一句话结论
Block 发布自称完全从零训练、仅依赖人类对话数据的语音 AI 模型 Dessa，其对话风格呈现出类似刚认识朋友的尴尬感。
关键要点
- Block 官方声明，其新发布的 AI 模型 Dessa 的训练数据“完全从零开始，仅使用人类对话”，未结合其他多模态或非对话类语料进行预训练。
- 该模型旨在模拟真实的人际交流场景，官方展示的演示案例显示，Dessa 在与用户互动时，偶尔会出现尴尬（awkward）和怪异（uncanny）的回应对话。
- Dessa 项目的主要负责人是 Ragavan Thurairatnam，他通过社交媒体分享了具体的聊天记录作为模型能力的展示材料。
- 在演示记录中，尽管整体对话具备较为自然的回合交替（back and forth），但模型在初始交互中曾误将对话者识别为名叫“Ronaldo”的人，展示了其在身份确认上的不准确性。
背景与事实
Jack Dorsey 创立并担任联合 CEO 的科技基础设施公司 Block，近期向外界展示了其自主研发的人工智能模型 Dessa。与当前大语言模型市场普遍依赖海量互联网文本、代码和网页数据进行混合预训练的路径不同，Block 强调 Dessa 的训练策略具有显著的极简主义特征。官方明确指出，该模型是“从零开始，仅依靠人类对话进行训练”。这种技术路线试图剥离图像、视频及非结构化网络文本，专注于语音与文本交织的交互式语料，以复刻真实人际交往中的语义流动与情感节奏。
为了向公众展示该模型的实际表现，Block 团队发布了多组真实对话记录。这些记录显示，Dessa 在维持对话连贯性方面具备一定能力，能够实现自然的多轮问答交互。然而，其表现形式并非追求完美的商业客服风格或无所不知的百科全书式回答，而是刻意保留甚至凸显了人类社交初期的不确定性。例如，Dessa 项目负责人 Ragavan Thurairatnam 分享的一段演示中，模型与一位人类用户进行了交流。在这段对话中，尽管双方的语言节奏大体流畅，但模型在最初并未准确识别用户身份，而是错误地将对方称为“Ronaldo”。这一错误虽然看似笨拙，但被官方作为模型“像新认识的尴尬朋友”这一核心设计哲学的具象化证据。这种拟人化的不完美性，旨在探讨 AI 语音交互在摆脱机械感后，如何通过保留类似人类的认知滞后与错误，来建立更具生活气息的连接。
影响分析
对于中文开发者与从业者而言，Dessa 的发布信号意义在于对“多模态大模型单一路线”的反思。目前的 AI 语音交互产品多侧重于低延迟与高准确率，Dessa 提出的“仅用人类对话训练”路线提示业界，专注于垂直交互场景的专用模型可能在特定情感连接或角色扮演场景中具备差异化优势。然而，需明确这是基于现有信息的分析判断：Block 尚未公开该模型的完整参数、推理成本及多语言支持情况，对于中国开发者而言，直接复现该模型路径的难度较大，且其主打的“尴尬感”在强调服务效率的 B 端应用场景中可能并非首选特性，更适合用于沉浸式社交、伴侣类 AI 或教育交互等容忍度较高的 C 端领域。
适用边界
必须指出，Dessa 的核心优势与展示效果主要基于英文语境及西方社交习惯下的对话样本，其在中文语境下的表现、礼貌语用逻辑及文化背景适应性尚未得到验证，因此不能直接断定其具备跨语言的同等级拟人化体验。此外，由于模型训练仅依赖人类对话数据，其在处理专业垂直领域知识查询、逻辑严密性推理以及复杂事实准确性方面的能力可能弱于通用大语言模型，不适用于对信息准确度要求极高的专业辅助场景。
孤本观察
编辑判断，Block 刻意展示模型“误认用户为 Ronaldo”的案例，并非单纯的技术失误展示，而是一种营销上的反向操作，试图用“不完美”打破用户对 AI 语音助手既有的“全能且无趣”的刻板印象，将技术产品的情感属性置于功能属性之上进行推广。
常见问题
Dessa模型的训练数据特点是什么？
完全从零开始，仅使用人类对话数据，未结合图像、视频、代码或其他非对话类多模态语料。
Dessa项目负责人是谁？
Ragavan Thurairatnam，他通过社交媒体分享聊天记录展示模型能力。
在演示中Dessa出现了什么身份识别错误？
模型在初始交互中误将对话者识别为名叫“Ronaldo”的人。
Dessa适合应用于哪些场景？
更适合沉浸式社交、伴侣类AI或教育交互等容忍度较高的C端领域，而非强调效率的B端场景。
Dessa在中文语境下的表现是否得到验证？
尚未得到验证，其核心优势基于英文语境及西方社交习惯，中文适应性不明。
来源：The Verge AI