跳到主要内容
#14A2026 年 5 月 9 日证据 A

快手 Keye-VL-2.0

快手 · 30B-A3B(MoE)

长视频时序感知的开源 specialist

首个把 DSA 稀疏注意力引入多模态理解的模型,256K 上下文下长视频时序感知几乎无损。短视频平台的真实数据是它的训练护城河。

文本图像视频拼接式

最后更新于 2026 年 10 月 18 日编辑部评分

结论先行

只做视频理解时,Keye-VL-2.0 是开源里最值得先试的:便宜、时序准、部署门槛低。但文档 OCR 与生成能力明显偏科。

八维评分拆解

编辑部映射分 · 0–100
视觉感知89文档 OCR86图表推理85视频时序94GUI Agent83生成编辑78中文语境86生态可用788 维
  • 快手 Keye-VL-2.086.0
视觉感知与定位20%
89
文档解析与中文 OCR18%
86
图表与文档推理14%
85
视频与长时序理解14%
94
GUI Agent 与工具调用14%
83
生成与图像编辑6%
78
中文语境与文化6%
86
生态、成本与可用性8%
78

权重:视觉 20 / 文档 18 / 图表 14 / 视频 14 / Agent 14 / 生成 6 / 中文 6 / 生态 8。分数含义与证据来源见方法页。

公开基准与数据

按来源口径,不换算
基准 / 指标数值说明
上下文256KDSA 稀疏注意力
激活参数3B30B 总参

公开分数来自不同版本与提示词设置,不能与本站综合分直接互换;我们仅将其作为评分证据之一。

场景映射

同一把尺子的五项压力测试
场景映射分观察
中文票据 OCR84 · 仅常规文档
图表取数83 · 简单图表
30 分钟视频问答95 · 强项,时序几乎无损
手机 GUI 操作81 · 一般
中文文化理解85 · 短视频语境强

优势与局限

优势

  • 256K 长视频时序,事件定位准。
  • 30B-A3B 成本低,适合批量视频处理。
  • 开源可微调,短视频领域数据强。

局限

  • 文档与图表能力不在第一梯队。
  • 生成能力弱,几乎不可用于设计。
  • 中文文化常识一般。

价格与真实成本

公开单价

¥2/M tokens

开源;API 约 ¥2 / 百万输出。以 1,000 张 1,024px 图片、每张约 1,100 图像 token、300 输出 token 估算,单月成本约为 ¥1.2(按输入价为输出价 25% 的假设)。

按你的量计算

关于快手 Keye-VL-2.0

快手 Keye-VL-2.0 是开源的吗?

许可证:开源(社区许可)。可获取权重,但商用前请核对具体条款与备案要求。

快手 Keye-VL-2.0 的价格是多少?

开源;API 约 ¥2 / 百万输出。按本站 8 维评分,它排在第 14 位,综合 86.0 分。实际账单受分辨率、切块、缓存与阶梯折扣影响。

快手 Keye-VL-2.0 最适合什么场景?

长视频内容审核;视频章节与精彩片段定位;批量视频标签。

为什么 快手 Keye-VL-2.0 的综合分是 86.0?

综合分由 8 个维度按权重加权:视觉 20%、文档 18%、图表 14%、视频 14%、Agent 14%、生成 6%、中文 6%、生态 8%。它的强项是视频与长时序理解,短板是生成与图像编辑。

个人榜单 · 非官方评分

本页所有排名、分数与对比均为个人评测榜单,不是官方评分,也不代表任何厂商、机构或监管口径。分数是公开证据在自定权重下的主观映射,换一组权重名次就会变。如有不同意见或发现事实错误,欢迎联系站长:jizhi2024@foxmail.com——我们会逐条核对并在更新日志中记录订正。