**JoyAI-VL-Interaction：开源实时视觉语言交互模型，主动察觉并回应世界**

_JoyAI-VL-Interaction: Real-Time Vision-Language Interaction Intelligence_

> JoyAI-VL-Interaction 是一个 8B 参数的开源视觉驱动交互模型，能自主决定每秒是否发声、静默或将难题委派给后台模型。它附带训练配方、数据与完整部署系统，在六个真实场景中，人类评估者对其的偏好显著超越豆包与 Gemini 的视频通话助手。这是首个完全开放的视觉驱动交互模型。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-06-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.14777)