WeituAI 流式视频大脑:OVBench 得 69.9 分超 Gemini 基线 11 分

机器之心 · wechat · 2026-11-16

香港多模态公司 WeituAI 发布流式多模态视频大脑,目标是让摄像头、AI 眼镜等设备持续理解环境,并把看过的信息转化为可回忆、可推理的记忆。公司称已服务全球数十家企业及约 600 万个人用户。

技术核心是 DualSparseMemory 双层稀疏记忆架构:先在时间维度筛选相关历史片段,再在空间域提取关键视觉细节,控制注意力计算与缓存开销;配合 Long-term Memory Module 将较早的时空信息压缩为紧凑表征并持续更新,支持「钥匙放哪了」这类跨时间推理,甚至对未完成动作做状态预测。

评测方面,在覆盖过去记忆/当前感知/未来预测 16 项子任务的 OVBench 上综合得分 69.9,比其所述基线 Gemini 3.1 Pro(58.8)高 11.1 分;在第一人称视角的 Meta S-EMBER 基准上得 58.23,高于对齐基线的 54.41。应用场景覆盖 AI 眼镜、工业检修辅助与视频创作,团队还希望将其作为通用大模型的持续感知入口。

原文链接 →

「具身」频道最新

更多「具身」频道 AI 资讯 →