MOSS-VL-Realtime 开源
victormustar · x · 2026-07-14
MosiAI 开源了 MOSS-VL-Realtime，这是一个面向连续视频流实时视觉理解的 11B 视觉语言模型，采用 Apache-2.0 许可。
它支持在视频过程中随时提问，并且会“边看边答”：当画面变化时可修正或中断回答；在证据不足时也可以保持沉默。项目还提供 Base、Instruct 和 Realtime 三个版本，支持中英双语多模态理解，窗口长度达 256K token。
所属事件:MOSS-VL-Realtime开源实时视觉模型(2 条相关)→
「多模态」频道最新
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11
- 零编程经验者用 ChatGPT 开发 ComfyUI 安卓客户端将上架 — ComfierUI · 2026-09-11
- RunningHub 开源 H3Lightning：MiniMax H3 视频生成提速约 12 倍 — 智东西 · 2026-09-11
- FastH3-Live 升至 22fps：加速节点实测与 ComfyUI 显存避坑 — spartong945 · 2026-09-11
- Midjourney 风格参考分享:--sref 2912175708 — tisch_eins · 2026-09-11
- Astra 分镜+Minimax H3 分镜逐帧生成，视频创作成功率大增 — Hailuo_AI · 2026-09-11