尽管多模态大语言模型（MLLMs）在各类视频任务中的应用已取得显著进展，但视频事件预测（VEP）领域仍相对未被充分探索。VEP 要求模型对视频进行细粒度的时序建模，并建立视频与未来事件之间的逻辑关联，而当前的 MLLMs 在此方面仍面临显著挑战。本文首先对现有主流 MLLMs 在 VEP 任务上的表现进行了全面评估，揭示了其预测不准确的主要原因，包括缺乏对未来事件预测的逻辑推理能力，以及对视觉信息利用不足。为应对上述挑战，我们提出了“事件链”（Chain of Events, CoE）范式。该范式通过构建时序事件链，隐式地引导 MLLM 聚焦于视觉内容及其与未来事件间的逻辑联系，并借助多种训练协议激发模型的推理能力。在公开基准测试上的实验结果表明，我们的方法在性能上优于领先的开源及商业 MLLMs，在 VEP 任务上确立了新的最先进水平（state-of-the-art）。相关代码与模型即将开源。