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

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

- 来源：AI HOT 精选
- 发布时间：2026-06-23T06:04:50.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/40040
- 原文：https://mp.weixin.qq.com/s/IY6XGp4k6VgD9ZPH6YprCA

## 摘要

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。

## 锐评

京东给的诚意比分数值钱，权重、数据、训练方案、部署代码全放出来，国内大厂里这么干的不多，别人能拿去复现。

盲测那组数我只当参考，58 个人，对手是豆包视频通话助手和 Gemini，监控预警 100% 胜率这种数字太干净，多半是场景选得巧。主动判断什么时候开口这个方向对，真做起来比一问一答难得多。
