**WeMM-Video:开源全模态视频理解新标杆,旗舰版超越闭源模型** _WeMM-Video: Pushing the Frontiers of Ope
原帖
**WeMM-Video:开源全模态视频理解新标杆,旗舰版超越闭源模型**
_WeMM-Video: Pushing the Frontiers of Open-Source Omni-Modal Video Understanding_
> WeMM-Video 系列模型通过混合思维范式,实现了文本、图像、音频和视频的统一处理与推理。该系列包含从 2B 到 35B-A3B 的多个版本,基于 1.2 万亿 token 的多模态语料训练,并在 120+ 个基准测试中表现优异。其旗舰版 WeMM-Video-35B-A3B 在开源全模态视频理解任务上刷新了 SOTA,性能显著超越 Qwen3.5-Omni-Flash 和 Seed2.0-Mini-0428 等闭源模型,同时紧凑版 9B 模型也超越了 30B 的开源竞品。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:ai-models
- **发布时间**:2026-11-20 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2611.26409)