SALMONN 家族在首个通用音频理解模型（ICLR 2024）和首个全要素音视频理解模型 video-SALMONN（ICML 2024）基础上再次迎来重磅扩容， 霸 榜各大音视频理解榜单！ 机器之心报道 机器之心编辑部 全新一代 video-SALMONN 2/2+、 首个开源推理增强 型音视频理解大模型 video-SALMONN-o1（ICML 2025）、 首个高帧率 视频理解大模型 F-16 （ICML 2025），以及 无文本泄漏 基准测试 AVUT（EMNLP 2025） 正式发布。新阵容在视频理解能力与评测体系全线突破，全面巩固 SALMONN 家 族在开源音视频理解大模型赛道的领先地位。 图像由 Nano-Banana 生成 新旗舰登场 video-SALMONN 2+ video-SALMONN 2+ 是 首个专注于高质量、完整视频描述 的音视频大语言模型。通过原子事件级的评估体系与 MrDPO 多轮强化学习优化，它大幅减少 信息遗漏和幻觉。在字幕完整性和准确性指标上取得最好结果（SOTA）。 | Model | Modalitv | | Our Caption Benchmark | ...