Block ogłosił 23 października 2026 roku Dessa - pierwszy model mowy trenowany wyłącznie na naturalnych konwersacjach, który słucha i mówi jednocześnie w architekturze pełnodupleksowej. Model nie korzystał z tekstu ani modeli pretrenowanych, a całą wiedzę czerpie bezpośrednio z mowy ludzkiej. Dessa biegnie lokalnie na MacBook Pro M4 Max szybciej niż w czasie rzeczywistym i wymaga zaledwie 1 raka NVIDIA GB200 NVL72 z 72 procesorami graficznymi do treningu - znacznie mniej niż konkurencyjny model Moshi, który potrzebował 1016 GPU H100.
Model wykazuje naturalne zachowania konwersacyjne, które są niedostępne dla tradycyjnych systemów: uczy się kiedy przerwać mówców, kiedy dodać wtrącenia pokojowe jak "aha" czy "rozumiem", oraz wykazuje spontaniczne śmiechy w środku zdania. Klipów demonstracyjnych pokazują Dessa rozmawiającą z GPT-Live-1 OpenAI'a bez człowieczego sterowania scenariuszem. To stanowi radykalny odwrót od dominującego podejścia łańcuchowego, gdzie mowa trafia do rozpoznawania, następnie tekst przetwarzany przez model języka i wreszcie syntezowany powrotnie na mowę - proces, który traci emocje, sarkazmem i inne subtelności głosowe.
Chociaż Dessa to jak na razie tylko preview badawczy bez opublikowanych wyników benchmarkowych, wag modelu, artykułu naukowego czy publicznego API, projekt demonstruje potencjał całkowicie innego podejścia do agentów głosowych. Brak standardowych metryk porównawczych utrudnia ocenę, ale naturalność interakcji widoczna w demo sugeruje przełom w budowaniu zdolnych systemów konwersacyjnych.