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。
「具身」频道最新
- 为「怪」正名:开发者称 Rabbit R1 是最好的怪设备 — SimonBalmain · 2026-11-16
- 机器人里慢模型是灾难:研究者深谈大 VLA 的低延迟困境 — kvablack · 2026-11-16
- 米哈游发布 Gamer 模型:VLA 基座驱动长时程实时游戏智能体 — Run Luo · 2026-11-16
- Grid Robotics 提出代理机器人学范式:基础模型加具身 Harness 构成 System 2 — Grid Robotics · 2026-11-16
- 深圳承办 APEC 2026:机器人、无人机、Robotaxi 展示「上午设计下午出样」速度 — CyberRobooo · 2026-11-16
- 朱松纯发起通芯智能融资数亿元,为 AGI 设计新型推理芯片 — 量子位 · 2026-11-16