快手在人工智能領(lǐng)域再推重磅成果，正式對(duì)外發(fā)布新一代旗艦級(jí)多模態(tài)模型Keye-VL-671B-A37B，并同步開(kāi)源其核心代碼。這款以“視覺(jué)理解與邏輯推理深度融合”為特色的模型，在通用視覺(jué)識(shí)別、視頻內(nèi)容分析、數(shù)學(xué)問(wèn)題求解等關(guān)鍵技術(shù)評(píng)測(cè)中展現(xiàn)出顯著優(yōu)勢(shì)，標(biāo)志著我國(guó)多模態(tài)大模型研發(fā)進(jìn)入新階段。

技術(shù)團(tuán)隊(duì)介紹，該模型通過(guò)架構(gòu)創(chuàng)新實(shí)現(xiàn)了三大突破：在視覺(jué)感知層面，基于升級(jí)版KeyeViT視覺(jué)編碼器構(gòu)建的視覺(jué)模塊，可精準(zhǔn)捕捉圖像細(xì)節(jié)特征；跨模態(tài)對(duì)齊機(jī)制采用動(dòng)態(tài)注意力分配策略，使文本與視覺(jué)信息的融合效率提升40%；推理鏈路設(shè)計(jì)引入層級(jí)化思維框架，支持從基礎(chǔ)認(rèn)知到復(fù)雜決策的逐步推導(dǎo)。這些改進(jìn)使模型在真實(shí)場(chǎng)景中的響應(yīng)準(zhǔn)確率達(dá)到92.3%，較前代產(chǎn)品提升17個(gè)百分點(diǎn)。

模型訓(xùn)練體系呈現(xiàn)顯著工程化特征。研發(fā)團(tuán)隊(duì)構(gòu)建了包含3000億token的預(yù)訓(xùn)練數(shù)據(jù)集，其中高質(zhì)量圖文對(duì)占比達(dá)65%，視頻數(shù)據(jù)經(jīng)過(guò)時(shí)空語(yǔ)義標(biāo)注處理。訓(xùn)練流程采用三階段漸進(jìn)式優(yōu)化：首階段凍結(jié)核心參數(shù)完成模態(tài)對(duì)齊，第二階段全參數(shù)聯(lián)合訓(xùn)練構(gòu)建基礎(chǔ)能力，最終通過(guò)退火訓(xùn)練強(qiáng)化細(xì)粒度特征提取。后訓(xùn)練階段引入多任務(wù)聯(lián)合優(yōu)化機(jī)制，覆蓋視覺(jué)問(wèn)答、圖表解析、多語(yǔ)言O(shè)CR等20余個(gè)專業(yè)領(lǐng)域。

在基礎(chǔ)架構(gòu)方面，模型采用DeepSeek-V3-Terminus作為語(yǔ)言基座，通過(guò)多層感知機(jī)（MLP）實(shí)現(xiàn)與視覺(jué)模塊的解耦連接。這種設(shè)計(jì)既保證了語(yǔ)言理解能力的繼承性，又為視覺(jué)特征提取保留獨(dú)立優(yōu)化空間。實(shí)測(cè)數(shù)據(jù)顯示，在處理包含復(fù)雜視覺(jué)元素的推理任務(wù)時(shí)，模型響應(yīng)速度較傳統(tǒng)融合架構(gòu)提升2.3倍，內(nèi)存占用降低35%。

快手AI實(shí)驗(yàn)室負(fù)責(zé)人透露，下一代研發(fā)將聚焦兩大方向：一是強(qiáng)化工具調(diào)用能力，通過(guò)構(gòu)建多模態(tài)代理（Agent）系統(tǒng)，使模型能自主調(diào)用搜索引擎、計(jì)算器等外部工具；二是深化“視覺(jué)思維”研究，開(kāi)發(fā)支持圖像/視頻內(nèi)容深度解析的推理框架。目前團(tuán)隊(duì)已啟動(dòng)相關(guān)技術(shù)預(yù)研，預(yù)計(jì)年內(nèi)推出具備初級(jí)工具使用能力的實(shí)驗(yàn)版本。

行業(yè)分析師指出，該模型的開(kāi)源策略將加速多模態(tài)技術(shù)生態(tài)建設(shè)。其提供的模塊化設(shè)計(jì)允許開(kāi)發(fā)者根據(jù)需求定制功能組件，特別在醫(yī)療影像分析、工業(yè)質(zhì)檢等垂直領(lǐng)域具有廣泛應(yīng)用前景。隨著模型能力的持續(xù)進(jìn)化，多模態(tài)AI系統(tǒng)正從單一感知向認(rèn)知決策層面突破，這或?qū)⒅匦露x人機(jī)交互的技術(shù)邊界。