本文对Gemini、ChatGPT和Claude三款主流AI的视频理解能力进行实测。测试素材包括YouTube链接、MP4及MOV本地文件。结果显示:Claude完全不支持视频处理;Gemini表现最佳,可直接在浏览器中解析各类视频格式,甚至能理解无音频的无人机手势控制视频;ChatGPT需配合Codex工具才能实现类似功能,操作较繁琐。在生成YouTube缩略图方面,ChatGPT+Codex组合优于Gemini,但均有不足。