国产视频模型以94毫秒延迟和100%监控胜率超越Gemini
国产视频模型延迟低至94毫秒，监控准确率100%，超越Gemini，展现视频理解领域突破。
国产视频模型在延迟（94毫秒）和监控任务准确率（100%）上超过谷歌Gemini，表明国内模型在视频理解领域取得重大突破，有望推动视频分析应用发展。
正文摘录
 新智元报道  【新智元导读】 京东开源 JoyAI-VL-Interaction，把视频 AI 从「你问我答」的轮次对话，推进到「持续在场、主动开口、按时机说话」的流式交互新范式。 世界杯决赛最后一秒，球进了。 你身边那个号称能「看懂视频」的 AI，还在安静地等你开口问一句「刚才发生了什么？」。 这就是今天几乎所有视频 AI 的样子——不管包装得多酷炫，骨子里都是同一个逻辑： 你问，它答。 可真实世界里最需要 AI 出声的那些瞬间，从来不会等人提问——解说员不会等导播发话才开口喊「Goal」。 这些场景要的不是「问答」， 而是一双全程在线、自己拿主意什么时候该说话的眼睛。 现在，京东把这双「眼睛」开源了，它叫 JoyAI-VL-Interaction。  JoyAI-VL-Interaction 的重点不只是「看懂视频」，更是要让模型在连续的视频流里自己决定—— 何时回应、何时沉默、何时把复杂任务甩给后台。 一句话： 它学会了什么时候该闭嘴，更学会了什么时候必须开口。 这套系统刚开源就拿到了生态层面的背书——JoyAI-VL-Interaction 获得了 vLLM-Omni 的 day-0 支持，已原生合入 vLLM-Omni 主线。 开发者可以在 vLLM-Omni 上一键拉起服务体验，也可以直接从京东的仓库一键启动。