艾伦人工智能研究所（Ai2）近日重磅发布全新开源视频语言模型 Molmo2 系列，这一系列创新模型及其配套训练数据充分彰显了该非营利机构在开源领域的坚定决心与持续投入。在当前企业日益关注模型使用自主权的背景下，此次发布无疑为业界带来了重大利好消息，为模型开发者提供了更多掌控权和灵活性。
Molmo2 系列涵盖了多种模型版本，其中 Molmo2-4B 和 Molmo2-8B 分别基于阿里巴巴 Qwen3 语言模型构建，而 Molmo2-O-7B 则是完全开源的 Ai2Olmo 语言模型版本。这些多样化的模型选择能够满足不同应用场景的需求，为开发者提供更丰富的技术支持。除了核心模型之外，Ai2 还同步推出了九个全新的数据集，包括多图像和视频输入的长格式质量保证数据集，以及开放的视频指向和跟踪数据集，为模型训练提供了更丰富的数据资源。
Molmo2 最引人注目的特点在于其显著增强的功能。根据 Ai2 的详细介绍，Molmo2-O-7B 模型具有高度透明性，支持用户进行端到端的深入研究和定制化开发。这意味着用户可以全面访问视觉语言模型及其语言学习模型（LLM），从而根据具体需求灵活调整模型参数，实现更精准的应用效果。Molmo2 模型能够支持用户就图像或视频内容提出问题，并基于视频中识别的模式进行智能推理。Ai2 感知推理与交互研究主管 Ranjay Krishna 指出，这些模型不仅能给出答案，还能在时间和空间维度上明确标注事件发生的具体时刻，为用户带来更直观的交互体验。
除了强大的推理能力外，Molmo2 还具备多项实用功能，包括自动生成描述性字幕、精准追踪物体数量，以及检测长视频序列中的罕见事件等。这些功能极大地拓展了视频语言模型的应用范围，为内容创作、视频分析等领域提供了新的技术解决方案。用户可以通过 Hugging Face 和 Ai2Playground 平台体验 Molmo2 模型，后者是 Ai2 专门搭建的模型体验平台，集成了多种实用工具和前沿模型，为开发者提供一站式的技术体验。
此次 Molmo2 系列的发布再次彰显了 Ai2 对开源技术的坚定承诺。分析师 Bradley Shimmin 指出，在当前重视数据主权的时代背景下，模型相关数据和权重的开放共享对企业至关重要。Molmo 系列模型参数控制在 40 亿或 80 亿个范围内，参数规模适中，既保证了模型性能，又降低了企业应用成本，使其更具市场竞争力。Shimmin 强调，企业正在逐渐认识到，模型大小并非唯一关键指标，训练数据的透明度和模型的可定制性同样重要，这些因素将直接影响企业的技术选型和应用效果。
项目官网：https://allenai.org/blog/molmo2
划重点：
1. 🚀 Ai2 发布 Molmo2 系列开源视频语言模型，显著增强企业对模型使用的掌控能力。
2. 🎥 新模型支持多图像和视频输入，具备事件推理和生成描述性字幕等强大功能。
3. 📊 Ai2 坚持开源承诺，强调数据透明度和模型定制化的重要性，为企业提供更灵活的技术选择。
