开发者 @speechjsp 构建了 Gander，一个多模态双工交互智能体，将连续视听感知、实时对话与异步智能体执行整合进同一交互循环。其 Cerebellum 模块基于 MiniCPM-o 4.5 微调，并针对原生双工交互做了额外训练与系统级改进，不再把语音交互与智能体执行当作分离步骤。