ARCHITECTURE / FIELD LAB / 26. SEPTEMBER 2026

Tre spor.
Én kontrolflade.

Mini har en billig lokal samtalevej, en separat wow-mode til flydende demonstrationer og en baggrundshjerne, der kun må arbejde med tydeligt samtykke. Jev kan forberede et forslag, mens du taler — men ikke bestemme eller handle.

Start med cheap local Se testmatricen

Mac / simulator testetOpenCode Go route testetBetalt Realtime ikke testetFysisk robot ikke testet

01CHEAP LOCAL / BILLIG, VARM OG LOKAL

Den korte vej fra AirPods til svar.

Standardvejen åbner ingen cloudforbindelse for at lytte. Når AirPods er tilsluttet som macOS-standardinput, går lyd direkte gennem CoreAudio/AVAudioEngine, og en varm offline Whisper-worker tager dansk eller engelsk uden at starte en model midt i taleturen. Mangler AirPods, stopper preflight ærligt.

01
AirPods
Foretrukket macOS-input · fravær stopper preflight
Mac-testet
02
CoreAudio / AVAudioEngine
Direkte capture, ingen browser-hop
Mac-testet
03
VAD + endpoint
20 ms frames · 500 ms trailing silence
Mac-testet
04
Varm MLX Whisper
Offline large-v3-turbo · auto da/en
Mac-testet
05
Svarhjerne
Lokal Qwen2.5 7B eller eksplicit GPT-5.6 Luna
Eksplicit valg
06
Supertonic M1
Engelsk lokal tale
Mac-testet
07
Mac Studio Speakers
macOS-output verificeret før sessionen
Mac-testet

WARM START

Mikrofonen åbner sidst

Whisper og den valgte lokale model varmes op før capture, så kold modelstart ikke skjules i første tur.

FAIL-CLOSED

Forkert lydrute stopper

Runtime kræver, at systemet kan bevise AirPods-input og Mac Studio-output. Ellers skal operatøren vælge den synlige undtagelse.

20 / 500

Timing er kode

20 ms frames og 500 ms trailing silence er en reproducerbar VAD/endpoint-kontrakt — ikke en modelgætning.

NO RETENTION

Rå lyd slettes

En privat temp-WAV lever kun under turen og fjernes efter transskriptionen. Replay-tal må ikke læses som fysisk robot-evidens.

02WOW MODE / FLYDENDE DEMO

Når oplevelsen skal føles levende.

Wow mode er et separat browser-WebRTC-spor. Det er hurtigt, visuelt og egnet til en kort show-session — men det er ikke den lokale standardvej og er ikke erklæret betalt cloud-testet.

Cockpit / simulator-kontrakt testetgpt-realtime-2.1 paid session: ikke testet

Valgt input

AirPods foretrækkes efter label; browseren viser den faktiske enhed

WebRTC

Realtime-session med eksplicit session-state

gpt-realtime-2.1

semantic_vad · høj eagerness · barge-in

Captions

gpt-realtime-whisper · da/en-deltaer bundet til item_id

Marin

Altid engelsk Realtime-output

Valgt output

setSinkId til Mac Studio Speakers, når browseren understøtter det

LATENCY RECEIPT / 01

Endpoint → created

Hvornår serveren har accepteret den nye tur.

LATENCY RECEIPT / 02

Endpoint → audio

Første målte energi på WebRTC-output — caption-delta er kun fallback-proxy.

LATENCY RECEIPT / 03

Endpoint → done

Hele Realtime-responsen med terminal usage i fanens hukommelse.

Graceful close er en del af oplevelsen: Stop sender session.close, venter bounded på session.closed og lukker først derefter WebRTC og mikrofonen. En browser, der bare forsvinder, tæller ikke som en ren afslutning.

03BACKGROUND BRAIN / KONTROLLERET SKY

Langsomt arbejde må gerne vente.

Den talte samtale får et kort svar med det samme. Hvis noget skal undersøges videre, kan den sende en tekst-only opgave til én fast, read-only route. Browseren vælger ikke model, host eller workspace.

Fast routeFast route

DeepSeek V4.1 Flash

OpenCode Go · opencode-go/deepseek-v4.1-flash

Billig, tekst-only second opinion. Read-only profil med 2.500 tokenbudget.

route-id: deepseek_go
adgang: read-only / no tools

Opt-in routeOpt-in

GPT-5.6 Sol

OpenAI Responses · gpt-5.6-sol

Valgfri kvalitetsrute. Read-only profil med 8.000 tokenbudget og eksplicit API-gate.

route-id: openai_full
adgang: read-only / no tools

Serveren ejer grænsen: backend, model, profil, budget, host og workspace er allowlistede serverfelter. Resultater sanitiseres, og ingen af ruterne får shell, filer, robotværktøjer eller langvarig steering.

04JEV + MIKROREFLEKS / OBSERVE-ONLY

Et hurtigt forslag — ikke en chef.

Jev har to adskilte shadow-opgaver. Det kan foreslå direct, mesh eller clarify for baggrundsrouting, og det kan vælge én af ti lukkede mikroreaktioner fra live captions. Begge dele er evaldata; ingen af dem er en tilladelse til at tale, flytte sig eller starte et job.

TYPED MICRORESPONSEcandidate = greetingconfidence = 0,93 · margin = 0,31effective_action = observe_only

Mens du taler

Caption-deltaer samles per item_id. Jev må spekulativt vælge blandt ti betydninger; lokal kode vælger den konkrete engelske variant.

Ved endpoint

Mini venter aldrig på et nyt cloudkald. Et precomputed valg kan bruges, ellers falder planen lokalt og stille tilbage.

Hvis noget er gammelt

Turn-, revision- og generationshegn kasserer sene svar. Et nyt speech_started cancellerer den gamle tur.

0,2 sekunder er et outputmål, ikke et modeltal: Et friskt Jev-kald målte p50 270,6 ms og 0/200 under 200 ms. Den lokale browserbro brugte 24–26 ms i en syntetisk prøve, men live STT, første lydsample og fysisk gestusstart er stadig åbne gates.

Åbn det interaktive Jev-reaktionskort

05GRÆNSER / DETTE ER IKKE TESTET ENDNU

Software kan være klar, mens kroppen stadig mangler.

Mac Studio og MuJoCo kan bevise kontrakter, timing, routing og UI. De kan ikke bevise rumakustik, mikrofon-array, AEC, fysisk barge-in, kamera eller motorernes følelse.

TESTET

CoreAudio-helper, VAD-kontrakt, varm Whisper, lokal Qwen-smoke, Supertonic-output, route pinning, idempotency og simulatorlayout på Mac.

KONTRAKT

Wow-mode API/session-state, item_id-bundne captions, receipts, graceful close og Jev-mikrorefleks er dækket af lokale checks og cockpit-harness.

IKKE TESTET

Betalt gpt-realtime-2.1-session, en succesfuld Sol-backgroundtur uden tilgængelig API-nøgle og alle browseres output-routing.

HARDWARE AFVENTER

Fysisk Reachy Mini: mikrofoner, højttaler, AEC, DoA, kamera, motorer, batteri og rumlig barge-in.

Læs hele test- og limitationsmatricen