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。

本文介绍了如何利用AI辅助开发多模态搜索应用，展示了Amazon Bedrock上TwelveLabs Marengo Embed 2.7模型的能力。该系统支持文本、图像、视频和音频的跨模态搜索，开发者无需手动编码，从而提高创意效率，降低人力成本，适用于游戏和广告等行业。

TwelveLabs 视频理解模型已在 Amazon Bedrock 上线，支持视频搜索、分类和总结。用户可通过自然语言查找视频特定时刻并生成描述性文本，提升视频分析能力，适用于各行业的视频工作流。

Twelve Labs Embed API和Databricks Mosaic AI Vector Search集成解决视频AI挑战，提高处理效率和内容表示准确性。集成简化部署架构，提高工作流效率，扩展Databricks生态系统。用户可使用自然语言探索视频库内容，生成视频摘要。集成开辟视频AI新可能性，包括内容推荐、视频搜索和内容审核工具。

Twelve Labs提供视频理解API，从视频内容中提取洞察力。他们提供视频搜索、分类、摘要、问答等功能。LangChain发布了LangGraph v0.1，这是一个构建主动和多主体应用程序的框架。LangGraph Cloud提供可扩展的基础设施，用于部署LangGraph代理。开源对话视频代理Jockey现在使用LangGraph和Twelve Labs API来提高可扩展性和功能性。Jockey的架构包括监督者、规划者和工作者，可以高效处理与视频相关的任务。通过修改提示、扩展状态或添加新的工作者，可以定制Jockey。LangGraph和Twelve Labs API的结合使Jockey能够处理视频理解和操作任务。

本文介绍了实时视频异常检测的构建过程，包括评分、治理和部署。通过三层处理将原始分数转化为事件，确保基线准确性。使用Qdrant和Twelve Labs进行视频嵌入和检索，支持跨时间和地点的查询。系统在UCF-Crime数据集上表现优异，有效检测多种异常事件。