# Cambrian-BEV acelera el análisis de video con tokens en vista aérea

> Un nuevo método de tokenización comprime 128 fotogramas en 729 tokens espaciales y reduce 2,9 veces el tiempo de prefill de los LLM y 3,6 veces la memoria.

Oossa · 2026-10-19 · https://oossa.com/es/cambrian-bev-speeds-up-video-reasoning-with-bird-s-eye-view-tokens

Investigadores presentaron Cambrian-BEV, un método para organizar parches visuales de video en una cuadrícula compartida con vista aérea. Utiliza la profundidad y la pose de la cámara para combinar observaciones de un mismo lugar, sin importar el punto de vista ni el momento. El método conserva la arquitectura del modelo, pero reemplaza los tokens de fotogramas por tokens BEV de 27×27. En la prueba VSI-Bench obtuvo 63,48 puntos, 8,5 más que una línea de base con tokens de fotogramas, y utilizó muchos menos tokens.

## Los hechos

- 128 fotogramas → 729 tokens BEV (cuadrícula de 27×27)
- El tiempo de prefill se redujo 2,9 veces; la memoria máxima, 3,6 veces

## Por qué importa

Permite a los desarrolladores crear asistentes de IA basados en video más rápidos y ligeros, capaces de razonar sobre el espacio con mayor fiabilidad.

## Fuentes y referencias

1. [Thinking from Above: Efficient Spatial Reasoning with Bird's-Eye-View Visual Tokens](https://arxiv.org/abs/2610.22700) – arXiv cs.CV, 2026-10-19

Última actualización: 2026-10-19