扎克伯格：Meta要卖算力，抢AWS饭碗
京东把视频交互模型推到实时现场摘要京东这次开源 JoyAI-VL-Interaction，重点落在“持续盯着现场、自己判断、自己出声”。官方把延迟、主动触发、后台任务委派和整套开源链路一起摆了出来，说明视频交互模型正在从演示能力往实时入口走。开头实时视频交互的门槛，在持续值班。总结一段录像并不难，真正难的是模型要一直盯着画面，知道什么时候该说，什么时候该闭嘴，还得把延迟压在一个很短的闭环里。JoyAI-VL-Interaction 这次有价值，正因为京东把问题压在了这条时间轴上。正文系统门槛先落在延迟和记忆能力 官方公开信息 系统意义实时在场 需要时可在 1 秒内响应 适合监控、提醒、解说这类连续任务视觉触发主动性 看到变化再开口，没有变化就安静 减少轮轮点名式交互后台任务委派 可把复杂子任务交给后台模型、API 或 Agent 前台盯现场，后台处理重活全栈开源 模型、数据、训练 recipe、部署系统全部开放 方便复现和二次改造这套公开信息指向的，是持续在线系统要先补哪些课。视频问答做成展示并不难，实时交互一旦进入真实场景，延迟、触发阈值、连续记忆和任务分流都会立刻暴露出来。小结：JoyAI 的公开重点很集中，核心是把视频交互做成一层持续在线的系统能力。这条路线为什么适合京东京东的场景天然偏实时。直播、零售、仓内操作、物流监控、边看边说的辅助指引，都需要模型持续在线。系统一旦能做到“看到异常再说话”，价值就会比单次问答高得多。再往下一层看，开源整条链路也很关键。只发一个 8B 模型，行业讨论很快会停在参数和跑分；把训练 recipe 和部署系统一起交出来，开发者才会认真评估“能不能把它接进自己的流媒体或摄像头场景”。
发布于 天津
分享
评论
赞
未登录
友善发言
评论
加载中
