快手开源256K长视频MoE模型
值得看指数 86.0 NO. 020 · 2026.06.11
upvotes166comments1
为什么值得看
Kwai Keye-VL-2.0-30B-A3B 将 DeepSeek 稀疏注意力首次适配到多模态架构，实现小时级视频无损理解。对做视频 Agent、长内容分析的团队来说，这是目前开源界唯一能跑通 256K 视频上下文的方案。
媒体预览
编辑判断
长视频理解的瓶颈从来不是模型参数量，而是帧级特征的冗余计算。之前主流方案要么暴力抽帧丢信息（如 Video-LLaMA 的均匀采样），要么用 Q-Former 压缩但破坏时序结构，Keye-VL-2.0 用 DSA 做动态帧选择，相当于给视觉 token 加了门控。
30B 总参数、3B 激活量的 MoE 设计很克制，单卡 A100 能跑推理，这比动辄 70B 全激活的模型务实得多。快手自身有短视频生态，这个模型很可能是内部 Agent 工作流的副产品，开源时机选在 Sora 热度消退、实用视频 Agent 需求上升的阶段，很准。
如果你在做人机交互、直播内容审核、教育视频分析，建议优先测它的时序推理能力，不要只看 benchmark 分数。