一句话结论
TwelveLabs 的 Pegasus 1.5 视频语言模型正式上线 Amazon Bedrock，支持单请求处理长达 2 小时视频，无需预索引且数据保留在 AWS 边界内。
关键要点
- 模型于 2026 年 10 月 9 日上线 Amazon Bedrock，主要部署于 us-west-2 区域，提供 global Cross Region Inference (CRIS) 全局端点。
- 支持单请求处理最长 2 小时的视频，输入支持 Amazon S3 URI（上限 2 GB）或 Base64 字符串（上限 25 MB），无需预索引。
- 新增视频分割、多模态提示（结合文本与视觉参考定位对象）及即时处理功能，保留 Pegasus 1.2 的视频转文本、细粒度视觉理解等能力。
- 分析模式分为 general（默认）和 time_based_metadata（基于段落定义，支持自定义字段及时间格式），API 参数 temperature 默认 0.2，maxOutputTokens 上限 98,304。
- 计费通过 AWS Marketplace 进行，账单显示在 TwelveLabs 条目下，支持英语及阿拉伯语、中文等 11 种语言的部分支持。
背景与事实
2026 年 10 月 9 日，TwelveLabs 公司宣布其 Pegasus 1.5 视频语言模型正式在 Amazon Bedrock 平台上可用。该模型主要部署在 us-west-2 区域，同时提供 global Cross Region Inference (CRIS) 全局端点，开发者可通过模型 ID `twelvelabs.pegasus-1-5-v1:0` 或 `global.twelvelabs.pegasus-1-5-v1:0` 进行调用。此次上线标志着视频理解能力在云端的大规模集成，核心特性包括支持单请求处理长达 2 小时的视频内容，且无需预先建立索引，所有数据在处理过程中保留在 AWS 边界内，符合企业级数据合规要求。在输入兼容性方面，该模型支持通过 Amazon S3 URI 传入视频文件，单文件上限为 2 GB；也支持 Base64 字符串编码输入，上限为 25 MB。视频分辨率支持从 360×360 到 5184×2160 的广泛范围，宽高比接受 1:1 至 2.4:1 或其倒数，处理过程需依赖 FFmpeg 支持。此外，单次请求最多可携带 30 张参考图像，用于辅助视觉定位。
在功能迭代方面，Pegasus 1.5 在保留前代 Pegasus 1.2 的视频转文本、细粒度视觉理解、时间定位及多模态理解能力的基础上，新增了视频分割、多模态提示（结合文本与视觉参考精准定位对象）以及即时处理功能。分析模式提供两种选择：默认的 general 模式基于文本提示运行；time_based_metadata 模式则基于段落定义，支持多个片段定义并通过 `_definition_id` 进行区分，返回包含 `start_sec`、`end_sec` 及自定义字段的 segments 列表，时间格式支持 hh:mm:ss 或数字秒。API 层面，temperature 参数默认值为 0.2，maxOutputTokens 上限设置为 98,304，支持 InvokeModel 和 InvokeModelWithResponseStream 两种接口。语言支持方面，主要支持英语，阿拉伯语、中文等 11 种语言提供部分支持。前置条件包括拥有活跃的 AWS 账户、Python 3.10+ 环境及 Boto3 库，并配置 `bedrock:InvokeModel` 的 IAM 权限，生产环境建议使用短期 IAM 凭证以确保安全。监控方面，CloudWatch 提供 Invocations、OutputTokenCount、InvocationLatency 和 InvocationClientErrors 等指标，当 includeMetering 设为 True 时，非流式响应将额外包含 outputTokenCount 与 inputVideoSecond 字段。计费模式通过 AWS Marketplace 执行，相关费用在账单中归属于 TwelveLabs 条目下。
影响分析
对于中文开发者与从业者而言，Pegasus 1.5 在 Amazon Bedrock 的上线显著降低了视频内容分析的技术门槛。无需预索引的设计意味着企业无需维护庞大的向量数据库或预处理流水线，可直接将 S3 中的视频流接入模型，大幅简化了架构复杂度并降低了存储成本。2 小时视频的单请求处理能力使得长剧集、会议录像或监控视频的端到端理解成为可能，尤其适用于需要上下文连贯性的场景。多模态提示功能允许结合文本指令与视觉参考图像进行定位，提升了对象识别的准确性，这对于需要精细视觉检索的业务（如电商视频商品识别、安防监控行为定位）具有实际价值。然而，中文仅被列为“部分支持”语言，开发者在处理中文内容时需谨慎评估识别准确率，或在提示工程中增加额外的上下文辅助。生产环境对短期 IAM 凭证的强调，也提醒团队在 CI/CD 管线中落实最严格的访问控制策略，以符合安全合规要求。
适用边界
该结论在输入视频超过 2 GB（S3 URI）或 25 MB（Base64）时不成立，需预先切片处理。若视频分辨率超出 360×360 至 5184×2160 范围，或宽高比偏离 1:1 至 2.4:1 及其倒数，可能导致处理失败或精度下降。在涉及阿拉伯语、中文等 11 种“部分支持”语言的深度语义理解场景下，结论中关于语言准确性的预期可能不完全成立，建议以英语为主要处理语言或进行测试验证。若业务依赖非 FFmpeg 兼容的视频编码格式，需自行转码后再输入，否则适用性受限。此外，在 us-west-2 以外区域若无全局端点访问权限，部署限制条件可能影响低延迟需求场景。
孤本观察
基于本文事实，判断 Pegasus 1.5 的“无需预索引”与“2 小时视频”特性组合，实质是将视频理解从离线批处理推向近实时在线分析的新阶段，这一组合在 AWS 生态内具有差异化优势。编辑观察认为，尽管中文仅为部分支持，但其作为主要输入语言之一被明确列出，表明 TwelveLabs 已针对非英语市场做了基础适配，后续版本有望提升中文处理精度。
常见问题
Pegasus 1.5 支持的最大视频输入时长是多少？
支持单请求处理最长 2 小时的视频。
通过 S3 URI 和 Base64 输入视频时的大小上限分别是多少？
Amazon S3 URI 上限为 2 GB，Base64 字符串上限为 25 MB。
Pegasus 1.5 的 API 参数 temperature 默认值及 maxOutputTokens 上限是多少？
temperature 默认值为 0.2，maxOutputTokens 上限为 98,304。
单次请求最多可携带多少张参考图像？支持哪些视频分辨率范围？
最多 30 张参考图像；分辨率支持 360×360 到 5184×2160。
Pegasus 1.5 在 Amazon Bedrock 上的上线日期及主要部署区域是什么？
2026 年 10 月 9 日上线，主要部署于 us-west-2 区域。