Kailash Labs

Giới thiệu

Thế giới tạo ra hàng petabyte video mỗi ngày, nhưng gần như máy móc không đọc được chút nào. Các VLM tiên phong có thể khai mở kho video này (như Gemini) lại quá đắt để chạy ở khối lượng mà các ngành thực tế cần, quá chung chung cho từng tác vụ cụ thể, và không thể triển khai tại chỗ (on-prem), nơi lưu giữ video nhạy cảm.

Chúng tôi đang xây dựng một “nhà máy thị giác tự động”: nhận video cùng mục tiêu của khách hàng, chưng cất (distill) một mô hình tiên phong và hậu huấn luyện một mô hình mở nhỏ đạt SOTA cho đúng tác vụ đó, rồi phục vụ với tốc độ cực nhanh. Sản phẩm đầu tiên của chúng tôi, Marlin, là một VLM video mã nguồn mở trọng số với 2 tỷ tham số, ngang ngửa Gemini-2.5-flash về mô tả chi tiết (dense captioning) và định vị theo thời gian (temporal grounding), với chi phí chỉ bằng một phần nhỏ.

Chủ đề