多模态分析评审台
多模态分析 · 同一份材料对比

同一份输入,
四个模型怎么理解。

先确认原视频和相同的前置提示词,再对照四份完整结果。暂时推荐 Doubao-Seed-2.1-pro 和 Gemini 3.1 Pro:前者负责画面与结构,后者补足声音分析。

原视频:在 TikTok 查看

相同的前置提示词

先看清输入,再比较模型回答。

本次样例只输入原视频和同一份前置提示词,没有另外上传图片。项目本身支持拆解图片或视频;本次选择视频,是因为视频同时包含画面、声音和时间变化,比单张图片更复杂,也更能代表多模态分析能力。

34.7 秒竖屏视频含声音MP44.95 MB
① 原视频34.7 秒 MP4,可在左侧直接播放
② 相同的前置提示词角色、证据规则、分析维度与固定输出结构
原始视频source-video.mp4
完整的前置提示词同一版本
2.1-pro260628
2.1-turbo260628
Seed-Evolving基于 20260714
Gemini 3.1 Pro首轮 MM01

相同的前置提示词

先用六个小块了解它要求模型做什么,需要复跑时再展开完整原文。

角色:只拆解视频先说明实际接收能力事实、推断、待确认分开画面、文字、声音都要看按固定七部分输出禁止广告与改写建议
展开查看完整的前置提示词
正在加载…

注意:我们能确认四个模型使用了相同的视频和前置提示词。模型原文里出现的“抽帧”或“关键帧”,指平台可能从视频内部提取的画面,不是另外上传的图片;平台是否把同样的声音内容交给每个模型,仍不能确认。

快速比较

四个模型,各有侧重

暂时选择 Doubao-Seed-2.1-pro 和 Gemini 3.1 Pro。Doubao-Seed-2.1-turbo 与 Doubao-Seed-Evolving 暂不作为首选。

暂时推荐 · 画面与结构

Doubao-Seed-2.1-pro

回答最长,对细节分析最多;同时也最倾向认为七喜瓶里装的是私酒。

5.34 秒开始回答
5 分 26 秒全部完成
最长回答篇幅
速度更快

Doubao-Seed-2.1-turbo

速度和完整度比较均衡,对听不到的声音大多写成“无法确认”;但后面仍有少数说得太肯定的地方。

5.85 秒开始回答
4 分 06 秒全部完成
最快输出速度
最早完成

Doubao-Seed-Evolving · 基于 20260714

最早开始、最早结束,也提出了两种不同解释;但它说自己听到了原始声音,这与另外两个模型的说法不一致。

4.50 秒开始回答
3 分 43 秒全部完成
最短回答篇幅
暂时推荐 · 声音与声画关系

Gemini 3.1 Pro

明确表示收到完整视频与可用原音轨,覆盖 34.7 秒全片。声音信息较完整;但首轮没有通过最新版运行时契约,不能当作链路最终通过结果。

1 分 29.744 秒响应完成
70.24 tokens/s输出速度
直接对比

四份回答的主要区别

除了文风,更重要的是看它们有没有把猜测说成事实。

维度2.1-pro2.1-turboSeed-Evolving
基于 20260714
Gemini 3.1 Pro
它说自己收到了什么只有视频画面,没有原始声音只有视频画面,没有原始声音说自己能清楚听到原始声音压缩后的完整时长视频与可用原音轨,能听到吞咽声和咳嗽声
它认为视频在讲什么外来者慢慢懂得当地不公开的做法,最后变成熟悉规则的人外来者逐渐发现公开说法和实际情况不同,最后可能找到了私下渠道同时保留“适应无酒生活”和“找到私酒”两种解释外来者从天真游客变成掌握灰色生存技能、分享违禁品的局内人
有没有把猜测说得太肯定有些地方把“很可能”写得接近事实大部分比较谨慎,后面仍有少数说得太确定解释比较开放,但声音部分是否可靠需要先确认有分证据等级,但仍包含外貌身份推断、未经核验的文化结论和投放建议,因此未通过最新版运行时契约
适合怎么用暂时选择:画面、结构和创意方法主底稿暂不作为首选,仅作速度参考暂不作为首选,仅作不同解释参考暂时选择:补足 Doubao-Seed-2.1-pro 缺少的声音和声画关系分析
当前选择:暂时选择 Doubao-Seed-2.1-pro 和 Gemini 3.1 Pro。Gemini 3.1 Pro 用可用原音轨分析,补足 Doubao-Seed-2.1-pro 没有收到原始音轨所造成的声音分析缺口;但这份 Gemini 首轮结果没有通过最新版运行时契约,目前只作为原始结果参与比较。两份结果中关于瓶中液体、当地习惯和具体语言含义的判断仍需要外部核验。
完整回答

模型名称固定在每一列顶部

页面展示四份完整原文,方便回看测试过程;暂时选择 Doubao-Seed-2.1-pro 和 Gemini 3.1 Pro。Gemini 展示的是首轮 MM01 原始结果,并附有运行数据与未通过最新版运行时契约的说明。

每列可以各自上下滚动,适合逐段对照。

正在加载…

读取完整模型输出

正在准备四份完整报告…