CogVLM2-Video 是智谱AI开源的一种新的视频理解模型，旨在解决当前视频理解模型中时间信息丢失的问题，并在视频字幕生成和时间定位方面表现出色。该模型通过基于视觉模型的自动时间定位数据构建方法，生成了 3 万条与时间相关的视频问答数据，并在公共视频理解基准上达到了最新的性能。CogVLM2-Video 为视频生成和视频摘要等后续任务提供了强有力的工具。
