JD.com：JoyAI-VL 实时视觉交互与主动感知系统 实现边看边做

京东 (JD.com) 开发的 JoyAI-VL-Interaction，这是一款突破传统“轮对对话”模式的开源实时愿景-语言交互模型。该系统不仅能持续监测实时视频流，还能自主决定何时说话、保持沉默或将复杂任务移交给后台模型处理。这种主动交互的设计使其在安全监控、实时解说和长程记忆等应用场景中，比 Doubao 或 Gemini 等现有产品更具优势。为了促进技术普及，开发团队向社区全面开源了 8B 规模的模型权重、独特的训练方案以及完整的可部署系统架构。通过引入 AdaCodec 视频编码技术，该系统能够在保证低延迟的同时处理数小时的连续视频，为未来的具身智能和实时 AI 助手奠定了基础。