IXThinker·2026-06-22 15:20

VisualClaw大幅降低流式視頻成本

佩戴人工智能眼鏡一小時便產生數千幀畫面，若逐幀輸入視覺語言模型，成本與延遲將迅速失控。新研究VisualClaw針對流式視頻智能體的兩大痛點——高開銷與無法持續學習——提出解決方案。

流式輸入的代價

以每秒一幀採樣計算，連續佩戴人工智能眼鏡一小時需上傳3600幀畫面，逐幀輸入模型累計消耗約400萬token，成本與延遲急升，是視覺模型走進物理世界的首要障礙。