跳到正文
AI HOT 精选

京东开源 JoyAI-VL-Interaction:一个会主动看视频、主动说话的模型

京东全栈开源JoyAI-VL-Interaction,从"一问一答"走向"边看边说"

京东放出了一个全栈开源的交互模型,能盯着视频流看,自己判断什么时候该开口说话。它不像传统模型那样一问一答,而是边看边说,碰到复杂任务还能甩给后台的 agent 去处理。在 58 个人的盲测里,对比豆包视频通话助手赢了 77.6%,对比 Gemini 赢了 87.9%,监控预警场景直接 100% 胜率。

推荐理由:京东全栈开源 JoyAI-VL-Interaction,模型可自主判断视频流中何时开口,并在 58 人盲测中对比豆包与 Gemini 分别取得 77.6% 和 87.9% 的胜率。

读原文 ↗导出 Markdown