智谱 AI 宣布，训练了一种新的理解模型 CogVLM2-Video，并将其开源。

　　据介绍，当前大多数的理解模型使用帧平均和标记压缩方法，导致时间信息的丢失，无法准确回答与时间相关的问题。一些专注于时间问答数据集的模型过于局限于特定格式和适用领域，使得模型失去了更广泛的问答能力。

　　▲ 官方效果演示

　　智谱 AI提出了一种智谱 AI 表示，CogVLM2-Video 不仅在公共理解基准上达到了最新的性能，还在字幕生成和时间定位方面表现出色。

　　附相关链接：

　　代码：

　　项目网站：

　　在线试用：