快手开源多模态大模型Keye-VL，视频理解与逻辑推理能力达行业领先水平
快手推出自主研发的多模态大语言模型Kwai Keye-VL，具备卓越的视频理解与逻辑推理能力。该模型不仅能迅速解析图像内容（如准确识别20颗草莓），还可基于11秒视频生成完整商品推销方案，并在2025高考数学卷中获得140分高分。基于Qwen3-8B架构，Keye-VL整合SigLIP视觉编码器，使用6000亿条多模态数据进行训练，通过四阶段预训练与两阶段后训练策略，显著提升多任务推理能力。其在VideoMME等公开评测中得分达67.4，超越主流模型。目前模型已开源，适用于短视频理解、广告分析等多个实际应用场景。来源：https://mp.weixin.qq.com/s/hFO2TQNcn3IK3E1F1QQObw
页:
[1]