- Универсальный формат —
video_url:{"type": "video_url", "video_url": {"url": "data:video/mp4;base64,..."}}работает с Seed, Qwen, Kimi, MiniMax и Gemini. Более старый форматimage_url+data:video/mp4, описанный в ранних версиях этой страницы, работает только с Gemini — все остальные модели возвращают 400. - GPT, Grok, Claude, GLM и DeepSeek не принимают видео на вход. GPT и GLM незаметно отбрасывают видео и все равно возвращают 200, причем GPT может даже выдумать правдоподобный ответ — см. раздел «Модели, не поддерживающие видео».
- Gemini не принимает обычные публичные URL видео: модель может вернуть
Request contains an invalid argumentлибо вернуть 200 с незаметно отброшенным видео (prompt_tokensсоставляет всего несколько десятков) и ответить, что не видит видео, или даже описать его как черный экран; Seed, Qwen и Kimi могут принимать публичный https URL напрямую.
Визуальное тестирование API
Доверьте интеграцию ИИ-агенту
Скопируйте этот prompt и вставьте его в Codex / Claude Code / Cursor
Сначала он загрузит текстовую версию этой страницы (добавьте .md к любому URL документации), а затем напишет код под стек вашего проекта: универсальный формат video_url, ограничение Gemini на отсутствие публичных URL и лимит в 20 МБ, а также проверка prompt_tokens, подтверждающая, что видео действительно дошло до модели, уже заложены в требования.
Интегрируйте или отладьте понимание видео в этом проекте: отправьте видео мультимодальной модели для саммари, описания сцен, анализа действий или привязки к таймкодам.
Изучите документацию перед тем, как писать код: загрузите https://docs.apiyi.com/en/api-capabilities/video-understanding.md для получения текстовой версии этой страницы. Для ссылок на YouTube также изучите страницу gemini/native с …
- Эндпоинт и формат: используйте совместимый с OpenAI
POST https://api.apiyi.com/v1/chat/completionsи всегда передавайте видео как …
Всего 9 требований. Используйте кнопку ниже, чтобы скопировать prompt целиком.
От каких ошибок защищает этот prompt
От каких ошибок защищает этот prompt
Поддерживаемые модели
Эти результаты получены в ходе тестов, проведенных 2026-10-11 (UTC+8): один и тот же 10-секундный тестовый ролик (разные цифра и фигура каждые 2,5 секунды) отправлялся в каждую модель, которая должна была перечислить цифры по порядку с их временными метками. В качестве контроля использовалось пустое изображение, чтобы исключить ответы, сгенерированные без фактического просмотра видео.gemini-3.7-flash и gemini-3.5-flash, а также проверенная классика gemini-2.5-pro (контекст 2M) и gemini-2.5-flash по-прежнему доступны; 3.8 Flash в нашем тесте израсходовала ровно столько же video tokens, сколько 3.5 Flash (около 713 за 10 секунд), при цене за входные данные в два раза ниже. Показатели задержки и tokens применимы к 10-секундному тестовому клипу 540p, описанному выше; для более длинных видео или видео с более высоким разрешением значения масштабируются примерно пропорционально. Фактическая задержка также зависит от эндпоинта и очередей на стороне провайдера, поэтому для одного и того же клипа время может различаться в 2–3 раза.
Модели, не поддерживающие видео
Способы передачи видео
Быстрый старт: универсальный формат (video_url)
Работает с Seed, Qwen, Kimi, MiniMax и Gemini.
<BASE64_VIDEO> на строку base64 видео или замените весь url на публичный адрес):
Форматы, специфичные для Gemini
Встроенный base64 (устаревшая форма image_url)
Gemini принимает как форму video_url выше, так и форму image_url ниже, поэтому существующий код продолжит работать; для нового кода используйте video_url, чтобы иметь возможность свободно переключать модели.
Встроенный base64 (нативный формат Gemini)
Если в вашем проекте уже используется официальный SDKgoogle-genai от Google, переходить на совместимый с OpenAI формат нет необходимости: направьте base_url на https://api.apiyi.com и встройте видео с помощью Part.from_bytes. Как и выше, общий размер тела запроса должен быть менее 20 МБ.
-d @req.json.
Ссылки на YouTube (нативный формат Gemini)
Ссылки на YouTube не требуют скачивания и на них не распространяется лимит в 20 МБ, однако они работают только через нативный формат Gemini (SDKgoogle-genai, эндпоинт https://api.apiyi.com).
Модели без поддержки видео: кадры как изображения
Для моделей, работающих только с изображениями, таких как GPT и Grok, извлекайте кадры локально с фиксированным интервалом и отправляйте их как несколько изображений. В наших тестахgpt-6-sol, gpt-6-luna, gpt-5.6-terra, grok-4.7 и grok-4.5 корректно описали содержание и последовательность по 4 кадрам. Компромисс: звук и движение между кадрами теряются, и вам нужно самостоятельно указывать тайминг в prompt.
Продвинутые советы
Ссылки на временные метки
Ссылайтесь на фрагменты напрямую в prompt с помощьюMM:SS — это исключительно техника составления prompt, которая работает с любой моделью, поддерживающей видео:
Две причины, по которым ответ может быть недостоверным
① Видео так и не дошло до модели: проверьтеusage.prompt_tokens в ответе. 10-секундный ролик занимает около 5 000 tokens в Seed / Qwen и около 700 в Gemini; если там всего несколько десятков tokens, видео было пропущено (именно это происходит в GPT и GLM, а также в Gemini при передаче публичного URL), и такому ответу доверять нельзя. Модель не обязательно сообщит, что ничего не видит: при передаче публичного URL Gemini описывает отсутствующее видео как «полностью черный экран», а GPT придумывает контент, которого там нет.
② Входные данные некорректны, а prompt предполагает наличие контента: например, был отправлен не тот файл, видео декодировалось в черный или серый экран либо во время интеграции использовалось изображение-заглушка. В этом случае prompt_tokens выглядит абсолютно нормально, поэтому подсчет tokens проблему не выявит.
Идеи prompt для типовых задач
Одно и то же видео может послужить основой для совершенно разного анализа — достаточно лишь изменить prompt без правок в коде:- Краткое содержание: обобщите тему, ключевые сцены и главный вывод в 3–5 предложениях
- Анализ урока: выделите ключевые концепции, разбивку по главам и важные временные метки
- Анализ данных видеонаблюдения: отметьте подозрительное поведение, появляющихся людей/объекты и время их появления
- Маркетинговый анализ: оцените подачу преимуществ продукта, темп и соответствие целевой аудитории
- Анализ движений: разберите этапы действий, особенности позы и области для улучшения
Технические примечания
- Gemini: по умолчанию сэмплирует с частотой 1 кадр в секунду и также обрабатывает аудиодорожку; Gemini 3.x по умолчанию рассчитывает кадры в низком разрешении, что в наших тестах составило около 70 tokens в секунду.
- Seed / Qwen: около 500 tokens в секунду в наших тестах (видео 540p); сэмплирование Seed можно настроить с помощью
fps. - Kimi K3: около 1 400 tokens в секунду в наших тестах, поэтому длинные видео обходятся заметно дороже.
- Поддерживаемые форматы: распространенные форматы, такие как mp4, mov и webm; конвертация в H.264 mp4 обеспечивает наилучшую совместимость.
Часто задаваемые вопросы
Понимают ли GPT, Grok или Claude видео?
Понимают ли GPT, Grok или Claude видео?
Какие китайские модели поддерживают понимание видео?
Какие китайские модели поддерживают понимание видео?
seed-2-0-pro-260328, dola-seed-2-1-turbo-260628, seed-2-0-lite-260428, seed-2-0-mini-260428, seed-1-8-251228), модели Qwen qwen3.8-max, qwen3.8-flash, qwen3-vl-plus и qwen3.5-omni-plus, а также kimi-k3. MiniMax-M3 распознаёт содержимое, но ошибается во временных метках. glm-5.3 и deepseek-v4-flash-vision-exp не поддерживают видео.Тот же самый код возвращает 400 при смене модели?
Тот же самый код возвращает 400 при смене модели?
image_url + data:video/mp4, который принимает только Gemini. Переключитесь на {"type": "video_url", "video_url": {"url": ...}}, и он будет работать со всеми провайдерами.Gemini описывает то, чего нет в моём видео?
Gemini описывает то, чего нет в моём видео?
Публичный URL видео возвращает Request contains an invalid argument / fetch failed
Публичный URL видео возвращает Request contains an invalid argument / fetch failed
https://example.com/video.mp4); это не блокировка со стороны APIYI. Для Gemini используйте встроенный base64 (до 20 МБ) или ссылку на YouTube либо переключитесь на Seed / Qwen, которые умеют загружать публичные URL напрямую. В /v1/chat/completions ошибка возникает не всегда: может вернуться 200 с утверждением модели, что она видит чёрный экран — в этом случае prompt_tokens составляет всего несколько десятков, и результат непригоден для использования.Почему Gemini ограничивает размер запросов 20 МБ? Раньше всё работало.
Почему Gemini ограничивает размер запросов 20 МБ? Раньше всё работало.
Можно ли использовать files.upload для больших видео?
Можно ли использовать files.upload для больших видео?
client.files.upload()) не поддерживается на сторонних эндпоинтах — только на собственных серверах Google. Для больших видео используйте ссылку на YouTube, сжимайте видео до 20 МБ для передачи в base64 или переходите на Seed / Qwen с публичным URL.Что делать с видео размером более 20 МБ?
Что делать с видео размером более 20 МБ?