Video-Index 1.1 发布:让模型自己决定看什么,精度更高上下文更少

thoma_gu · x · 2026-10-18

Enxin Song 团队发布 Video-Index 1.1，主打 agentic 视频理解：不再给模型喂 512 帧固定抽帧，而是让模型自主决定观看哪些片段，在更少上下文下取得更高准确率。配套博客《Towards the Agentic Era of Video Understanding》提出：复杂任务里 agent 已成默认选择（如 Claude Code、Codex 打开文件、跑命令、自查结果），视频理解也应享受同样的范式——用 agent 主动检索的方式替代被动喂帧，并且 agentic 式评测应该成为默认设置。