Stage‑2 · 火山云四模型 1 FPS 同批 50 条审核

同一批 50 个事件窗口 · 逐秒采样 · 最多 300 张原始输入帧 · 同一 USER prompt · 单次图像请求 · 均在火山云 100 的四节点运行
准确率按“物体、动作、时间”三项全通过计算；证据不足单列。JSON 可解析性与关键字段、时间边界核查另计；后者不等于全流程验收。AWQ 为现有 Stage‑2 量化权重，BF16 与 Flash‑Next 使用各自原始权重；thinking 参数为 xhigh。此表只代表固定抽样的 50 个窗口。推理耗时按每个窗口的请求耗时计算，长度重试时相加；不含权重加载。查看此前 AWQ 1 FPS 审核　查看 Flora 原生 TARGET 审核（39/50）　查看四模型错误分析
准确率审核口径：每个事件级视频窗口记 1 票
  1. 操作物体是否对
    被操作物体的类别、可见区分特征与画面一致，不混淆同类实例。
  2. 动作与顺序是否对
    overall_caption 和各段 segment_caption 描述的可见动作及先后顺序正确，不增加画面无法证实的结果。
  3. segment 时间是否对
    起止时间覆盖所述交互；物体切换、接触边界没有明显错位。1 FPS 采样允许约 1 秒不确定性。
三项均通过、所有主要片段都能对应到视频，窗口才判“准确”；任一主要片段有实质错误，整个窗口判“不准确”。证据不足单列。表中百分比不是逐 segment 准确率，也不是边界 F1。