单卡也能跑万帧！智源发布Video-XL-2，速度、效果、长度全拉满
单卡也能跑万帧！智源发布Video-XL-2，速度、效果、长度全拉满智源研究院发布开源模型Video-XL-2，显著提升长视频理解能力。该模型在效果、处理长度与速度上全面优化，支持单卡处理万帧视频，编码2048帧仅需12秒。
来自主题: AI技术研报
5861 点击 2025-06-03 17:24
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
智源研究院发布开源模型Video-XL-2，显著提升长视频理解能力。该模型在效果、处理长度与速度上全面优化，支持单卡处理万帧视频，编码2048帧仅需12秒。
长视频理解是多模态大模型关键能力之一。尽管 OpenAI GPT-4o、Google Gemini 等私有模型已在该领域取得显著进展，当前的开源模型在效果、计算开销和运行效率等方面仍存在明显短板。