视频理解新标杆，快手多模态推理模型开源：128k上下文+0.1秒级视频定位+跨模态推理
视频理解新标杆，快手多模态推理模型开源：128k上下文+0.1秒级视频定位+跨模态推理能看懂视频并进行跨模态推理的大模型Keye-VL 1.5，快手开源了。
来自主题: AI技术研报
6186 点击 2025-09-06 12:44
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
能看懂视频并进行跨模态推理的大模型Keye-VL 1.5，快手开源了。
过去几年，人们总担心被AI抢走工作。可现在，OpenAI却宣布要做「AI就业办」：上线就业平台，推出AI技能认证，目标在2030年前让1000万人持证上岗。沃尔玛率先参与，白宫亲自背书。这一次，LinkedIn遇上了最强挑战者。
在端侧 AI 这个热门赛道，华为盘古大模型扔下了一颗 “重磅炸弹” 。
想象一个虚拟人，他不仅能精准地对上你的口型，还能在你讲到关键点时做出恍然大悟的表情，在你讲述悲伤故事时流露出同情的神态，甚至能根据你的话语逻辑做出有意义的手势。
全球第一家被收购的AI浏览器公司诞生了！ 刚刚，拥有Arc和Dia两款AI浏览器的The Browser Company，被企业协作软件公司Atlassian以6.1亿美元（约为43亿人民币）重金收购。
近年来，生成式 AI 和多模态大模型在各领域取得了令人瞩目的进展。然而，在现实世界应用中，动态环境下的数据分布和任务需求不断变化，大模型如何在此背景下实现持续学习成为了重要挑战
VMem用基于3D几何的记忆索引替代「只看最近几帧」的短窗上下文：检索到的参考视角刚好看过你现在要渲染的表面区域；让模型在小上下文里也能保持长时一致性；实测4.2s/帧，比常规21帧上下文的管线快~12倍。
来自斯坦福的研究者们最近发布的一篇论文（https://arxiv.org/abs/2509.01684）直指RL强化学习在机器学习工程（Machine Learning Engineering）领域的两个关键问题，并克服了它们，最终仅通过Qwen2.5-3B便在MLE任务上超越了仅依赖提示（prompting）的、规模更大的静态语言模型Claude3.5。
苹果研究人员发现，在大模型中，极少量的参数，即便只有0.01%，仍可能包含数十万权重，他们将这一发现称为「超级权重」。超级权重点透了大模型「命门」，使大模型走出「炼丹玄学」。
阿里迄今为止，参数最大的模型诞生了！昨夜，Qwen3-Max-Preview（Instruct）官宣上线，超1万亿参数性能爆表。在全球主流权威基准测试中，Qwen3-Max-Preview狂揽非推理模型「C」位，直接碾压Claude-Opus 4（Non-Thinking）、Kimi-K2、DeepSeek-V3.1。