Baidu Yijing drückt Videogenerierung auf 0.2 Yuan pro Sekunde, und zuerst umgeschrieben wird das Geschäft mit digitalen Menschen

Am 12. November saßen im Eröffnungsvideo der Baidu World 2026 zwei Menschen, beide Robin Li. Moderatorin Xijiajia, selbst digital, fragte den "echten Robin Li"; die Kamera schnitt, und der "digitale Robin Li" antwortete, gleiches Sofa, gleiche Lampe. Der Applaus hielt einen halben Schlag länger.
Der Clip kommt von Baidu Yijing, Baidus Linie für digitale Menschen, zur Konferenz aufgewertet. Drei offizielle Zahlen, nüchtern: Videogenerierung für 0.2 Yuan pro Sekunde, 8 bis 9 Mikroausdrücke pro Sekunde, realistisch gesteuert, Echtzeit-Interaktion im Vollbild unter 2 Sekunden.
Von den drei Zahlen trifft die erste am härtesten.
Was 0.2 Yuan pro Sekunde bedeutet
Im selben Monat startet ByteDances Seedance 2.5 Flash am 12. November, 720p Text- und Bild-zu-Video für 0.99 Yuan pro Sekunde, laut Firma 34% billiger als das Flaggschiff, doppelt so schnell. Googles Gemini Omni 1.2 Flash startet am 5. November, 720p für 0.07 Dollar pro Sekunde, 30% unter der Vorgängergeneration.
0.2 Yuan sind rund 0.028 Dollar, eine Größenordnung unter allgemeinen Modellen. Die Aufgabe ist eine andere. Yijing liefert Sprechermaterial: feste Kamera, feste Person, ein immer gleiches Gesicht. Kinoaufnahmen auf Zuruf gibt es nicht. Der Preis fällt so tief, weil die Ausgabebreite bewusst eng ist.
Der Preis des Billigen steht im Wort "spielen"
Digitale Menschen hängen seit Jahren an einem Punkt: Das Gesicht überzeugt, das Spiel nicht. Das Publikum verzeiht ein leicht falsches Gesicht, nicht aber Augenbrauen, die bei einer traurigen Passage weiterlächeln.
Yijing zerlegt Mikroausdrücke in 8 bis 9 Kontrollpunkte pro Sekunde. Dazu ein Mikroausdrucksmodell Wenxin Yijing, am selben Tag auf Qianfan, mit API für Firmen. Mehr Ausdrücke änderten wenig. Entscheidend: sie werden zu Parametern. Die Pipeline macht einen ersten Durchlauf, niemand sucht Takes einzeln.

Eine Zahl von Ausdrücken ist kein Spiel. Eine Augenbraue, die neunmal pro Sekunde umschaltet, und ein Schauspieler, der weiß, wann er sie lässt: dazwischen liegt Urteil. Auflösung hilft nicht. Öffentliche Testdaten fehlen, nur eine Zeile über emotionalen Wert. Das echte Ergebnis zeigt sich an veröffentlichtem Kundenmaterial.
Das Short Comic Drama Studio ist das eigentliche Produkt
Yijing öffnet zugleich ein Short Comic Drama Studio, von der Idee über Buch und Storyboard bis zum Schnitt. Ein Satz geht unter: ein "bereits validiertes Werk" lässt sich in einem Klick für einen anderen Markt lokalisieren, Handlung, Figuren, Schauplätze.
Das Gewicht liegt auf "bereits validiert". Ein Eingeständnis. Das Werkzeug findet keine gute Geschichte. Es zieht einer zu Hause erfolgreichen Geschichte neues Fell für einen anderen Markt an. Gesichter, Straßen, Sprache wechseln, die Kosten laufen pro Sekunde. Ein Kapazitätswerkzeug, weit weg vom Kreativwerkzeug.
Die drei teuersten Posten im Auslandsgeschäft mit Kurzserien sind Darsteller, Drehorte, lokalisierte Nachdrehs. Die ersten zwei hat virtuelle Produktion gedrückt, der dritte bewegt sich nicht. Genau darauf zielt Studio.
Eine Ebene darüber: Ciyuansuo
Am selben Tag startet der Modellmarktplatz Ciyuansuo. Robin Li: neun Monate fast täglich ein neues Modell, Token-Relais haften weder für Qualität noch Stabilität, mehr Modelle machen die Wahl schwerer. Ciyuansuo verkauft Prüfung und Bonität: Fingerabdruckvergleich und Fähigkeitstests, dazu Stichproben und Echtzeitüberwachung der Kette.
Nach einem Monat: über 100 Anbieterressourcen, mehr als 50 Millionen Aufrufe pro Tag, über 700 Milliarden Token pro Tag.
Neben 0.2 Yuan pro Sekunde schließt sich die Logik. Videogenerierung kostet GPU-Stunden, dazu den Versuch und Irrtum, ob eine Schnittstelle das genannte Modell liefert. Jeder Zwischenhändler erhöht den Posten. Ciyuansuo will die Ungewissheit standardisieren.
Robin Li sprach über Organisation, Modelle kamen danach
Die Keynote lief unter "intelligenter Organisation". Drei Prinzipien: Rollengrenzen aufbrechen, implizites Wissen ablagern, Prozesse als geschlossene Schleife bauen. Die Formel: "messbar + Looping = stetige Evolution". Sein Vergleich: neue Motoren in unveränderter Fabrik bringen im Industriezeitalter nicht den erwarteten Gewinn.
Interne Zahlen als Beleg. Aktive Agenten pro Tag steigen von 5,000 auf 37,000. Wirksame Aufgaben pro Agent und Woche von 84,000 auf über 1 Million. Gebaut sind 4,300 Workspaces, gesammelt 20,000 organisatorische Skills.
Rede und Start passen zusammen. 0.2 Yuan pro Sekunde ist nur dort billig, wo täglich Hunderte Clips entstehen. Bei drei Filmen im Monat deckt die Ersparnis die Anbindung nicht.
Wer jetzt anfangen sollte
Drei Gruppen lohnen einen Blick. Teams für Kurzserien im Ausland und lokalisierte Synchronisation, deren "Nachdreh" am leichtesten ersetzbar ist. Content-Teams in E-Commerce und lokalen Diensten, wo Sprechermaterial Verbrauch ist und Sekundenpreise nur nutzen. Dienstleister für digitale Mitarbeiter, denn die Qianfan-API macht Stückkosten rechenbar.
Markenwerbung und Kinoprojekte können warten. 0.2 Yuan kaufen keine Bildsprache und kein Zögern. Das Video mit zwei Robin Li wirkt zur Hälfte, weil Li mitgespielt hat, dort saß und eine andere Version von ihm für ihn sprach. Die Anordnung war kreativ. Das Modell hatte wenig Anteil.
Verwandte Artikel
Ein Server, eine KI-Streamerin: im Code, der einen nächtlichen Livestream trägt
open-yoki ist der Produktionscode einer KI-Host, die jeden Abend auf Binance Square streamt, mit entfernten Geld-Features, Stimme und Persona. headless Chrome zeichnet das Bild, ffmpeg schiebt RTMP, ein Markdown-Ordner entscheidet über Laune und Posts.
ByteDances SeedRealtime nimmt zwei Bilder pro Sekunde und entscheidet selbst, wann es spricht
Doubao-Seed-Realtime-1.0 packt Kamera-Frames, Bildschirm-Frames und Sprache in eine einzige Vollduplex-Sitzung, mit höchstens zwei Frames pro Sekunde. Die interessanten Entscheidungen sind die Bildrate, das proaktive Sprechen und die Audit-Antwort, die ab Werk an ist.
Cicada hört dem Audio deines Meetings direkt zu, ohne Bot im Raum
Cicada ist eine kostenlose App für Mac, Windows, Linux und Android, die aus dem Systemaudio zweisprachige Untertitel und strukturierte Meeting-Notizen schreibt. Auf Tastendruck sprichst du deine Antwort in der anderen Sprache mit deiner eigenen geklonten Stimme. Kein Bot tritt dem Call bei.
Pinky lässt einen Agent dein Handy bedienen und hält den Senden-Knopf fest, bis du auf Erlauben tippst
Pinky verbindet jeden MCP-Agent mit einem echten iPhone oder Android und erzwingt die Freigabe in seiner eigenen Gateway statt in einem Prompt. Bank-Apps sind unsichtbar, Passwortfelder tabu, und unter Android 13 bekommt der Agent einen versteckten zweiten Bildschirm.