# DeepMind推出CoF：视频模型的‘思维链’，让AI像人一样逐帧思考解决视觉难题

- Link: https://paooo.com/aigc-news/13425/
- Published: 2026-06-20T00:12:22+08:00
- Author: 站外新闻

> **💡 站外导读：**在AI从语言迈向视觉的进程中，视频模型如何像人一样进行逻辑推理和
> 规划，一直是行业核心痛点。传统视频生成模型擅长模仿，但缺乏‘思考’能力，难以处理
> 需要多步规划的复杂任务。DeepMind最新提出的CoF（帧链）技术，借鉴了语言模型中的链式
> 思维，通过逐帧生成视频来实现视觉推理，为视频AI注入了真正的‘思考’能力，标志着视觉
> 通用人工智能（VGAI）的重要探索。

## CoF是什么

CoF（Chain-of-Frames，帧链）是DeepMind推出的新概念，类比于语言模型中的“链式思维”（
Chain-of-Thought，CoT）。CoF使视频模型能在时间和空间上进行推理，通过逐帧生成视频
解决复杂的视觉任务。例如，[Veo 3](https://ai-bot.cn/veo-3/)模型用CoF解决迷宫问题、
完成对称性任务或进行简单的视觉类比推理，能力类似于语言模型通过符号推理解决问题，
CoF是通过生成连贯的视频帧实现视觉推理，展示了视频模型在通用视觉理解方面的潜力。

阅读目录

 * [CoF是什么](https://paooo.com/aigc-news/13425/#cof%e6%98%af%e4%bb%80%e4%b9%88)
 * [CoF的主要功能](https://paooo.com/aigc-news/13425/#cof%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [CoF的技术原理](https://paooo.com/aigc-news/13425/#cof%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [CoF的项目地址](https://paooo.com/aigc-news/13425/#cof%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [CoF的应用场景](https://paooo.com/aigc-news/13425/#cof%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/13425/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

![CoF](https://paooo.com/wp-content/uploads/2026/05/CoF-website-1.avif)

## CoF的主要功能

 * **视觉推理**：通过逐帧生成视频，CoF能逐步解决问题，例如在迷宫中找到路径、完成
   对称性任务或进行视觉类比推理。
 * **跨时空操作**：对视频中的对象进行操作，例如移动、变形或改变对象的属性，同时保持
   视频的连贯性。
 * **通用视觉理解**：CoF帮助视频模型理解物理规则、抽象关系及视觉世界的动态变化，
   实现通用视觉任务的零样本学习。
 * **生成连贯视频**：CoF确保生成的视频在时间和空间上是连贯的，使模型能生成符合逻辑
   和物理规则的视频内容。

## CoF的技术原理

 * **生成模型**：CoF依赖大规模的生成模型，模型通过海量数据进行训练，学习视频的时空
   结构和动态变化。
 * **提示驱动**：通过自然语言提示（prompt）和初始图像，模型被引导生成符合任务要求
   的视频。提示帮助模型理解任务目标，初始图像提供视频的第一帧。
 * **逐帧推理**：模型逐帧生成视频，每一步都基于前一帧的状态和提示进行推理。逐帧生成
   的方式类似于语言模型中的链式思维（CoT）。
 * **物理和逻辑约束**：CoF生成的视频需要符合物理规则和逻辑一致性。例如，物体的运动
   需要符合物理定律，视频中的对象不能违反现实世界的约束。
 * **优化和反馈**：通过多次尝试和优化，模型能生成更准确的视频。例如，通过多次生成、
   选择最优结果，提高任务的成功率。

## CoF的项目地址

 * **技术论文**：https://papers-pdfs.assets.alphaxiv.org/2509.20328v1.pdf

## CoF的应用场景

 * **迷宫求解**：CoF能生成视频，展示一个物体如何在迷宫中找到从起点到终点的路径，
   逐帧规划最优路线。
 * **视觉对称性任务**：CoF能生成对称的图案或图像，通过逐帧填充空白部分，完成对称
   图形的绘制。
 * **物理模拟**：模拟物理现象，如物体的运动、碰撞和浮力等，生成符合物理规律的视频。
 * **图像编辑**：用在图像编辑任务，例如背景移除、风格转换、颜色化等，通过逐帧生成
   视频逐步完成编辑。
 * **视觉类比**：解决视觉类比问题，例如生成缺失的部分完成一个视觉类比，通过逐帧推理
   找到正确的解决方案。

#### 📝 站长洞察 (Editor’s Insight)

CoF的发布远不止一项新功能，它揭示了多模态AI演进的关键范式转移：推理能力正从语言域
向视觉域迁徙。DeepMind巧妙地将已被验证的‘链式思维’（CoT）范式视频化、帧化，让视频
模型从单纯的‘预测下一帧’升级为‘规划下一帧’。这解决了视觉AI的‘黑箱’难题，使其推理
过程变得可观察、可调试。尽管目前仍处于概念验证阶段，但其展现的物理模拟与零样本学习
能力，预示着未来在具身智能、自动驾驶模拟、乃至影视特效制作中的颠覆性应用。行业应
密切关注这一路线，它可能比单纯的视频生成更具长期价值，是迈向通用视觉智能的务实一步。

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,000+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[⚡ AIGC 早报生成器](https://paooo.com/mtool/)