긴 동영상을 더 싸게 이해하는 공개 비전 언어 모델
Keye-VL-2.0-30B-A3B는 Keye 계열의 300억급 공개 기본 모델이다. 긴 동영상을 이해하고, 영상 안에서 특정 일이 언제 일어나는지 찾는 데 초점을 둔다. 다섯 가지 영상 평가에서 다른 보다 앞섰고, 시간 위치 찾기에서는 Gemini-3-Flash와 비슷하거나 더 나은 결과를 냈다고 소개된다.
, 필요한 특징만 모으는 방식, 같은 기술로 한 시간 길이 영상도 더 적은 계산으로 처리하도록 설계됐다. 긴 입력을 처음 읽는 데 드는 을 줄이고, 학습 속도도 높이는 구성이 포함됐다. 이미지, 글자 인식, 차트, 표 이해, 추론 흐름을 강화하기 위해 정제된 데이터와 도 사용됐다.
추가 학습 단계에서는 여러 종류의 시각 정보와 문맥을 함께 다루는 추론 안정성을 높이는 방법들이 적용됐다.
핵심 포인트
- 긴 동영상 이해와 시간 위치 찾기에 초점을 둔 300억급 이다.
- 다섯 가지 영상 평가에서 공개 경쟁 모델보다 앞섰다고 소개된다.
- 와 로 긴 입력 처리 비용을 낮추려 한다.
- 긴 입력을 처음 읽는 을 줄이고 학습 처리량을 높이는 구성이 포함됐다.
- 글자 인식, 차트, 표 이해, 시각 추론을 강화하기 위한 데이터 학습이 들어갔다.