【GitHub】当视频生成学会思考：OpenCoF 深度剖析——用帧链推理打开视频模型认知之门

论文：OpenCoF: Learning to Reason Through Video Generation作者：Xinyan Chen, Ziyu Guo, Renrui Zhang, Dongzhi Jiang, Hongsheng Li机构：ByteDance Seed, CUHK MMLab, CUHK IMIXR日期：2026年7月10日项目页：https://opencof.github.io/一、介绍：从 Chain-of-Thought 到 Chain-of-Frame大模型的推理能力已经成了核心战场。但到目前为止，"推理"这个词几乎被文本链（Chain-of-Thought, CoT）垄断了——LLM 在文本空间里一步步展开逻辑，最终得出答案。但人类思考问题的方式远不止文字。你下棋的时候，脑子里浮现的是棋盘的变化；你折纸的时候，想的是纸的折叠过程；你推演物理现象的时候，看到的是物体在空间中的运动轨迹。这些推理，天然就是视觉的、时序的。OpenCoF 提出了一个大胆的问题：视频生成模型能不能成为推理引擎？不是让视频模型"生成好看的画面"，而是让它"通过生成画面来推理"。每一帧是推理的一步，帧与帧之间的时序演变构成了一条