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，可区分用户明确说出、未说出口和任务中途改变的三类意图。其基于 Qwen3.5-9B 训练的 StreamVibe-VL 在响应时机与质量上提升 10.7%，配套记忆系统将主动交互再提升 12.3%。但测试显示视频超过 5 分钟后所有模型都难以选对发言时机，基于自身历史回答的关键内容指标最多下降 61.5%。