TwelveLabs发布Pegasus 1.6，面向机器人训练优化第一人称视频理解

视频AI公司TwelveLabs于2026年10月7日发布Pegasus 1.6模型，新增对第一人称视角视频的专门支持，面向机器人开发者与数据供应商，旨在将物理作业录像转化为带标签、带时间戳的训练数据。

Pegasus 1.6延续了Pegasus 1.5的视频描述与分割能力，并在此基础上针对第一人称（egocentric）画面进行了专项训练。官方表示，前代版本对该类视频的处理效果不佳。新模型主打原生时序推理与端到端视频理解，可识别动作顺序、涉及对象、执行手以及动作起止时间，将原始视频转换为结构化的时间元数据。

除视频外，该版本还新增原生图像分析能力，并改进了人物与物体识别，客户可通过同一API处理静态图像。TwelveLabs描述了五个主要工作流：将录像拆分为带标签的动作、生成详细字幕、筛查视频质量、发现异常事件与重复内容，以及在下游使用前标记潜在敏感素材。

定价方面，Pegasus 1.6延续前代水平：输入视频每小时1.75美元，图像输入token每百万3美元，输出token每百万7.5美元。企业客户可选择定制合同。

TwelveLabs联合创始人兼CEO Jae Lee表示，公司此前主要服务媒体、娱乐、体育和广告领域，进入机器人领域是将视频理解能力应用于物理行为识别。他认为，当前机器人模型“非常渴望数据”，第一人称录像可作为一种演示来源，但Pegasus只能提供动作描述与粗略轨迹理解，压力、触感与精确控制仍需与其他数据及控制系统结合。