研究与基准测试/2026-09-30/8 分钟400 个视觉 token 对上 10368：百度用固定语言模型评 CoVisco语言模型固定为 Qwen3-4B。只送 400 个摘要 token 时，多项视频分数高于把 10368 个 token 都送进语言模型的对照。DocVQA 在只送摘要时是 20.5，比例 0.8 才到 75.1。
研究与基准测试/2026-08-12/8 分钟最高 58.30%，没有模型到 60%：蚂蚁参与的 VideoGAIA 把视频理解做成多轮工具任务蚂蚁集团参与的 VideoGAIA 用 271 道人工复核题，把视频理解改成最多 40 步的工具循环。20 个模型里最高是 Seed2.0-Pro 的 58.30%，没有一家到 60%。搜索占调用的 60.5%–90.6%，但 GPT-5.5 只调用 262 次仍高于打了 2557 次的 Gemini-3.1-Pro。
