O Instituto de Inteligência Artificial de Pequim, em colaboração com a Universidade Jiao Tong de Xangai, a Universidade do Povo Chinês, a Universidade de Pequim e a Universidade de Ciência e Tecnologia de Pequim, lançou um modelo de compreensão de vídeo longo chamado Video-XL. Este modelo demonstra uma capacidade central dos modelos multimodais e representa um passo fundamental em direção à inteligência artificial geral (AGI). Em comparação com os modelos multimodais existentes, o Video-XL demonstra desempenho e eficiência superiores no processamento de vídeos com mais de 10 minutos de duração.