一、支持的模型
TokenHub 提供多款支持视频理解能力的模型，涵盖专用多模态模型与具备多模态能力的语言模型。完整模型列表及能力说明，请参见 模型列表。
二、支持的 API
平台兼容 OpenAI Chat Completions 协议（/v1/chat/completions），视频以 video_url 类型块传入。详细参数与调用示例，请参见 OpenAI Chat Completions 协议字段说明。
三、视频传入方式（URL / Base64）
视频支持通过 URL 或 Base64 两种方式传入，视频数据填入 video_url 的 url 字段。建议优先使用 URL 方式；各模型对 Base64 的支持情况见下方注意。
请求结构（URL 方式）：
{ "type": "video_url", "video_url": { "url": "https://example.com/video.mp4" }}
Base64 方式示例（将视频读取为二进制后做 Base64 编码，以 data:video/mp4;base64,<编码> 形式填入 url）：
{ "type": "video_url", "video_url": { "url": "data:video/mp4;base64,AAAAIGZ0eXB…（省略大量编码内容）" }}
四、调用示例
下面示例均使用 OpenAI Chat Completions 协议（POST /v1/chat/completions），视频通过 content 中的 video_url 类型块传入，支持单视频与多视频两种输入。
注意：说明：
五、URL 传入（HY-Vision-Video）
cURLPythoncurl -X POST 'https://tokenhub.tencentmaas.com/v1/chat/completions' \\ -H 'Authorization: Bearer YOUR_API_KEY' \\ -H 'Content-Type: application/json' \\ -d '{ "model": "hunyuan-turbos-vision-video-20250728", "messages": [{"role": "user", "content": [ {"type": "video_url", "video_url": {"url": "https://example.com/video.mp4"}}, {"type": "text", "text": "请描述视频的内容"} ]}], "stream": false }'from openai import OpenAIclient = OpenAI( api_key="YOUR_API_KEY", base_url="https://tokenhub.tencentmaas.com/v1",)response = client.chat.completions.create( model="hunyuan-turbos-vision-video-20250728", messages=[{ "role": "user", "content": [ {"type": "video_url", "video_url": {"url": "https://example.com/video.mp4"}}, {"type": "text", "text": "请描述视频的内容"}, ], }],)print(response.choices[0].message.content)
响应示例：
{ "choices": [ { "index": 0, "message": { "role": "assistant", "content": "视频以一个黑暗的、抽象的图像开始，逐渐过渡到一个雪景，一个孤独的身影在雾蒙蒙的山地地形中穿行。场景转移到一个昏暗的室内环境，一个留着胡须的老人和一个红发年轻女子正在进行对话。然后焦点转移到户外，年轻女子在一个破败的城市景观中穿行，遇到了一只巨大的飞行生物。她与这只生物互动，最终骑上它飞越广阔的沙漠景观。视频以一个标题卡结束，上面写着“SINTEL”，接着是另一个标题卡，宣布“即将上映”，" }, "finish_reason": "stop" } ], "usage": { "prompt_tokens": 3077, "completion_tokens": 120, "total_tokens": 3197 }}
六、Base64 传入（Kimi K3）
混元视频模型不支持 Base64，以下改用实测支持 Base64 的 Kimi K3 演示。将视频读取为二进制后做 Base64 编码，以 data:video/mp4;base64,<编码> 形式填入 video_url 的 url 字段。
Pythonimport base64from openai import OpenAIclient = OpenAI( api_key="YOUR_API_KEY", base_url="https://tokenhub.tencentmaas.com/v1",)with open("example.mp4", "rb") as f: base64_video = base64.b64encode(f.read()).decode("utf-8")response = client.chat.completions.create( model="kimi-k3", messages=[{ "role": "user", "content": [ {"type": "video_url", "video_url": {"url": f"data:video/mp4;base64,{base64_video}"}}, {"type": "text", "text": "请描述视频的内容"}, ], }],)print(response.choices[0].message.content)
响应示例：
{ "choices": [ { "index": 0, "message": { "role": "assistant", "content": "视频展示了一段动画短片的预告，画面从一个黑暗的抽象场景开始，逐渐过渡到雪景，一个孤独的身影在雾蒙蒙的山地中穿行，随后进入室内对话场景，最终骑乘飞行生物飞越沙漠，并以“SINTEL”标题卡结束。" }, "finish_reason": "stop" } ], "usage": { "prompt_tokens": 2735, "completion_tokens": 80, "total_tokens": 2815 }}
七、多视频输入
在 content 数组中并列多个 video_url 块即可实现多视频输入，可用于视频对比、多段联合理解等场景。以下以 Kimi K3 为例（实测支持多视频）。
注意：说明：
cURL（多视频 URL）Python（多视频 URL）Python（多视频 Base64）curl -X POST 'https://tokenhub.tencentmaas.com/v1/chat/completions' \\ -H 'Authorization: Bearer YOUR_API_KEY' \\ -H 'Content-Type: application/json' \\ -d '{ "model": "kimi-k3", "messages": [{"role": "user", "content": [ {"type": "video_url", "video_url": {"url": "https://example.com/video_a.mp4"}}, {"type": "video_url", "video_url": {"url": "https://example.com/video_b.mp4"}}, {"type": "text", "text": "这两个视频内容一样吗？用一句话回答。"} ]}], "stream": false }'from openai import OpenAIclient = OpenAI( api_key="YOUR_API_KEY", base_url="https://tokenhub.tencentmaas.com/v1",)response = client.chat.completions.create( model="kimi-k3", messages=[{ "role": "user", "content": [ {"type": "video_url", "video_url": {"url": "https://example.com/video_a.mp4"}}, {"type": "video_url", "video_url": {"url": "https://example.com/video_b.mp4"}}, {"type": "text", "text": "这两个视频内容一样吗？用一句话回答。"}, ], }],)print(response.choices[0].message.content)import base64from openai import OpenAIclient = OpenAI( api_key="YOUR_API_KEY", base_url="https://tokenhub.tencentmaas.com/v1",)def load_b64(path): with open(path, "rb") as f: return base64.b64encode(f.read()).decode("utf-8")video_a = load_b64("example_a.mp4")video_b = load_b64("example_b.mp4")response = client.chat.completions.create( model="kimi-k3", messages=[{ "role": "user", "content": [ {"type": "video_url", "video_url": {"url": f"data:video/mp4;base64,{video_a}"}}, {"type": "video_url", "video_url": {"url": f"data:video/mp4;base64,{video_b}"}}, {"type": "text", "text": "这两个视频内容一样吗？用一句话回答。"}, ], }],)print(response.choices[0].message.content)
响应示例（多视频 URL）：
{ "choices": [ { "index": 0, "message": { "role": "assistant", "content": "是的，这两个视频内容完全一样，都是Blender Foundation出品的动画短片《Sintel》的预告片，画面、场景和时间戳均相同。" }, "finish_reason": "stop" } ], "usage": { "prompt_tokens": 87121, "completion_tokens": 95, "total_tokens": 87216 }}
注意：说明：
八、支持的视频格式
已验证兼容性最佳、推荐优先使用的格式为 MP4（H.264 / H.265 编码）、MOV、AVI 等主流封装；部分厂商视觉模型同时支持 MKV、WebM 等更多常见封装，具体支持的格式范围因模型而异。
如需使用上述常见格式以外的视频，建议在接入前自行实测验证，确认模型可正常解析后再正式使用。
九、视频数量说明
单次请求可传入的视频数量受限于所选模型的上下文窗口（Context Window）。视频会被采样为若干帧参与推理，当输入总 Token（视频帧 + 文本 + 输出）超过模型上下文窗口时，信息会被截断或请求被拒绝。
模型上下文窗口请参见 模型列表。
数量说明：
·当前视觉模型普遍为单次请求传入 1 个视频；已实测支持多视频输入的模型：Kimi K3、Kimi K2.6、Kimi K2.7 系列、Qwen3.5-Flash，可用于视频对比、多段联合理解等场景。
十、视频文件大小
TokenHub 平台侧限制：无论是通过 URL 方式还是 Base64 方式传入视频，TokenHub 对单个视频文件的大小均限制不超过 100 MB，单次请求的请求体总大小同样不超过 100 MB。使用 Base64 编码时，数据体积会膨胀约 33%，多视频场景下需注意累加后不超过请求体上限。TokenHub 对图片上传不施加特殊限制；对视频仅限制单个文件大小不超过 100 MB。因此，视频的尺寸、数量、格式、时长等上限普遍来自模型侧（模型的上下文窗口及其自身约束）。实际可用范围请以所选模型的说明及调用返回为准。
三方模型限制：三方视觉模型（Kimi / DeepSeek / MiniMax / GLM / Qwen 等）对视频大小、时长的具体限制各不相同：多数模型对单视频大小设有明确上限（常见为数十 MB 量级，部分通过文件上传接口可放宽至数百 MB）；对视频时长也常有限制（从数十秒到数十分钟、乃至更长不等）。Base64 方式通常受单条数据大小约束，可用上限一般低于 URL / 文件上传方式。请参见对应模型调用指南或其产品文档，并以实际调用返回为准。