TwelveLabs于2025年12月1日发布了Marengo 3.0视频基础模型，具备视频理解、物体追踪和时空推理功能，存储成本降低50%，索引速度提升2倍。该模型支持多模态查询，适用于体育、媒体和公共安全等领域，现可通过Amazon Bedrock访问。

ViSpeak推出的实时视觉反馈系统通过结合视觉指令与语言模型，提升视频理解准确率2.67%。该系统有效处理动态视频内容，显著改善物体追踪和视频导航等应用的性能。