Google 联合斯坦福、牛津推出 StreamVibe 视频智能体，让 AI 自己判断何时该开口

Google 联合斯坦福、牛津等机构推出视频智能体 StreamVibe，能区分用户明确说出、未说出口和任务中途改变的需求，自主决定何时提供帮助。其 StreamVibe-VL 模型基于 Qwen3.5-9B，响应时机与质量比其他模型提升 10.7%，独立记忆系统再提升主动交互 12.3%。测试显示视频超过 5 分钟后，所有模型都难以选对介入时机，长程跟踪改变指令尤其困难。