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，能区分用户明说、未说出口和变化中的意图，自主决定何时出声帮忙。其模型 StreamVibe-VL 基于 Qwen3.5-9B，响应时机与质量提升 10.7%，配套记忆系统再提升主动交互 12.3%。测试显示视频超过 5 分钟后各模型普遍难以把握正确时机，Gemini 3.8 Flash 在多项测试中得分更高。