VideoChat-Flash 是上海人工智能实验室和南京大学等机构联合开发的针对长视频建模的多模态大语言模型（MLLM），模型通过分层压缩技术（HiCo）高效处理长视频，显著减少计算量，同时保留关键信息。采用多阶段从短到长的学习方案，结合真实世界长视频数据集 LongVid，进一步提升对长视频的理解能力。

VideoChat-baidu09Flash – 上海 AI Lab 等机构推出针对长视频建模的多模态大模型 第1张
（图片来源网络，侵删）
VideoChat-baidu09Flash – 上海 AI Lab 等机构推出针对长视频建模的多模态大模型 第2张
（图片来源网络，侵删）