OpenMOSS开源MOSS-VL-Realtime实时视频流多模态模型

OpenMOSS 开源 MOSS-VL-Realtime，一个 11B 参数的实时视频流多模态模型，支持边看边答，场景变化时主动修改回答。

• 模型支持在视频持续输入时同步感知与生成，可边处理新帧边回复。
• 在场景变化时能主动修改或中断回答，实现实时交互。
• 采用 Cross-Attention 架构与 XRoPE 时空位置编码，支持 256K 上下文窗口。
• 以 Apache-2.0 协议开源，便于社区使用和二次开发。
• 影响/看点：实时视频流多模态模型开源，为视频交互、监控、直播等场景提供新可能。