超长视频理解模型

智源研究院联合上海交通大学发布新一代超长视频理解模型Video-XL-2，单张显卡即可高效处理万帧视频，编码2048帧仅需12秒。该模型在多个维度表现优异，并向社区开放权重，有望在影视分析、异常检测等场景中广泛应用。