Open-o3-Video-v2 是 Open-o3-Video 的扩展版本，把视频推理形式化为统一的智能体式证据接地过程：模型先判断缺失哪些信息，主动获取额外观测，再把支撑推理的时刻与物体级边界框写入推理轨迹，然后继续推理或作答。为支撑这一行为，作者构建了 STGR-v2-CoT135K（含 52K 条多轮智能体接地推理轨迹）与 STGR-v2-RL-13K，并提出 Clue-Seek GRPO（CS-GRPO），跟踪工具调用如何改变累积证据，奖励线索覆盖与逐步增益，惩罚过度、重复或无信息的检索。在 V-STaR 上，Open-o3-Video-v2-4B 取得 40.4% mAM 与 56.3% mLGM，分别比其 Qwen3-VL-4B 骨干高 8.5% 和 12.6%，在通用视频理解、长视频推理和时间定位基准上也有一致提升；代码与模型已公开。