IXThinker·2026-05-28 14:30

快手發布多模態模型Keye 2.0

把一段九分鐘、在晴空與冰雪間劇烈切換的旅行影片交給大模型做攻略，多數視覺模型只能拼湊出流水賬。快手自研的Keye-VL-2.0-30B-A3B展現不同能力：既看見畫面，也讀懂畫面背後的因果鏈條。

長影片理解的門檻

長影片理解不僅需要識別每一幀出現了什麼，更要在連續時序中捕捉因果關係。傳統視覺大模型多依賴幀級識別與字幕拼湊，容易丟失場景切換背後的邏輯，難以支撐攻略生成等複雜任務。