刷抖音看到 Kimi Code 更新了视频解析, 让cc翻了下仓库.
如果这个能力跑通了, 感觉对动态场景的提升很明显啊.
比如软件测试, 录一段操作视频直接丢给模型, 它能理解完整的交互流程而不是猜几张截图之间发生了什么.
再比如视频蒸馏复刻和理解.
有没有在用 Kimi Code + Kimi套餐的大佬实测过视频理解的效果? 非常好奇实际体验怎么样.
626 (Firefox) 2
但是怎么感觉还是抽帧看图啊
只是抽得更细了
否则那个token感觉顶不住啊
Sophomores (Sophomores) 3
视频字节是完整给模型的, token消耗这个我也很好奇.
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。