Keye 2.0 от Kuaishou - интересный шаг для мультимодальных моделей: DeepSeek Sparse Attention впервые нормально утащили в задачу длинного видео. Главная фишка - 256K контекста. Модель может разбирать часовые видео без типичного развала внимания, когда в начале ролика одно, в середине другое, а к концу модель уже теряет причинно-следственные связи. Что важно: - 30B MoE-модель с 3B активных параметров - поддержка длинных видео и сложной временной логики - prefill cost ниже примерно на 50% - результат 74.10 на LongVideoBench - на VideoMME V2 качество растёт при увеличении входа с 64 до 512 кадров: 35.34% → 42.44% - есть фокус на timestamps, причинные цепочки, туториалы, игровые видео и длинные влоги изменился контекст и почему это важно. Веса уже открыты: https://modelscope.ai/models/Kwai-Keye/Keye-VL-2.0-30B-A3B