Kyutai开源CADRE视频自编码器

Kyutai 发布并开源了因果扩散表征自编码器 CADRE，用于交互式世界模型；据其公布的数据，它在单张 H100 上以 20 fps 运行，动作延迟低于 230 ms。 CADRE 由 7 个自编码器组成，每个自编码器约有 476M 可训练参数，另加一个冻结的 86M DINOv3 ViT-B/16；配套世界模型为 1.2B 参数，视频分辨率为 288×512。 代码采用 MIT 许可；Hugging Face 上的权重采用 CC BY-NC 4.0 许可，因此不能用于商业用途。官方还提供可用键盘操作的在线演示。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。