TWITTER / X
NJU MCG 开源 VideoJev-4B：直接决策式视频问答模型，官方称多项基准同规模第一
ModelScope 官方账号发布 VideoJev-4B：一款基于 Qwen3.5-4B 的视频决策模型，采用直接对候选答案和时间区间评分的方式完成多选视频问答与时间定位。发布方称其在 LVBench、Video-MME、LongVideoBench、MLVU 四个基准上排名 60 亿参数以下模型第一，支持 256K 上下文，并以 Apache 2.0 许可证开源 BF16 权重、训练评测代码和演示。模型与论文已在 ModelScope 上线。
AI 解读
这是一条模型发布/推广帖（由 ModelScope 官方账号发布），介绍 VideoJev-4B：基于 Qwen3.5-4B 的视频决策模型，采用直接评分候选答案与时间区间的方式完成多选视频问答与时间定位，而非长文本生成。原文明确陈述：在 LVBench、Video-MME、LongVideoBench、MLVU 四个基准上位列 60 亿参数以下模型第一（注意：此排名为作者/发布方声称，未附评测细节，报道中应标注为官方说法）；支持最高 256K 上下文；以 BF16 权重、训练与评测代码、快速上手 demo 一并发布，采用 Apache 2.0 许可证，可通过 ModelScope 获取模型与论文。行业影响（推断部分）：直接决策式视频问答省去长生成与后处理环节，对需要把视频理解能力嵌入工作流（如审核、检索、安防）的应用方更易集成；Apache 2.0 加本地权重也有助于私有化部署。另需注意，"Qwen3.5-4B" 这一型号命名为发布方表述，未见其他佐证。
推文原文
VideoJev-4B brings direct decision-making to video understanding. Qwen3.5-4B based video decision model for temporal grounding and multiple-choice video QA. 🤖 https://modelscope.ai/models/MCG-NJU/VideoJev-4B 📄 https://modelscope.ai/papers/2610.18615 🏆 Video QA leader at its scale: Ranks #1 among sub-6B models on LVBench, Video-MME, LongVideoBench, and MLVU. ⚡ Direct decisions, not long generations: Scores candidate answers and time spans directly, making video QA and event localization easier to integrate into workflows. 🎬 Find the moment, pick the answer: Locates when an event occurs in video and answers multiple-choice questions with calibrated probabilities. 🧠 Long-video ready: Supports up to 256K context in the official video QA evaluation setup. 🛠️ Ready for local use: Released with BF16 weights, training and evaluation code, plus a quick-start demo. 📜 Apache 2.0.