200 NVL72, einem Rack-System, trainiert. Das Labor gibt an, dass das Modell Sprache aus „hunderten Mal weniger Wörtern“ erlernte als ein textbasiertes LLM benötigt.

Sprache machte die Aufgabe schwieriger, so Block. Ein gesprochenes Wort besteht aus tausenden Mal mehr Bytes als dasselbe Wort in gedruckter Form.

Das Labor wurde von ehemaligen Mitgliedern des Torontoer Deep-Learning-Startups Dessa gegründet. Das Team baut seit über acht Jahren generative Sprachmodelle.

Ragavan Thurairatnam heads the project, and he called the release “a GPT3 moment for speech” on X.

Dessa ist nicht öffentlich verfügbar. Block führt eine Warteliste und gewährt einer kleinen Gruppe von KI-Sicherheitsforschern frühen Zugang, um Risiken aufzudecken, die das Team nicht vorhergesehen hat.

Drei Dinge haben Block dazu bewogen, das Modell zu entwickeln. Zwei davon sind Neugier und ein besseres Verständnis zwischen Mensch und KI.

Der dritte Grund? Sicherheit.

Block stellt sich eine Person vor, die unter starken Schmerzen leidet, aber eine Sprach-KI bemerkt dies nicht und redet weiter.

Cryptopolitan berichtete, dass Block (NYSE: XYZ) im Februar 40 % seiner Belegschaft entlassen hat.

Im Juli sorgte Block Inc. für Buzz. Dabei handelt es sich um eine Chat-App für den Arbeitsplatz, in der Menschen und KI-Agenten gemeinsame Kanäle nutzen können.