بدأ الوكلاء بإخراج أفلام قصيرة هذا الأسبوع. انتقل عنق الزجاجة إلى ضبط الجودة.

كشف مطور في 5 أكتوبر أن فيلمًا قصيرًا رسوميًا يُدعى The Clockwork Moth تم إنتاجه من البداية إلى النهاية عبر خط أنابيب مكوّن من 14 وكيلًا يعمل على بطاقة RTX 5090 واحدة. استغرقت مدة خط الأنابيب حوالي عشر دقائق لتغطية 106 لقطات عبر تسع مشاهد، مع 19 حالة مشهد لأربع شخصيات متكررة. اجتاز ضمان الجودة الآلي 102 فحص من أصل 102. بلغت حزمة الأصول 2.4 جيجابايت. لم يتم الكشف عن سلسلة الأدوات.

الجزء المثير للاهتمام لا علاقة له كثيرًا بزمن التشغيل. ما يبرز هو حيث قال المطور إن المشكلات الصعبة كانت: الحفاظ على اتساق هوية الشخصية عبر اللقطات، وأتمتة ضبط الجودة. وليس الإطار الأول.

يتوافق هذا الحكم مع مشروع ثانٍ من الأسبوع نفسه. أصدر مستخدم على Reddit فيلم DOGNAPPED، وهي كوميديا مدتها ثلاث دقائق عن كلب متكلم، صُنعت بالكامل تقريبًا بواسطة Claude الذي يشغّل Claude Code داخل إعداد ComfyUI المبني على عقد Video Builder مفتوحة المصدر. ساهم الإنسان بالموجز، وصور مرجعية لكلبين حقيقيين، والأدوات. كتب Claude القصة، وابتكر شخصية كلب ثالث، وأنشأ مراجع المواقع والشخصيات، وكتب سيناريو من 22 مشهدًا مع توجيهات اللقطات، وصيّر كل مشهد عبر MiniMax H3 للفيديو والأصوات والمؤثرات الصوتية، وألّف الموسيقى التصويرية باستخدام MiniMax Music 3، وحرّر الفيلم. استغرق التصيير حوالي أربع ساعات ونصف.

ثم أجرى النموذج إعادة تصوير خاصة به. قامت حلقة ضمان الجودة بنسخ كل سطر مقابل النص، وفحصت طبقة الصوت، وراجعت الإطارات والقطعات، وأجرت فحوصات مزامنة صوت وصورة دقيقة الإطار. حيث كان الجراء يثرثرون أو الكلاب تحدّق في الكاميرا، أعاد تصوير المشاهد.

لماذا حلقة ضمان الجودة هي القصة

توليد لقطة واحدة مقنعة هو مشكلة محلولة بما يكفي لتصبح العروض التوضيحية روتينية. لكن تجميع مئة وست لقطات بحيث تبدو الشخصية نفسها كما هي في جميعها ليس كذلك.

الانحراف في الهوية هو نمط الفشل الذي يكسر فيديو الذكاء الاصطناعي الطويل. النموذج الذي يصيّر شخصية جيدًا بمعزل عن غيرها سيغيّر مع ذلك الوجه أو الزي أو خط الشعر عبر اللقطات، لأن كل توليد هو سحب جديد من توزيع. الإصلاحات المعتادة هي التكييف المرجعي، و LoRAs المدربة على شخصية معينة، والاختيار اليدوي. كلها تضيف عملًا بشريًا في بالضبط النقطة التي يُفترض أن يزيله فيها خط الأنابيب.

ضمان الجودة الآلي هو النصف الآخر. خط الأنابيب الذي ينتج لقطات لكنه لا يستطيع التمييز بين المخرجات الجيدة والسيئة ينقل عبء المراجعة إلى شخص، والشخص الذي يراجع مئة لقطة هو عنق الزجاجة الذي كان من المفترض أن يقضي عليه النهج بأكمله. عالج سير عمل DOGNAPPED هذا بتحويل السيناريو إلى مرجع تحقق: نسخ كل سطر، ومقارنته بما كُتب، وفحص طبقة الصوت، وفحص المزامنة، ووضع علامات على الإخفاقات، وإعادة التصيير. هذا تعريف برمجي لـ «مقبول» لا يتطلب من الإنسان مشاهدة كل شيء.

النمط خلال الأسبوع

وصلت عدة مشاريع إلى الشكل نفسه. حوّل مستخدم يحمل الاسم konte برنامج Claude Code إلى منتج تنفيذي وأنشأ فيديو موسيقيًا مدته دقيقتان وأربع وخمسون ثانية على بطاقة RTX 5090 واحدة: 61 لقطة، و342 مهمة، وحوالي ساعتين من المشاركة البشرية وحوالي أربع ساعات ونصف من التوليد. كُتبت اللقطات على إيقاع الأغنية وضرباتها، لذا وقعت القطعات على الموسيقى.

تجاوز مسار آخر النص إلى الفيديو تمامًا. كتب Claude Opus 5.5 تعليمات برمجية لكل إطار وكل قطعة موسيقية، وأنتج فيلمًا قصيرًا بعنوان I Have Never Seen the Sun، مع مطالبات صيغت كقطعة مدتها من ثلاث إلى خمس دقائق موجهة للمهرجانات.

يشير ذلك النهج الأخير إلى انقسام حقيقي في المجال. الحركة المولّدة بالكود حتمية. إذا بدا الإطار 420 خاطئًا، تغيّر الكود وتعيد تصيير الإطار 420. فيديو الانتشار احتمالي. إذا كانت اللقطة خاطئة، تعيد السحب وتأمل. بالنسبة للحركة المصممة مثل الطباعة الحركية، ورسوم واجهة المستخدم، والمخططات، وكشف الشعارات، فإن المسار الحتمي أقوى. بالنسبة للبشر الواقعيين، والتمثيل العضوي، والفيزياء الواقعية، لا تزال نماذج الانتشار تفوز، لأن الكود لا يمكنه محاكاة ما لم يصممه أبدًا.

الأدوات وراء التحول

الخيط المشترك بين هذه المشاريع هو وكيل برمجة موصول بخط أنابيب توليد. عقد Video Builder، ومخططات ComfyUI المخصصة، ومهارات الوكيل التي تستدعي نماذج مفتوحة عبر واجهة برمجة التطبيقات، تمنح نموذجًا لغويًا نفس الوصول إلى التصيير الذي قد يمتلكه مطور. لا يحتاج النموذج أن يكون نموذج فيديو بحد ذاته. يحتاج إلى القدرة على كتابة وتشغيل الكود الذي يقود واحدًا.

لهذا يبدو ملف التكلفة كما يبدو. في جلسة منشورة واحدة، أطعم منشئ أكثر من 7000 صورة من Midjourney ومقطعًا من Suno إلى Claude Opus 5.5 وأدار جلسة إبداعية مستقلة استمرت حوالي ساعتين مقابل حوالي 6.80 دولار. في مشروع DOGNAPPED، كانت التكلفة المهيمنة هي وقت التصيير المحلي وليس استدعاءات API. عندما تكون النماذج الأساسية مفتوحة الأوزان والتنسيق عبارة عن كود، تنهار التكلفة الحدية للتجربة.

هناك تأثير من الدرجة الثانية على المهارات. تحوّل العمل المتبقي للشخص بعيدًا عن تشغيل الجدول الزمني أو مراقبة التصيير، ونحو تحديد الموجز بدقة كافية ليتمكن فاحص آلي من تقرير ما إذا كانت المخرجات قد لبّته. كل مشروع شُحن هذا الأسبوع يرمّز معايير القبول الخاصة به في مكان ما، لأن خط الأنابيب لا يمكنه التكرار على «اجعله أفضل».

ما لا يزال لا يعمل

العروض التوضيحية صادقة بشأن حدودها، والحدود متسقة. تصمد هوية الشخصية عبر حفنة من اللقطات وتنحرف عبر العشرات، ولهذا يُعد التكييف المرجعي والمحولات لكل شخصية معيارًا. البنية طويلة المدى هشة: فيلم يبدو متماسكًا لمدة ثلاثين ثانية يمكن أن يفقد الاتساق المكاني أو الزماني بحلول الدقيقة الثالثة. وضمان الجودة الآلي يمكنه فقط فحص ما طُلب منه فحصه، مما يعني أن خط الأنابيب الذي يتحقق من الحوار والمزامنة سيمرر بسعادة مشهدًا به خطأ استمرارية لم يكتب أحد فحصًا له.

تشرح هذه القيود لماذا كانت المشاريع التي شُحنت هذا الأسبوع أفلامًا قصيرة. كوميديا مدتها ثلاث دقائق بطاقم صغير ومواقع بسيطة هي مشكلة قابلة للحل. فيلم طويل بعشرات الشخصيات، وخزانة ملابس متغيرة، وإخراج معقد ليس كذلك، على الأقل ليس بعد، دون أن يراجع الإنسان قدرًا أكبر بكثير من المخرجات مما كان من المفترض أن توفره الأتمتة.

ما الذي يغيّره هذا لميزانيات الإنتاج

تتحول الاقتصاديات بطريقة محددة. عندما يكلف فيلم قصير بضعة دولارات من الحوسبة وبعد ظهر من التنسيق، يتوقف القيد عن كونه المال ويبدأ في كونه وضوح الموجز. المساهمة البشرية التي تبقى هي معرفة ما تريد والقدرة على قوله بدقة كافية ليتمكن الوكيل من التحقق منه.

وهذا يثير أيضًا سؤال حوكمة. الوكيل الذي يكتب سيناريو، ويصيّره، ويحكم على مخرجاته، ويعيد تصوير الإخفاقات، يتخذ قرارات إبداعية دون وجود شخص في الحلقة. حلقة ضمان الجودة تجعل المخرجات أكثر موثوقية، وتعني أيضًا أن معايير النموذج نفسه تحدد كيف يبدو «الانتهاء».

مشاريع هذا الأسبوع هي عروض توضيحية، وسلاسل أدواتها غير معلنة جزئيًا. لكن الاتجاه متسق. التوليد رخيص، والتنسيق هو المنتج، والشيء الذي يقرر ما إذا كان خط الأنابيب مفيدًا هو ما إذا كان يستطيع معرفة متى فشل.