OmniMMI Proactive Alerting

MOSS-VL 开源视觉-语言模型家族支持实时交互

MOSS-VL 模型家族被推出，作为一个开源的、专为实时交互设计的视觉-语言模型。它通过引入门控交叉注意力来实现这一点，使模型在生成文本的同时处理视觉信息。这些模型使用合成交互语料库和分阶段课程进行训练，专注于主动行为并减少首次标记延迟。MOSS-VL-Realtime 在流式基准测试中表现强劲，在主动行为测试中优于其他开源模型，并且与 Qwen3 VL 8B 等同类模型相比，在首次标记延迟方面具有显著优势。