快手开源Keye-VL-1.5多模态大模型：80亿参数支持128k上下文，视频理解能力行业领先

近日，快手正式开源其最新多模态大模型Keye-VL-1.5，该模型凭借80亿参数规模与128k tokens的超长上下文支持能力，在视频理解、图像解析及复杂逻辑推理任务中展现出行业领先水平。此次开源标志着短视频平台在AI核心技术领域的重大突破。

在权威基准测试中，Keye-VL-1.5表现尤为突出。Video-MME、Video-MMMU和TempCompass等视频理解评估中，其性能超越阿里Qwen2.5-VL 8B、小米MiMo-VL 7B-RL等同规模竞品，其中在Video-MMMU测试集上实现6.5%的绝对性能提升。值得注意的是，该模型对长视频的时序逻辑捕捉能力显著增强，可精准解析视频中的细节关联与语义层次，这为智能剪辑、内容推荐等场景提供了更精准的底层技术支持。

在数学推理专项测试中，Keye-VL-1.5于WeMath、MathVerse等评估集同样表现优异。实测显示，该模型处理数分钟视频内容仅需约10秒，响应速度达到工业级应用标准。快手内部基准测试进一步验证，其综合得分较前代模型提升0.51，在事实准确性指标上以0.19的优势领先同类产品。

技术特性方面，Keye-VL-1.5突破了传统模型仅能识别片段标签的局限，实现了对视频内容的时空维度深度理解。这一能力可延伸应用于内容创作全链路，包括自动标题生成、智能互动解说等场景。目前模型已通过开源社区发布，开发者可基于其架构探索短视频生态的智能化创新应用。