FlashVID：免训练时空Token合并视频模型开源

FlashVID是高效视频大语言模型的官方实现，核心方法是通过免训练的树状时空Token合并降低视频理解的计算开销，面向视频理解研究与应用开发者。项目采用MIT许可，1月30日发布两类模型代码与演示，1月31日首次公开仓库，提供安装、推理及评测流程。由于合并在推理阶段完成、不涉及重新训练，已有模型可以按论文方法直接套用，用于控制长视频输入的开销。