Jack Dorseys Unternehmen Block hat sein neues Sprachmodell Dessa ausschließlich mit menschlicher Sprache trainiert – nicht mit Texten oder vortrainierten Modellen.
Laut Block kann das fertige Modell lokal auf einem MacBook Pro M4 Max oder einem leistungsfähigeren Gerät ausgeführt werden. Das Forschungsteam hat es auf einem einzelnen Rack mit Nvidia-Servern trainiert.
Block zufolge ist Dessa die erste KI, von der das Unternehmen weiß, die ein lebensechtes Live-Gespräch führen kann und ausschließlich mit menschlicher Sprache trainiert wurde. Das kleine Forschungslabor dahinter berichtet direkt an Dorsey.
Vollduplexmodell führt in ungesteuerten Demos Gespräche mit OpenAIs GPT-Live-1
Viele Sprachassistenten wandeln das Gesagte in Text um, lassen ein Sprachmodell den Text verarbeiten und wandeln ihn anschließend wieder in Sprache um. Wie Block es ausdrückt, gehen bei dieser Verarbeitungskette Emotionen, Sarkasmus, Lachen und eine vor Trauer brechende Stimme verloren.
Dessa ist ein Modell, das Sprache direkt in Sprache umwandelt – ohne den Umweg über Text. Wie zwei Menschen spricht und hört es gleichzeitig zu.
Es weiß, wann es sich einschalten und wann es mit einem „Ja!“ oder „Verstanden!“ einhaken soll, sagte Block. Es arbeitet schneller als in Echtzeit.
Block zufolge gibt niemand dem KI-Modell in den Aufnahmen vor, was es tun soll. Es entscheidet selbst, was es sagt und wann und wie es das sagt.
In den Aufnahmen lacht Dessa mitten im Satz, schnappt überrascht nach Luft und wird lauter, wenn man sie bittet, lauter zu sprechen. In einer der Aufnahmen sprach Dessa mit OpenAIs GPT-Live-1.
Block zufolge hat der Entwickler von GPT-Live-1 Dessa weder geprüft noch unterstützt.
Wir haben das erste KI-Modell entwickelt, mit dem man sich realistisch unterhalten kann und das vollständig mit Sprache trainiert wurde!
Dessa ist ein Vollduplex-Sprach-zu-Sprach-Modell, das sich auf handelsüblichen GPUs ausführen lässt.
Das ist ein GPT-3-Moment für Sprache. pic.twitter.com/XVD8sSyJn8
— Ragavan Thurairatnam (@RagavanThurair) 23. Oktober 2026
Ein GB200 NVL72 brachte dem Modell Sprache mit hunderte Male weniger Wörtern bei
Dessa wurde auf einem einzelnen Nvidia GB200 NVL72 trainiert, einem System im Rack-Format. Dem Labor zufolge lernte das Modell Sprache mit „hundertfach weniger Wörtern“, als ein textbasiertes LLM benötigt.
Sprache machte die Aufgabe schwieriger, sagte Block. Ein gesprochenes Wort umfasst tausendmal mehr Bytes als dasselbe Wort in gedruckter Form.
Das Labor wurde von ehemaligen Mitgliedern des Deep-Learning-Start-ups Dessa aus Toronto gegründet. Das Team entwickelt seit über acht Jahren generative Sprachmodelle.
Ragavan Thurairatnam leitet das Projekt. Auf X bezeichnete er die Veröffentlichung als „einen GPT-3-Moment für Sprache“.
Dessa ist nicht öffentlich verfügbar. Block führt eine Warteliste und gewährt einer kleinen Gruppe von KI-Sicherheitsforschern frühzeitigen Zugang, damit sie Risiken aufdecken können, die das Team noch nicht vorhergesehen hat.
Drei Gründe bewogen Block, das Modell zu entwickeln. Zwei davon sind Neugier und ein besseres Verständnis zwischen Menschen und KI.
Der dritte Grund? Sicherheit.
Block stellt sich eine Person vor, die starke Schmerzen hat, während eine Sprach-KI es nicht bemerkt und einfach weiterredet.
Cryptopolitan berichtete, dass Block (NYSE: XYZ) im Februar 40 % seiner Belegschaft entlassen hat.
Block Inc. brachte im Juli Buzz heraus. Das ist eine Chat-App für den Arbeitsplatz, in der Menschen und KI-Agenten Kanäle gemeinsam nutzen können.
Die klügsten Köpfe der Kryptobranche lesen bereits unseren Newsletter. Willst du dazugehören? Mach mit.