京东全栈开源全球首个实时视频视觉语言交互模型JoyAI-VL-Interaction

本次事件主旨为京东推出全球首个全栈开源的实时视频视觉语言交互模型与系统，打破传统多模态模型一问一答的被动交互模式，核心特性包括主动判断交互时机、实时响应视频流变化、模块化组件可按需替换，且获vLLM-Omni day-0原生支持，方便开发者快速部署。证据方面，新华网、新浪财经、IT之家等多个权威媒体均报道了京东官方的开源消息，明确了其技术定位与特点。边界方面，目前公开信息未披露该模型的实际性能测试数据、大规模业务落地案例，也未查询到开源仓库的社区互动数据，其实际易用性与稳定性还需进一步验证。后续需关注开源社区迭代进度与实际场景落地效果。