أحرزت نماذج الفيديو تقدماً ملحوظاً في إنشاء فيديوهات عالية الولاء مع ديناميات حركة متماسكة. وتشبه تطور نماذج الفيديو، من توليد النصوص إلى التفكير القائم على النص في نمذجة اللغة، سؤالاً يدفعنا للتساؤل: هل يمكن لنموذج الفيديو أن يُجرّب التفكير من خلال توليد الفيديو؟ مقارنةً بملف النصوص المنفصلة، يُرتكز التفكير في الفيديو على تخطيطات مكانيّة صريحة واتصال زمني، مما يجعله قاعدة مثالية للتفكير المكاني. في هذا العمل، نستكشف نموذج التفكير من خلال الفيديو ونقدّم VR-Bench — معيارًا شاملاً مصممًا لتقييم قدرات نماذج الفيديو على التفكير بشكل منهجي. يُبنى VR-Bench على مهام حل المتاهات التي تتطلب بالضرورة تخطيطاً مكانيًا وتفكيرًا متعدد الخطوات، ويتضمّن 7920 فيديو تم إنشاؤه بشكل تلقائي عبر خمسة أنواع من المتاهات وأسلوب بصري متنوع. تُظهر التحليلات التجريبية أن التدريب المُحسّن (SFT) يمكنه استثارة قدرة التفكير في نماذج الفيديو بكفاءة. وتُظهر نماذج الفيديو تحسّناً في الإدراك المكاني أثناء التفكير، وتتفوّق على أبرز نماذج الفيديو واللغة (VLMs)، وتُظهر قدرة عامة جيدة عبر سيناريوهات ومهام ومستويات معقدة متنوعة. كما اكتشفنا تأثير التوسع أثناء الاختبار، حيث يُحسّن التوليد المتنوع أثناء الاستدلال موثوقية التفكير بنسبة 10 إلى 20٪. تُبرز هذه النتائج الإمكانيات الفريدة والقابلية للتوسع للتفكير من خلال الفيديو في المهام المتعلقة بالتفكير المكاني.