OmAI联汇发布视频深度推理模型VLX-VR，登顶MINERVA基准

9月1日，杭州联汇科技股份有限公司（OmAI联汇）正式发布视频深度推理模型VLX-VR。该模型在Google DeepMind与哥伦比亚大学联合推出的视频推理基准MINERVA上，以78.8%的视频问答准确率登顶榜首，超越谷歌Gemini 3.5、OpenAI GPT-4.1等国际旗舰模型，成为全球首个在该基准夺冠的中国模型。VLX-VR同步上线开放体验平台。

MINERVA被喻为视频推理领域的“最严考卷”，包含1000多道取材于真实长视频的推理题目，人类得分为92.5分，此前全球公开模型最高成绩为70.7分。VLX-VR在取得78.8%准确率的同时，推理逻辑一致性达96.2%。测试数据显示，其在5分钟以下、5至15分钟、15分钟以上三个时长区间的准确率分别为76.70%、78.73%和80.92%，跨时长准确率方差为2.97，打破了行业在长视频理解领域的普遍瓶颈。

此次结果延续了OmAI联汇在视觉推理领域的技术脉络。2025年2月，该公司在GitHub开源视觉推理模型VLM-R1，首次将DeepSeek-R1的强化学习推理框架引入视觉领域。作为端侧流式多模态模型VLX家族的最新成员，VLX-VR在VLX“看见、看清、行动”的物理AI闭环之上，进一步延展出面向长视频深度推理的“看懂”能力。