Mk1.5 实时多模态推理模型发布，延迟降低 2-5 倍

面向物理世界实时场景的多模态推理模型 Mk1.5 发布，官方称性能持平或超越上代 Mk1 的同时延迟改善 2-5 倍，解锁更多实时应用。新版本新增视频定位（video localization）能力，并将理解范围扩展到纯音频与视听。团队还阐述了两条核心原则：以更强推理换取小模型能力（「多想一会儿」），以及将世界知识外置，通过工具调用与子智能体并行研究实现。

2026-09-25 ~ 2026-09-25 · 4 条相关