Thinking-with-Video

用视频生成提升 AI 推理，挑战 GPT-5

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 视频生成 🍴 复刻 6 👀 关注 2
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 320
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源项目，Apache-2.0许可证，可免费使用和部署。

项目预览

Thinking-with-Video 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类视频生成
开发团队tongjingqi
官网地址https://thinking-with-video.github.io
GitHubhttps://github.com/tongjingqi/Thinking-with-Video
定价模式🏷️完全免费
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🔧 仅开源项目，无在线服务，需自行部署
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
上线时间2025-11-06 00:00:00
代码更新2026-08-23
仓库体积4.3 MB
本站数据更新2026-11-08
维护状态维护中
收录时间2026-08-09
浏览次数3

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 320

技术标签

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

上一篇：Awesome-Physics-Cognition-based-Video-Generation

下一篇：vigenair

同类项目推荐

World-R1 开源

给视频生成加上3D物理约束，让画面更稳定不扭曲

[ICML 2026] World-R1: Reinforcing 3D Constraints for Text-to-Video Generation

★ 429 2026-08-09
pireel 开源

让AI代理自动剪辑视频，开源替代CapCut

The open-source alternative to Capcut、ChatCut. Drivable by any AI agent over MCP.

★ 1357 2026-08-09
Phantom 开源

让AI生成的视频里，主角永远不跑偏

Phantom: Subject-Consistent Video Generation via Cross-Modal Alignment

★ 1535 2026-08-09
Diff4Splat 开源

从单图生成可控动态 3D 场景，时空一致。

[CVPR 2026] Diff4Splat: Controllable 4D Scene Generation with Latent Dynamic Reconst···

★ 130 2026-08-09
seedance2.0-how-to 开源

海外访问Seedance 2.0，学会提示词，生成AI视频

A step-by-step guide on how to access Seedance 2.0 (Jimeng/Dreamina) outside China. ···

★ 60 2026-08-09
MotionDirector 开源

上传参考视频，用文本定制生成专属动作视频

[ECCV 2024 Oral] MotionDirector: Motion Customization of Text-to-Video Diffusion Mod···

★ 1063 2026-08-09
HunyuanVideo 开源

写个提示词，电影级视频马上出

HunyuanVideo: A Systematic Framework For Large Video Generation Model

★ 12740 2026-08-09
ArcReel 开源

小说丢进去，角色场景分镜全就绪

AI Agent 驱动的开源可自部署视频工作台：将小说与剧本转为角色、场景、道具资产、分镜、视···

★ 6308 2026-08-09
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···

★ 4514 2026-08-10