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，自主决定何时出声。其模型 StreamVibe-VL 基于 Qwen3.5-9B，响应时机与质量较其他模型提升 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时机，基于自身历史响应时关键内容指标最多下降 61.5%。