VITA 3.0 的工程性能表现如何?

VITA 3.0 在具体工程中的性能表现如下：

1. 长视频处理能力

● 单次最高支持 600MB 长视频

● 长视频处理性能较传统模式提升 10 倍以上

● 实现长视频的"秒级理解"

2. 推理时延

● 图片首 Token 时延：P95 0.539s

● 视频首 Token 时延：P95 2.471s

● 满足在线业务对响应速度的要求

3. 上线效率与成本

● 单模型端到端方案，业务上线周期 1–3 天（传统多模型拼接方案通常需要 4–12 周）

● 整体上线耗时节约 85% 以上

● 整体成本节约 80%