已收录文章摘要，完整内容可前往原文阅读。
智猩猩AI整理核心作者投稿过去三年，视频领域出现了三股并行的浪潮。视频理解：Video-LLaVA、Qwen3-VL 等 Video-LLM 让我们可以用语言和视频对话，上下文已经扩展到 256K t