Kyutai har släppt CADRE, en familj med sju videoautoenkodare avsedda för interaktiva världsmodeller, rapporterar MarkTechPost. Enligt artikeln körs världsmodeller som bygger på CADRE med 20 bildrutor per sekund på en Nvidia H100-GPU och reagerar på under 230 millisekunder.
En videoautoenkodare är en modell som kodar video i ett mer kompakt format och kan återskapa den. En världsmodell använder en representation av en miljö för att skapa eller förutsäga vad som händer där. I ett interaktivt sammanhang kan kortare fördröjning göra det lättare för ett system att snabbt reagera på en persons handlingar. Källan nämner inga specifika användningsområden.
Det framgår inte av rapporten
Siffrorna anges utan namn på benchmarktester, testförhållanden, videoupplösning eller jämförelser med andra system. MarkTechPost uppger inte om hastigheten och svarstiden har testats oberoende eller om de gäller alla sju CADRE-modellerna. Resultaten bör därför ses som rapporterade prestandauppgifter, inte som en bred jämförelse.
Källan beskriver CADRE som öppet, men anger ingen licens, nedladdningslänk eller information om hur modellerna kan nås. Den förklarar inte heller om uppsättningen med en H100 omfattar annan hårdvara eller vilken kvalitet de genererade videorna har. Sådana uppgifter är viktiga för den som vill avgöra om resultaten går att återskapa eller om modellerna passar i ett projekt.
Varför det spelar roll
För forskare och utvecklare som bygger interaktiva världsmodeller kan den rapporterade hastigheten göra CADRE värt att undersöka som ett sätt att minska fördröjningen med en enda H100. Källan innehåller inga oberoende testresultat eller uppgifter om åtkomst, och inte heller tillräckligt med information om testuppsättningen för att visa om prestandan går att återskapa.
