安防监控视频小天梯：夜视红外、周界入侵与跨镜追踪，没人测过的第八类视频

监控视频：被全部公开基准跳过的模态

所有公开视频基准测的都是同一类素材：电影片段、综艺、YouTube 集锦、教学录屏。Video-MME、MVBench、LongVideoBench——没有一份在测监控画面。

这不是疏忽，是三个结构性原因：

• 数据不能公开。 一段有信息的监控录像含人脸、车牌、场所信息与时间戳，受《个人信息保护法》与等保要求约束，进不了任何公开数据集。
• 标注需要安防业务知识。 “翻越”与“徘徊”、“抛物”与“坠物”、“聚集”与“拥堵”的边界，标注规则由安防运维规范定义，不在任何学术词表里。
• 海外没有需求。 周界防范、跨镜追踪、安全生产合规是中国特色场景，英文世界的评测体系里没有对应物。

三条合起来的结果：监控视频理解没有任何公开分数可参考。 而这个场景有真实付费需求——全国视频监控前端存量以亿计，园区、交通、金融网点、工业生产都在买“看得懂监控的模型”。

这份 2026 中国国产原生多模态大模型对比排名天梯榜 32 款模型里，只有一款把监控视频当主训练场景：海康观澜 3。本文为它建一份 8 类安防场景的独立小天梯榜——这不是给它翻案，是记录一个被跳过的模态。

八类安防场景与各自的难点

类别	核心难点	与通用视频的区别
夜视红外识别	红外灰度、低照度噪点、热成像轮廓	通用模型的夜间先验来自街景，不是监控机位
周界入侵检测	小目标、远距离、遮挡频繁、误报控制	考“有没有”和“是不是误报”，不考“发生了什么”
跨镜追踪	同一目标在不同机位的重识别、服装变化、光照跳变	需要跨摄像头的身份一致性，单镜头模型做不到
人流密度与计数	密集遮挡、俯视视角、实时性要求	通用计数先验来自街景人群，密度差一个量级
高空抛物	极小目标、快速下落、复杂背景	帧级定位 + 轨迹回溯，秒级计时是刚需
火焰烟雾	早期小目标、与晚霞/车灯的区分	误报代价极高，考 precision 远高于 recall
车牌识别	运动模糊、夜间反光、污损	识别任务，不是理解任务——和从容的主场重叠
安全生产合规	安全帽、工服、围栏越界的组合判定	组合规则判定，单帧理解不够

第三列是关键：八类里有五类（周界、跨镜、人流、高空、合规）根本不是“视频理解”任务，而是检测、追踪、规则判定的组合。把它们和“看懂视频”放进同一个采购流程，是安防选型最常见的错误。

逐类结果

每类给出前三名与主要失败模式。评分为 0–100 的桌面评估，依据是厂商与集成商口径、安防行业方案案例与公开论文的同类指标。观澜的证据等级是 C，全部数字未经第三方复现——因为没有人能复现：没有公开的监控评测集。

夜视红外识别

1. 海康观澜 3 89 — 红外与低照度是主场，微光场景不掉档
2. 豆包 Seed 2.0 Pro 74 — 夜间街景先验可迁移，红外专属特征缺失
3. Qwen3.8-Max 72 — 通用夜间能力好，热成像轮廓弱

失败模式：把夜间的树影、灯光、小动物判为人形目标；红外与可见光画面混喂时置信度漂移。

周界入侵检测

1. 海康观澜 3 91 — 安防事件召回率 94.2%（厂商口径），误报控制是强项
2. 豆包 Seed 2.0 Pro 70 — 能描述“有人进入”，不会按安防规范分级
3. Qwen3.8-Max 69 — 同上，且延迟高于安防实时性要求

失败模式：把“徘徊”与“经过”混为一谈（安防规范里这是两个事件）；无法输出安防事件码，只给自然语言描述。

跨镜追踪

1. 海康观澜 3 86 — 跨机位身份一致性是硬件闭环的一部分
2. 豆包 Seed 2.0 Pro 68 — 单镜内跟踪稳，换机位即丢失身份
3. Qwen3.8-Max 67 — 同上

失败模式：目标换装后身份断裂；两个机位时间不同步时把同一目标判成两个。

人流密度与计数

1. 海康观澜 3 88 — 俯视视角与密集遮挡的计数先验
2. 豆包 Seed 2.0 Pro 75 — 街景人群计数可迁移，密集档掉分
3. Step-3 68 — 常规密度可用，拥挤场景虚高

失败模式：人群密度超过每平方米 4 人后计数系统性偏低；把静止围观人群误判为滞留事件。

高空抛物

1. 海康观澜 3 84 — 小目标下落检测与轨迹回溯
2. 豆包 Seed 2.0 Pro 72 — 帧级描述可以，轨迹连续性差
3. Keye-VL-2.0 68 — 视频 94 的底子，小目标仍虚

失败模式：把雨滴、飞鸟、树叶判为抛物；能指出“有东西掉落”但给不出落点楼层。

火焰烟雾

1. 海康观澜 3 87 — 早期烟雾与火光的区分，误报控制优先
2. 豆包 Seed 2.0 Pro 76 — 明火识别好，早期阴燃弱
3. SenseNova 6.5 Pro 71 — 专业视觉底子，缺安防火情语料

失败模式：晚霞、车灯、焊接火花触发误报——烟火类误报的代价高于漏报，precision 曲线比召回曲线重要。

车牌识别

1. 云从从容 2 85 — 识别是它的老本行，运动模糊与夜间反光下最稳
2. 海康观澜 3 83 — 硬件协同内完成，纯模型口径略逊从容
3. 豆包 Seed 2.0 Pro 78 — 清晰车牌可用，污损与模糊掉分

失败模式：污损车牌的字符补全（模型会“猜”一个合理车牌——这是识别任务最危险的失败模式）；夜间远光灯直射下整牌过曝。

安全生产合规

1. 华为盘古 5.5 80 — 工业场景交付最多，合规规则库完整
2. 海康观澜 3 78 — 安全帽与工服检测稳，围栏越界组合判定一般
3. SenseNova 6.5 Pro 76 — 视觉检测强，规则组合弱

失败模式：把防晒袖套、头巾判为违规；只报“有人未戴安全帽”，不报位置与时长——而后者才是合规工单需要的字段。

小天梯榜：与总榜的视频排名几乎无关

把八类按安防业务常见度加权（周界 20%、人流 15%、夜视 15%、烟火 12%、合规 12%、跨镜 10%、高空 8%、车牌 8%）：

名次	模型	加权分	总榜名次	视频维度分	落差
1	海康观澜 3	86.5	#27	91（第 7）	−26
2	豆包 Seed 2.0 Pro	72.9	#2	96（第 1）	−1
3	Qwen3.8-Max	71.3	#1	93（第 4）	+2
4	SenseNova 6.5 Pro	68.7	#8	89	+4
5	华为盘古 5.5	68.6	#21	80	+16
6	云从从容 2	67.4	#32	68（无视频模态）	−26

三个结论：

• 总榜第 27 名是这个小天梯的第一名，总榜第 1 名是第三名。 通用视频分数对安防采购几乎没有预测力——观澜的视频维度 91 与豆包的 96 只差 5 分，但在这个小天梯上差 13.6 分。
• 唯一的专业选手只有一名。 这是本站所有小天梯里第一个“只有一款专业模型”的榜单——其余五款都是通用模型顺带做安防。它们能“描述”监控画面，不能按安防规范输出事件码、误报分级与工单字段。
• 视频维度分最低的一款（从容 68，实际无视频模态）排第 6。 它的车牌识别 85 是全类第二——一个没有视频模态的模型，靠识别能力在安防小天梯里排第六。这再次说明“多模态”是一个太粗的词。

监控视频的商品形态：分钟级回溯，不是秒级计时

观澜的 TTA（时序容错面积）只有 54.0，在 长视频理解 的 32 款里排第 9——曲线在粗事件上平、在秒级上陡。±60 秒档 92%，±1 秒档只有 18%。

这不是缺陷，是商品形态：安防运维的回溯需求是“翻越发生在几点几分、持续了多久”，分钟级就够用；秒级计时是赛事剪辑与取证的需求，监控场景里是锦上添花。用计时商品的标准（豆包 ±1 秒档 68%）去要求一个摘要商品，就像用秒表考核日历。

采购含义很直接：如果你的业务是安防监控，验收标准应该是“分钟级事件召回率 + 误报率”，而不是任何通用视频基准的分数。前者观澜 94.2%（厂商口径），后者它排第 9。两个数字都对，只是回答不同的问题。

验收清单：200 段自己的录像

不要相信任何厂商的演示集。从自己的场境挑 200 段，按这个配比：

• 80 段典型样本（昼/夜各半，覆盖全部机位类型）
• 50 段边界样本（红外模式、逆光、雨雾、低照度、镜头污损）
• 40 段对抗样本（小动物、树影、灯光、无人机、人员徘徊）
• 30 段“应该拒答”的样本（模糊到人判不了、目标被完全遮挡）

最后一组最容易被忽略。安防场景里，误报的代价高于漏报，自信的错判比拒答危险一个数量级。 每类记录三项：事件召回率、误报率（每路每天）、输出字段完整度（是否给得出事件码、位置、时长）。只报第一项的验收没有参考价值。

合规门槛：等保、个保法与数据不出域

安防场景的门槛和能力无关，但比能力更硬：

• 数据不出域。 监控录像含个人信息，原则上不出客户场境——这直接排除了所有纯云 API 方案，观澜的行业授权（边缘盒子 + 中心云）正是为这一条设计的。
• 人脸与车牌的单独合规。 两类生物特征信息的采集与使用有单独规范，模型输出若包含结构化人脸特征或车牌识别结果，需要相应的合规路径。
• 等保与日志。 安防系统通常按等保要求运行，模型的调用与输出需要可审计——这要求厂商提供日志接口，而不是黑箱 API。

天梯榜能告诉你哪款看得懂监控画面，不能告诉你哪一款可以进你的机房。 前者是本文的小天梯，后者是 一票否决天梯榜 的 G2——观澜恰好死在那道门上（行业授权，客户拿不到权重）。它的正确采购身份是“随硬件与方案交付的行业授权产品”，不是“一个可自持的模型资产”。这两件事在招标文件里必须分开写。

边界与口径

八类分数为桌面评估，全部来自厂商与集成商口径（证据等级 C），无第三方复现，因为不存在公开的监控评测集。加权比例为本站按安防业务常见度设定，可争议。观澜的档案与逐项依据见 模型页；其通用维度分与 TTA 曲线见 长视频理解。