可灵发布 VideoNexus:感知子代理分离长视频理解,精度更高成本更低
Kling-Keye · hf · 2026-11-18
可灵 AI(KlingAI Research)联合港中文、港科大发布 VideoNexus,一个免训练的长视频理解框架。
- 核心思路:把详细视频感知与基于证据的规划推理分离。规划器决定检查哪里、解决什么细节、采样多密;感知子代理独立处理原生音视频,只向规划器返回紧凑的、时间对齐的证据,避免帧级描述撑爆推理上下文。
- 效果:在长视频基准上以更低成本取得更高精度,解决了以往视频代理把帧塞回规划器导致视觉信息在推理上下文中累积的负担问题。
「多模态」频道最新
- 前配音演员推出可逐句调控情绪语速的 AI 语音产品 Voyager 1 — Scobleizer · 2026-11-18
- 用 MiniMax H3 重现《爆裂鼓手》排练室紧张氛围 — hucun16 · 2026-11-18
- 用 Claude 加 Unreal Engine 5.9 MCP,一天做出游戏续作原型 — TomLikesRobots · 2026-11-18
- Suno 推出 Visuals 功能,AI 音乐自动配 AI 生成的画面与视频 — The Decoder · 2026-11-18
- Osmo 宣称 AI 嗅觉达到人类水平:1000 万条气味标注训出首个嗅觉基础模型 — MIT Tech Review AI · 2026-11-18
- AURA 2.0 发布:流式视频模型学会主动开口说话并调用工具 — Shuhan Li · 2026-11-18