Kwai Keye-VL Kwai Keye-VL Kwai Keye-VL

Kwai Keye-VL

Kwai Keye-VL是由快手Kwai Keye团队推出的一个先进的8B多模态大语言模型，其核心优势在于卓越的视频理解、视觉感知和复杂推理能力。该模型以Qwen3-8B为基础，并集成了SigLIP初始化的视觉编码器，支持原生动态分辨率和3D RoPE技术，从而能统一处理文本、图像和视频信息，并精准感知视频中的时序变化。其训练策略尤为先进，采用了一个四阶段的渐进式预训练流程，侧重于大规模高质量多模态数据的对齐与多任务学习，并通过退火训练和模型融合优化；在后训练阶段，Kwai Keye-VL更是创新性地引入了混合模式思维链（CoT）和多思考模式强化学习（RL），显著提升了模型在复杂多模态感知、推理以及“图文思考”（Think-with-Image，包含与外部沙盒代码执行交互）任务上的表现。实测结果表明，Kwai Keye-VL在视频理解和需要复杂逻辑与数学解题能力的评估基准上，均展现出超越同等规模顶尖模型的领先性能。