Pegasus 1.6 NEW

通用多模态模型看视频，本质是把视频拆成一堆图片逐帧描述；Pegasus 从设计之初就是视频模型，能顺着时间线理解因果与叙事。1.6 这次更新，补的是三块过去明显的短板。

Pegasus 1.6 是什么？

它是 TwelveLabs 的视频语言模型最新版本，2026-10-06 发布。输入一段视频，输出结构化、带时间戳的文本——摘要、标签、事件、时间点，schema 由你的应用决定。

这次更新了什么

• 第一人称视频：终于支持 egocentric 素材，比如执法记录仪、机器人机载相机、遥操作录像，这类数据正是具身智能团队要标注和训练的。
• 实体识别：对人、角色与物体的识别与命名明显更准，长视频里不容易把人物搞混，这对内容编目与安防复核是硬需求。
• 原生图像：图片不再需要单独建一条流水线，同一个 API、同一个模型、同一套 prompt 就能处理，产品图配产品视频这类场景少维护一套系统。
• 长时序：单次调用可推理最长两小时的视频，并直接给出时间戳，不用自己切片再拼接。

价格与平台

按存储加工作量计费：Free $0 含 3GB，Plus $29/月含 50GB，Pro $99/月含 200GB 且可开启超额，企业版按合同定制。已接入 Pegasus 的项目不用改代码，SDK、prompt 与 API 都兼容。

值不值得用？

优点是专业分工带来的效果差异：长视频的时序推理、时间戳结构化输出、实体一致性，都是通用模型做不稳的部分；这次升级还顺手解决了第一人称素材与图像处理两个缺口。缺点是它是 API 产品，不是成品工具，需要开发投入；成本随视频量线性上涨，Free 档只够验证；对只需要「总结一下这个短视频」的用户来说属于过度配置。

使用建议

先用 Free 档上传两三条典型长视频，验证时间戳与实体识别的准确度，再估算每月 GB 与调用量选档；第一人称素材建议单独建索引对比效果。

适合谁用？

推荐给媒体体育、安防复核、机器人与具身智能团队，以及需要在产品里集成视频理解能力的开发者；个人内容创作者用通用模型更划算。