Qwen4-Max Preview 能看视频,能找到你要的那一段吗?
用一段长培训视频试试 Qwen4-Max Preview。看看答案能否指到正确场景,以及换用短片段会有什么不同。
一段培训视频说明,要先检查留存状态,再归档记录。四十分钟后,第二次演示打开同一个界面,却跳过了检查步骤。学员想知道哪一段展示了完整操作。答案写得顺畅当然易读,能打开正确位置更有价值。
2026 年 11 月 11 日,QwenCloud 开始限量预览 Qwen4-Max-Preview。这款旗舰模型接收文本、图像和视频,文档标注上下文长度为 100 万 token。预览仅能通过 Token Plan 访问,计划在 UTC+8 的 11 月 25 日 24:00 结束。QwenCloud 表示,届时会停止提供这个模型 ID。QwenCloud 模型文档
这类模型让人可以就一段长录像提问。真正实用的是,它能否把人带到支持答案的确切位置。培训视频提供了一个简单的场景,可以把找对画面、理解画面和解释清楚分别检验。
长上下文增加了可以查找的候选内容
100 万 token 是上下文上限,很难用它预测一段具体视频能传递多少有效细节。视频处理、抽帧方式、文件限制、API 路径和提示词的其他部分,都会影响哪些信息进入请求。两段一样长的视频,观众需要留意的东西也可能很不同。一闪而过的界面,比持续显示几分钟的一节内容更难找。请查看实际使用的端点和输入方式对应的视频输入文档。
QwenCloud 提供结构化输出,也记录了单独控制推理强度的选项。用这些能力可以要求模型以统一格式作答,并比较不同设置。答案与时间点可以先有一个固定结构,证据仍要打开视频,查看那个时间点到底出现了什么。QwenCloud 模型能力说明
设想一段 50 分钟的软件培训视频。同一个归档对话框出现了两次。在真正需要的演示里,讲师先读留存字段,核对一个日期后才继续。在回顾部分,讲师只演示从哪里打开窗口,从未检查该字段。切题的答案应找出完整操作,并指出画面上的标志。只匹配窗口标题,可能把学员带到错误的场景。
围绕这个区别设计评估。每道题请审核者标记有证据的区间、指出可见线索,并注明只凭转录文本能否作答。如果两处内容都提供了充分证据,就把两个区间都标为有效。这样不会错罚能用的另一段。如果答案取决于两个动作的顺序,就把能看见两者的完整区间标出来。
候选时间点可以打开并看到证据时,才有实际价值。Telli.sh 原创插图。
要求给出别人能核实的答案
结构化答案可以很小。给出答案、相对于原视频的起止时间、简短的证据线索描述,以及明确的证据不足状态。界面可以从候选片段开头播放。让审核者先查看画面证据,再读生成的说明,可以减少被看似合理的解释带偏的机会。
请求可以直接写成:“找出完整归档流程。返回该场景的开始与结束时间,指出留存状态字段,并说明日期是否在归档确认之前出现。如果录像没有展示完整步骤,报告证据不足。”字段应当是人看得见、能核对的内容。只有在能检查分数是否与真实结果对应时,才有必要索要“置信度”数值。
可以分别问文字、顺序和没有出现的内容。文字题可以选一个在两个场景中意义不同的可见标签。顺序题可以问明确提示之前或之后出现了什么。缺失题可以问一个看似合理、视频里却从未显示的步骤。模型可能靠常见流程答对普通问题。负例能反映当常规经验与这段录像冲突时,它会怎样作答。
时间戳也要明确定义。如果播放器从零开始,而转录文本采用原录像的时间码,评分前先把它们对齐。如果从长视频里剪出五分钟,要保留片段时间与源视频时间的偏移量。片段里找到 04:15,却打开原片的 04:15,哪怕模型找对了帧,也会制造一个看似可信的错误。
用同一组问题比较全片查找和短片核验
查录像至少有两条可行路径。一种是把整个视频给模型,请它返回候选区间。另一种是按照已知章节切分,用章节名或转录文本挑出几段,再请模型查看这些短片。使用同样的问题与人工标定的参考区间,再比较更大的请求值不值得花时间和成本。
| 方法 | 适合查什么 | 要核验什么 |
|---|---|---|
| 一次请求输入整个视频 | 相距很远的场景里反复出现的操作 | 找对的是哪一次、端到端延迟、是否有未完成输出 |
| 先找章节,再看短片 | 已知主题里很小的画面细节 | 章节选择错误和时间戳偏移 |
| 先看转录文本,再检查画面 | 有旁白和屏幕确认信息的过程 | 口头说明和屏幕操作是否一致 |
用同一组参考场景比较不同的检索路径。Telli.sh 原创插图。
短片路径的试验成本可能较低,但在模型看到证据前,多了一步检索出错的可能。全片查询有机会找出意料之外的章节,也可能只找到大概位置,漏掉关键画面。记录每次遗漏的类型。检索失败就改善章节选择。证据识读失败就改进视频输入或审核步骤。原片时间错误就检查播放器或时间转换。
把找到了区间和答完整了分开,试验会更清楚。先标记建议区间是否与有效参考场景重叠,再检查答案有没有指出正确的字段和动作顺序。可以预先定一个可接受的时间窗,例如缓慢演示允许误差十秒,快速切换则可能要窄得多。把设置和评估结果一起保存,让后续模型按同样的规则衡量。
延迟从用户提出问题开始,直到证据可以播放为止。如果很快返回一段解释却没有可用区间,用户还得再找一次。分别记录首个可用结果和全部处理完成的时间。高价值答案可能值得打开前两个候选。日常问题有正确答案和一个证据链接,往往就够了。
三段相似视频可以暴露三类错误
准备一小组测试,每段录像只放入一种明显的难点。第一段是旁白与屏幕操作一致的演示。第二段的实际按键顺序与口头说明不同。第三段在开头放一处相似场景,真正需要的那一段出现在靠后的位置。模型可能读得懂标准教程,却在学员真正需要帮助的案例中出错。
让答案取决于一个精确的视觉线索。第二段里,旁白说点击“提交”,画面上的按钮却写着“保存为草稿”,文档没有进入审核队列。想提交文档的人需要分清这两件事。分别回答讲师推荐做什么和实际发生了什么,并标记显示最终状态的字段作为证据。正确的时间点应足够早,让人看见界面状态为何变化。
给审核者一张小型判定表。区间正确但解读错误,记为识读错误。解读正确但指到另一段,记为检索错误。故意缺少完整过程的片段上,报告证据不足是正确的;包含清晰完整过程的片段上,这样报告就是错误。单独统计这些情况,避免模型靠拒绝所有难题提高分数。每个版本都用同一套评分。
判断漏读画面文字前,先确认文字可辨认。按预定尺寸打开实际提交的文件,与审核者能看到的帧对比。压缩可能在视频送到模型之前就让状态字段变得模糊。如果全片查询总能找对章节却看不清某个小细节,试一试裁切片段。这样能了解提高局部画面细节,是否比重新发送整段录像更有帮助。
对培训团队来说,证据区间能缩到多短也要编辑判断。五秒可能展示最终状态,却漏掉导致这个状态的决定。标明学员是否需要看到之前的菜单选择、警告信息或确认页面。播放器就能把人带到既能证明答案、又能解释操作的一段。
把预览期当作评估窗口
QwenCloud 使用的模型 ID 是 qwen4-max-preview。模型页写明只能通过专用的 Token Plan 访问,预览不支持按量计费。官方文档列出了兼容的 OpenAI 风格 Chat Completions 和 Responses,以及 Anthropic 风格 Messages。沿用原来只为文本设计的客户端前,先查所选协议的视觉输入规则。QwenCloud 预览访问说明
QwenCloud 还给出了 393,216 token 的最大输出,推理和最终回答共用这份额度。在兼容 Chat Completions 的接口中,最大生成预算包括两者。做这项试验时,要求答案简短,并留意未完成的输出。只想找出一段 20 秒画面的人,很少会从更长的输出上限获益。比较推理设置时,固定视频、问题和验证规则,避免把输入规模的变化当成推理质量的变化。
选择获准上传给服务的视频。虚构的软件教程或公开培训片,就足以试验查找证据。可以让两次演示看起来相似,只在一处有意改变,同时不携带客户数据或内部流程。如果以后确实需要使用工作录像,先核对提供商现行的数据条款和团队的上传权限,再纳入试验。
让评估在预览结束后也能使用。把文件引用、章节边界、参考区间、问题与评分决定,连同模型 ID 和日期一起保存。媒体文件放在自己获准使用的存储位置。以后要比较接替它的模型,最费工夫的部分,也就是这批已经人工核验过的样例,已经准备好了。
证据链接就是用户的入口
长上下文让尝试一种新的场景查找方式成为可能。准确、可播放的区间才能把结果交给下一位使用者。培训团队更值得做的试验是:学员能否直接到达正确位置,弄懂操作,而不必重新看一遍整堂课。预览结束后,这套试验仍然有效。
来源
想把培训笔记与基于笔记作出的决定整理成可检索的记录,可以创建 Telli.sh 账户。