京东开源 JoyAI-VL-Interaction 实时视频交互模型

京东开源 JoyAI-VL-Interaction 实时视频交互模型

京东开源了 8B 参数的 JoyAI-VL-Interaction 模型，专为实时视觉驱动交互设计。在 26 个视频理解基准上平均得分 57.53，超过 Qwen3-VL-8B-Instruct 3.37 分。模型每秒处理直播视频并决定是否发言或保持沉默，交互时序通过时间对齐数据和强化学习学习，无需外部检测器。开源内容包括训练配方、数据和部署系统。