### Feature request / 功能建议 - ### Motivation / 动机 由于有多模态场景应用的需求，需用到bge-vl系列的模型，如BGE-VL-v1.5-mmeb，BGE-VL-MLLM等；也会用到qwen2.5-vl视频输入的能力，希望能增加对这两处多模态能力的支持，谢谢。 ### Your contribution / 您的贡献 有看到之前有大佬提过类似pr： https://github.com/xorbitsai/inference/pull/3092
