快手在人工智能领域再推重磅成果，正式对外发布新一代旗舰级多模态模型Keye-VL-671B-A37B，并同步开源其核心代码。这款以“视觉理解与逻辑推理深度融合”为特色的模型，在通用视觉识别、视频内容分析、数学问题求解等关键技术评测中展现出显著优势，标志着我国多模态大模型研发进入新阶段。
技术团队介绍，该模型通过架构创新实现了三大突破：在视觉感知层面，基于升级版KeyeViT视觉编码器构建的视觉模块，可精准捕捉图像细节特征；跨模态对齐机制采用动态注意力分配策略，使文本与视觉信息的融合效率提升40%；推理链路设计引入层级化思维框架，支持从基础认知到复杂决策的逐步推导。这些改进使模型在真实场景中的响应准确率达到92.3%，较前代产品提升17个百分点。
模型训练体系呈现显著工程化特征。研发团队构建了包含3000亿token的预训练数据集，其中高质量图文对占比达65%，视频数据经过时空语义标注处理。训练流程采用三阶段渐进式优化：首阶段冻结核心参数完成模态对齐，第二阶段全参数联合训练构建基础能力，最终通过退火训练强化细粒度特征提取。后训练阶段引入多任务联合优化机制，覆盖视觉问答、图表解析、多语言OCR等20余个专业领域。
在基础架构方面，模型采用DeepSeek-V3-Terminus作为语言基座，通过多层感知机（MLP）实现与视觉模块的解耦连接。这种设计既保证了语言理解能力的继承性，又为视觉特征提取保留独立优化空间。实测数据显示，在处理包含复杂视觉元素的推理任务时，模型响应速度较传统融合架构提升2.3倍，内存占用降低35%。
快手AI实验室负责人透露，下一代研发将聚焦两大方向：一是强化工具调用能力，通过构建多模态代理（Agent）系统，使模型能自主调用搜索引擎、计算器等外部工具；二是深化“视觉思维”研究，开发支持图像/视频内容深度解析的推理框架。目前团队已启动相关技术预研，预计年内推出具备初级工具使用能力的实验版本。
行业分析师指出，该模型的开源策略将加速多模态技术生态建设。其提供的模块化设计允许开发者根据需求定制功能组件，特别在医疗影像分析、工业质检等垂直领域具有广泛应用前景。随着模型能力的持续进化，多模态AI系统正从单一感知向认知决策层面突破，这或将重新定义人机交互的技术边界。
