近日，快手正式发布全新升级的多模态大模型 Keye-VL-2.0-30B-A3B。作为 Keye 家族最新一代 30B 级主力基座，本次升级有一个值得高度关注的亮点：它首次将 DSA（DeepSeek Sparse Attention）机制引入多模态理解场景，成功解锁了 256K 超长上下文的深度感知能力。简单来说，这使得长视频的时序感知几乎实现了无损推理。 更值得注意的是，这也是 Keye 系列首次解锁 Agent 协作机制。在 Code、Tool、Search 等复杂应用场景中，模型展现出扎实的系统级协作与执行潜力——这并非单纯的概念堆叠，而是经过实际验证的可靠能力。

DSA 首次落地多模态，突破长视频理解瓶颈

视频理解的核心难点，在于超长视觉上下文带来的指数级计算开销，以及关键信息被稀释的问题。如何破解？Keye-VL-2.0-30B-A3B 在底层架构上完成了一次关键跨越——首次在多模态理解场景中成功部署 DSA。通过结合稀疏注意力与高度针对性的特征聚合，模型在处理长达数小时的视频序列时，能够高效进行高噪环境下的信息提纯，精准捕获关键帧并清晰梳理动态规律。 这一技术突破直观体现在模型对长时序任务的深度理解上。无论是对 TimeLens 的细粒度动作锚定，还是在 LongVideoBench 上的综合长时序解析，Keye-VL-2.0-30B-A3B 都展现出对同级别甚至 200B+ 超大参数开源基座的显著压制力。换言之，参数规模并非越大越好，架构设计的合理性才是决定性因素。

从静态识别迈向深度推理，实现视频理解质变

长视频理解一直是多模态领域最具挑战性的方向之一。传统视觉大模型通常依赖抽帧与标签化描述来完成视频解析——能识别出“出现了什么”，却很难真正理解连续时序中的逻辑关系。因此，当用户输入一段数分钟甚至数十分钟的视频，要求模型进行总结、规划或决策时，许多模型仍然会输出基于字幕与标签拼接的“流水账”。 但 Keye-VL-2.0-30B-A3B 展现出截然不同的能力路径。例如，在冰岛旅行 Vlog 测试中，模型不仅识别出天气骤变、极端环境与事故风险等关键视觉信息，还能结合上下文推演出“需准备保暖装备”“建议优先选择跟团出行”这类具有现实决策价值的旅行建议。面对工艺制作视频，模型可以输出毫秒级精确时间戳拆解，准确识别复杂工序并完成结构化归纳；在电竞赛事视频中，它还能融合视觉变化、字幕信息和比分演化，还原出“绝境翻盘”的叙事逻辑，实现跨模态语义融合分析。 这种能力的核心，在于模型开始构建“时序因果链条”——它不再仅仅理解单帧内容，更能在长时间跨度的视频流中识别事件之间的关联关系，并基于人类逻辑完成更深层次的规划与判断。这无疑是质的飞跃。

Agent 能力首次解锁，打通“感知—规划—执行”闭环

本次发布的另一项关键突破，是 Keye 系列首次在多模态基座中内置了 Agent 协作机制。依托 Code Agent、Tool Agent 等能力模块，Keye-VL-2.0 具备了复杂任务拆解、工具调度与多轮执行能力，在代码解析、API 调用、任务规划等场景中均能实现稳定运行。在复杂业务测试中，面对涉及门店检索、距离测算、商品筛选、订单生成等多线程任务链，模型能够自主完成从规划到参数调用再到容错调整的全流程，顺利跑通多轮执行闭环。这意味着快手多模态模型正式从“内容理解”迈向“任务执行”——更具业务协同潜力。

强化学习与多专家融合，构建可靠推理底座

为进一步提升复杂推理场景下的稳定性，快手还构建了一套全新的多模态强化学习体系。其中，Context-RL 奖励机制通过混合模态参考信息生成细粒度奖励信号，对数学、代码、多步推理等复杂任务进行事实性约束，有效降低模型幻觉率。同时，团队引入了 Accuracy Filtering 机制，对训练轨迹进行实时质量筛选，剔除逻辑断层与低质量样本，使强化学习过程更加稳定。此外，针对多任务学习中的“灾难性遗忘”问题，快手创新性地引入了跨模态 MOPD（多专家策略蒸馏/合并）技术。 通过动态路由与参数融合，模型在持续增强视频理解与 Agent 能力的同时，依然能够保持数学推理、STEM 与指令遵循等通用能力的稳健增长。下面这张图是 Keye-VL-2.0-30B-A3B 最终定版在全维度基准测试中的“全景成绩单”：

扎根业务场景，推动智能生态全面升级

技术突破的终点不单是榜单成绩，更是业务价值的落地。目前，Keye-VL-2.0 已经在内容推荐、商业化投放、内容治理等多个内部场景投入实际应用——通过提升视频语义理解精度，显著增强了推荐系统的命中率和广告标签抽取效果。与此同时，它的 Video × Agent 能力也将进一步赋能创作者生态，实现视频检索、高光提取、智能剪辑、营销生成等自动化工作流，推动内容生产方式升级。 快手技术团队表示，未来将以 30B 版本的成功经验为跳板，稳步向真正的原生多模态（Native Multimodal）与端到端深度融合挺进。通过一次次扎实的业务验证与版本迭代，持续构筑具有深度的行业技术影响力，沉淀不可替代的核心基建壁垒。