试了gpt-5.4，需要先抽帧再逐帧分析，音频是另外接口分析的。 
以为多模态大模型都这样了，今天早上试了幻佬的公益站，原来grok x search是有原生视频分析能力的，看过程没有抽帧。 
除了Grok还有什么大模型有原生视频分析能力？我知道ai studio是可以的但是得打开付费的api key，不考虑。