营业结束
回家剪播客

玩ai上瘾..
有些照片真是像到连本人都恍惚的程度

快手在视频上的布局越来越全面了啊，这几天开源了 Kwai Keye-VL-1.5-8B 模型

除了支持图像识别以外，视频理解能力也很强，加上 8B 的大小非常适合本地部署用来做视频标注和内容识别。#ai创造营#

我试了一下，给了一个是描述视频画面内容以及查找分镜时间和每个分镜的内容描述都做的不错。

模型主要优势有：

短视频理解：在Video-MME的短视频子集测试中，Keye-VL-1.5-8B获得81.2的高分，超过了GPT-4o及同类模型。

视频定位能力：能够在一个26秒的短视频中，将目标物（如包）出现的时间段精确定位到0.1秒级别

视觉推理能力：能够理解视频中相对复杂的行为动机比如论文案例里面可以从两只狗的行为推测动机。

模型核心创新主要有下面几个方面：

针对视频内容动态且信息密集的特点，Keye-VL-1.5 提出了一种新颖的“Slow-Fast”视频编码策略，以有效平衡空间分辨率和时间覆盖率。

慢速通路以高分辨率处理视觉变化显著的关键帧，而快速通路则以较低分辨率但更高的时间覆盖率处理相对静态的帧。

另外模型采用了精心设计的四阶段渐进式预训练流程，系统性地将模型的上下文长度从8K扩展到128K，可以理解更加复杂的视觉信息。

在后训练阶段为解决冷启动问题，模型设计了一个五步自动化流水线来生成高质量的长链思考数据，包括数据收集、问题重写、多路径推理生成、双层质量评估和人工指导改进。

引入了“渐进式提示采样”机制来处理困难样本，即当模型多次回答错误时，在提示中给予不同层级的提示，以提高训练效率和模型推理能力

项目地址：github.com/Kwai-Keye/Keye
这里尝试：huggingface.co/spaces/Kwai-Keye/Keye-VL-1_5-8B
论文：arxiv.org/pdf/2509.01563

发现 MuleRun 最近又更新了两个重要的 Agent，都跟金融相关。#ai创造营#

而且他们选择了跟金融行业的最了解行情的机构和个人进行共创，这种方式非常好比那些闭门造车产品自己捣鼓的强多了。

首先是跟 FundaAI 一起合作推出的美股投研 Agent，FundaAI 是非常专业的美股投研机构以前主要服务机构和私募。

这个 Agent 可以提供相当专业的分析师视角结构化洞察，可以帮助拆解股票涨跌逻辑，聚合跟市场有关的信息，帮你理解市场。

我试了一下让他帮我分析一下最近苹果产品发布会之前的信息以及对应的股票情况，他会先用图表展示股票最近的走势，然后给出分析，每部分分析都相当简明扼要，比如股价的关键是 Air 是否可以享受国补，风险主要是关税和监管以及 AI，没有其他 AI 那种又臭又长，一眼就能看懂。

然后还有一个关于区块链的 Crypto Alpha Hunt 他可以帮你快速识别早期即将起飞的币种，这个是跟比特币资深玩家一起构建的，完美复刻他的选币逻辑。

如果现在有即将暴涨的币种的话他就会展示，如果没有他就会帮你分析现在的整个市场行情，还会展示影响价格的关键更新，后面他们还会加通知和推送系统，那这玩意就有点猛了。

我试了一下，他觉得现在市场上没有暴涨币种，就给了我一份市场分析整体看起来非常专业，但我是小白其实不太懂，区块链大佬可以看看。

另外现在关注他们官推@mulerun_ai加入 Discord依然可以获取激活码。