南京大学等开源VideoJev视频理解模型

南京大学、京东等机构开源了 VideoJev 视频理解模型，提供 VideoJev-4B 与 VideoJev-35B-A3B（约 35B 总参数、约 3B 激活参数）两种尺寸的权重及核心训练、评测、推理代码，权重以 BF16、Safetensors 格式发布。该模型把视频时序定位与选择式视频问答统一为候选打分任务，输入仅用视频帧，不依赖字幕或音频。 在 LVBench 上该模型取得 73.4% 的成绩；据其项目说明，在 H200、batch size=1 下每题约 1.5 秒，该耗时含视觉编码、前缀预填充和模型前向计算，按完整 LVBench 测试集问题数分摊，不含预处理与数据传输。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。