LeVJEPA 1.5 Large 上线，依托低算力低数据量拉近和 V-JEPA 的效果差距

LeVJEPA 1.5 Large 新版本正式发布，这个版本最核心的亮点就是不用高额算力、不用大规模训练数据，就可以有效缩小自身和 V-JEPA 之间的能力差距。它在模型训练方案上做了针对性优化，调整了掩码策略、特征对齐方式，降低训练过程里对算力资源、训练数据集体量的需求，降低了同类型 JEPA 系列模型的落地门槛。在实际使用流程上，开发者可以直接取用这个版本权重，搭配原有 JEPA 推理链路开展测试，不用额外扩容算力集群，也不用扩充自有训练数据集；在各类视频表征任务测试中，它最终拿到了更贴近 V-JEPA 的指标表现，兼顾了资源开销和模型效果。

模型核心优化点

• 掩码机制优化：适配更少训练样本的学习场景，提升有限数据下视频特征学习效率
• 轻量化对齐方案：减少训练时的计算开销，降低单轮训练所需算力
• 表征输出适配：保持和 V-JEPA 一致的输出格式，方便原有项目无缝迁移测试

适用场景清单

1. 算力资源有限的实验室视频表征研究
2. 中小规模数据集下的自监督视频预训练项目
3. 需要快速验证 JEPA 系列模型效果的原型开发
4. 低成本视频理解下游任务微调

【相关 FAQ 】

问题 1：LeVJEPA 1.5 Large 依靠什么在更少算力与数据下缩小与 V-JEPA 差距？

回答 1：LeVJEPA 1.5 Large 依靠掩码策略、特征对齐方案的优化，在更少算力与数据的条件下缩小与 V-JEPA 差距，在控制资源消耗的同时保障视频表征学习效果。

问题 2：LeVJEPA 1.5 Large 能不能直接替换 V-JEPA 做下游任务测试？

回答 2：LeVJEPA 1.5 Large 输出格式和 V-JEPA 保持兼容，可直接替换开展下游任务测试，适合资源有限的环境用来靠近 V-JEPA 的效果。

问题 3：LeVJEPA 1.5 Large 对比旧版 LeVJEPA，在拉近和 V-JEPA 差距上有哪些提升？

回答 3：LeVJEPA 1.5 Large 进一步优化数据利用效率与计算开销，相比旧版 LeVJEPA，能用更少算力和数据，进一步缩小和 V-JEPA 的差距。

【数据来源】

[2026-11-02]（LeVJEPA 1.5 Large 发布，以更少算力与数据缩小与 V-JEPA 差距）AI 技术资讯站

[2026-11-01]（LeVJEPA 系列模型更新说明）开源模型社区

免责声明：本文内容仅为技术信息整理，不构成技术选型、项目落地的指导建议，模型实际效果受硬件、数据集、参数配置等条件影响，请使用者自行验证。