Thinking-with-Video 是视频领域的开源项目，由 tongjingqi 开发，2025 年首次发布。
它收录于视频分类，该分类目前共有 472 个项目，GitHub 星标数为 320。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-03。Apache-2.0许可证，可免费使用和部署。
它主要面向的使用场景是：多模态AI研究，探索视频生成与推理结合。同类可对比的替代方案包括 VideoPoet、CogVideo、ModelScope。
Thinking-with-Video
用视频生成提升 AI 推理，挑战 GPT-5
Thinking-with-Video 是一个探索视频生成与多模态推理结合的新范式项目。它提出利用视频生成模型来增强 AI 的推理能力，并发布了 VideoThinkBench 基准测试集，用于评估模型在视觉谜题和多模态理解上的表现。项目显示 Sora-2 在眼球谜题上比 GPT-5 高 10%，在 MMMU 上达到 69% 准确率。核心能力包括视频生成驱动的推理、基准测试工具，以及多模态模型对比分析。旨在解决传统文本推理在动态视觉场景中的局限，推动 AI 从静态理解走向动态推理。
开源
free
视频生成
GitHub 星标
★ 320
维护状态
较活跃
是否开源
是
定价模式
free
项目数据
分类视频生成
开发团队tongjingqi
所属国家
定价模式free
价格说明开源项目，Apache-2.0许可证，可免费使用和部署。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型multimodal-reasoning,sora,sora2,video-generation
GitHub 星标★ 320
30天Star增速
HF 下载量
上线时间2025-11-06 00:00:00
最近更新2026-09-03 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2
使用教程
核心亮点
- 提出新颖的'视频思考'范式，将视频生成用于推理，而非单纯内容创作
- 发布 VideoThinkBench 基准，为多模态推理评估提供新工具
- 实验数据亮眼，Sora-2 在特定任务上超越 GPT-5，展示潜力
不足之处
- 项目尚处早期，文档和社区支持待观察
- 依赖特定模型（如 Sora-2），泛化性未充分验证
适用场景
- 多模态 AI 研究，探索视频生成与推理结合
- 视觉谜题和动态场景理解基准测试
- 对比不同视频生成模型的推理能力
替代项目
VideoPoet、CogVideo、ModelScope
项目介绍
同类项目推荐
MoneyPrinterTurbo
开源
输入一句话，高清短视频自动出炉，文案配音全包了
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short ···
seedance-2.0-api
开源
快速上手字节Seedance 2.0，文本/图片一键生成视频
Seedance 2.0 API — text-to-video and image-to-video examples
openscreen
开源
免费无水印录屏做演示，替代 Screen Studio
Record your screen, ship a demo. Free and open-source, GPU-accelerated, no watermark···
auto-subs
开源
在剪辑软件里直接生成字幕，省去导出导入的麻烦
On-device subtitle generation that connects directly to DaVinci Resolve, Premiere, a···