Sand AI MAGI-1

数据来源与规模

MAGI-1 技报（arXiv 2505.13211）称训练集来自"数十 PB"原始视频与图像，渠道为"多渠道"，来源与最终规模均未披露，也没有自有平台 [1]。

加工

单镜切分后做启发式过滤：DOVER、LAION 美学、亮度、RAFT 光流加显著性、镜头稳定；边框/文字/logo 用 Florence-2 检测；角落人脸视为旁白检测；CLIP 关键帧检测多镜头。随后 CLIP 加 DINOv2 两路去重，MLLM 兜底过滤并生成 caption；按评测结果动态调整配比 [1]。

阶段与 caption

Stage1 为 256p/360p、≤8s，Stage2 为 480p，Stage3 为 720p、≤16s，图像:视频为 4:1。自回归 caption 逐秒描述，占 Stage2/3 的 10%，服务于其分块自回归生成。约 200 万样本用于蒸馏 7B prompt 增强模型。

缺口

技报可读部分未见 SFT/RL 数据量，标未查到。供应商与法律事件均未查到；因来源完全未点名，其版权暴露难以评估。