（来源：上观新闻）
具体架构要素😫♑： 编🐰码器 E🍉_θ：🖕⛅ViT-L📁💪/H/g（30🍁0M–1B🇮🇪 参数），把视频🇬🇱切成 2×1⌨6×16🍒🥚 的 tubel🎓🇲🇭et 预测器 P⛅_φ：一🚣🇳🇿个轻量 Vi☀🇨🇿T-S（约 🥟🇻🇳22M）预测被🇻🇳 mask👨🦲 部分的潜空间🈶👩👩👧👧表征 使用 3D💺🛰-RoPE 位置👹编码（时间+🇸🇱🤝H+W） 约⚫ 90% 的🔂👨👧👦高 mask 比🕣☪率，L1 损🏎🖍失，EMA t🦸♀️eac🏢her 防🇫🇴🐵止表征坍塌🏚 训练数据 Vi😼deoM🗼🎇ix2😚2M 👦= 22🚣00 万视频🤷♂️ ≈ 10🏎0 万小时互联网🦖视频 在 So🥝💈methi🆘🇼🇸ng-Somet🇧🇿hing v2👨🔧🐬 取得🈁🦚 77.3% t🇱🇾op-🇫🇰💘1（运动理🦃🇦🇸解），Ep🛌🗨ic-K🇸🇦itchen💢🕳s-10❔0 动作预测🆔🎌 39.7 🧵🚣R@5（👋SOTA） 为什🎴👨👦么像素🤓🐗重建不🎁适合碰🍞撞预测，而潜♻🧛♀️空间预测适合🧠？像素重建优化的✍🈳是"下一帧🇧🇸长什么样"（视🕣觉保真度）🏟🚮，潜空🍊🤥间预测优化的是"🇧🇬下一帧的抽象语🔚🐏义/物理〽🐊状态"（🇵🇷物理因果）🏌️♀️。
作为华🏃♀️为旗舰🐺👨👦产品线的新成员，🕵🦕这一系👨🎨👨❤️💋👨列以“先🔭🖌锋影像美🛒👩❤️👩学”为核心，重新🔰🅿定义了移动影像🥈☺的可能性，一👮♀️👨👩👧👦经亮相便受到了🇸🇮外界的广泛关注🥑😂和好评🌠。作者 | 🤬👽李小霞 编辑 |🔊 乔芊 杨轩 🦋36氪🇨🇩独家从知情🔈人士处获💇♂️🍣悉，字节跳动🔰➰2025📩年海外🏆🌅营收增长近50🧮🦑%，远超约2👑🚵0%的国👐内营收增幅🙃，海外业务营收🗽🧖♂️占比也从20🛄💂♀️24年的25🐊%提升至超三成，🇹🇹创下新高🔘。
这个时候💊去追问🤳自己——“🔡我真正想做什🔎🇧🇭么？” 变得更🎢🥀加重要🤯🤜。”广东省人工智❌👐能与机器人产业联🇦🇩盟副理⚾事长兼秘🦟书长张崟认🥗为🚿🎅。各种苏坡恰鸡❇层出不👩👦穷☪。
