开源视觉决策模型 Valen:单步决策仅122–128毫秒
aigclink · x · 2026-09-28
开源项目 Valen(万澜)把 System One 决策思路从文本扩展到视觉世界,适合 GUI Agent 判断弹窗按钮、游戏 Agent 走位、机器人避障等高频快速判断场景。
- 模型看图/看状态后,对给定候选动作直接打分并输出概率,不生成回答 token
- 底层用 Qwen3.5-0.8B/2B 做视觉与文本表征,接共享决策头完成打分
- 官方数据:单步决策 122–128 ms,四局并行 1.24 秒内
- 定位为 Agent 的高频反射层,仓库含训练、推理与评测全流程
所属事件:开源视觉决策模型 Valen 上线 单步决策约 122 毫秒(2 条相关)→
「编程与Agent」频道最新
- 团队让 Agent 自动回复 Slack,网友直呼「和所有人的幽灵版聊天」 — iamrobotbear · 2026-11-16
- AI 求职面试复盘法:让 Claude 指出你哪段回答最没说服力 — brandon_galang · 2026-11-16
- 通用 API 目录 MCP 服务器实测:3 个工具换来永不膨胀的上下文 — MandeepKaur9407 · 2026-11-16
- UC Berkeley 论文揭示 LLM「过期绑定」:新值在上下文中仍答旧值 — ombre-ai · 2026-11-16
- Effective HTML 走红 GitHub:4.2k 星的 agent 技能集,线框图秒变可交互原型 — tom_doerr · 2026-11-16
- skills-gate:一个门面 skill 管住所有 agent skills,148 个技能仅耗 389 token — Distinct-Pie2389 · 2026-11-16