Eine Zeile rein, fünfzehn Modelle bei der Arbeit, und Sie nicken bei jedem Schritt

DomoAI hat InkoAI Agent am 13. November vorgestellt. Der Pitch ist ein Satz: Idee eintippen, Kurzvideo bekommen.
Interessant ist der Mechanismus. Der Agent arbeitet selbstständig eine Kette von Aufgaben ab, schreibt die Prompts, legt Format und Länge für die Zielplattform fest (ein vertikaler Clip für Shorts oder Reels, keine 16:9-Szene) und zeigt dann, bevor irgendetwas generiert wird, was er vorhat, und wartet.
Diese Pause ist das Produkt.
Was die Kette tatsächlich macht
Ein Creator fängt mit einer Zeile Text an. Der Agent macht daraus Prompts, entscheidet über den Container und legt einen Plan vor. Eigenes Material lässt sich mitbringen: Skripte, Storyboards, Produktfotos. Frühere Ergebnisse bleiben im Thread, ein Shot lässt sich also überarbeiten oder animieren, ohne die Datei erneut hochzuladen, die ihn erzeugt hat.
Hinter dem Chat stehen fünfzehn Bild- und Videomodelle, nicht eines. Die veröffentlichte Liste enthält GPT Image 2.5, Nano Banana Pro, Seedance 2.5, MiniMax H3 und DomoAIs eigenes 2.5. Vier Anbieter, eine Oberfläche, und ein Agent, der entscheidet, welches Modell welche Aufgabe bekommt.
Dazu kommen Skills, DomoAIs Name für voreingestellte Abläufe, die man mit einem Klick startet: Kurzdramen, Videos im Anime-Stil, Cartoon-Clips, Geschichten mit Dialogen oder Voiceover. In diesen Abläufen bestätigt man das Skript, dann die Figuren, dann die einzelnen Shots.
Das Unternehmen sagt, mehr als fünf Millionen Creator nutzen die Plattform, im Mai waren es noch mehr als vier Millionen. Für den Agent gibt es keinen separaten Preis.
Routing ist die versteckte Arbeit
Fünfzehn Modelle in einem Chat, das lässt sich mit einer Funktionsliste nicht mehr beschreiben. Es ist ein Scheduling-Problem, und der Nutzer sieht nie, wo es stattfindet.
Ein Charakterblatt will ein Bildmodell, das ein Gesicht über Varianten hinweg hält. Ein drei Sekunden langer Insert will ein Videomodell, das billig und schnell ist. Ein sprechender Shot will ein Modell mit nativem Audio. Ein Style Frame will das Modell, das diesen Stil am besten rendert, und bei Anime ist das ein anderes als bei fotorealistischer Produktarbeit. Jemand muss diese Entscheidungen Schritt für Schritt treffen, und sie von Hand zu treffen ist genau der lästige Teil der KI-Videoproduktion heute.
Die Antwort des Agenten: entscheiden und die Entscheidung offenlegen, bevor Rechenzeit ausgegeben wird. Ein vernünftiges Design, und zugleich ein Eingeständnis. Wäre das Routing offensichtlich richtig, müsste man nicht fragen.
Die Qualitätsobergrenze hängt also stärker vom Router ab als von einem einzelnen Modell. Eine Kette ist so gut wie ihre schwächste Übergabe, und eine Pipeline, die zwischen Shots das Modell wechselt, muss Charakterkonsistenz über diesen Wechsel hinweg lösen. Das Problem hat jeder Multi-Modell-Workflow, und niemand hat es vollständig gelöst.
Warum Microdramen der Brückenkopf sind
Die Skills-Liste ist nicht zufällig. Kurzdrama, Anime, Cartoon, Geschichte mit Voiceover. Das sind Formate, in denen Menge mehr zählt als das einzelne Bild, und in denen das Publikum am Handy sitzt, mit Ton.
Die Marktzahlen erklären die Zielrichtung. Sensor Tower schätzt, dass Short-Drama-Apps im ersten Quartal 2026 mehr als 850 Millionen Mal heruntergeladen wurden, 140% mehr als im Vorjahr, bei rund 750 Millionen Dollar In-App-Ausgaben im Quartal, ein Plus von 20%. DramaBox und ReelShort haben je knapp 140 Millionen Dollar eingenommen. Südostasien, Lateinamerika und Indien machten mehr als drei Viertel der Downloads aus.
Das ist ein Geschäft mit einem brutalen Content-Laufband und fixen Kosten pro Minute. Ein Agent, der aus einer einzeiligen Prämisse eine vertikale Episode macht, mit Freigabepunkten, an denen ein Mensch die Geschichte repariert, zielt genau auf den Produzenten, der vierzig davon im Monat braucht.
Für Marketer ist der Pitch anders und enger: Ein Produktfoto wird zu mehreren Anzeigen im UGC-Stil, testbereit. Der Weg ist abgenutzt, und der interessante Teil ist wieder der Prüfpunkt, denn Markenteams können keine Anzeige ausliefern, die sie nicht gesehen haben.
Die Freigabekette ist eine Wette auf Misstrauen
Autonomie und Freigabe sind Gegensätze, und Consumer-KI-Video hat zwei Jahre gebraucht, um zu lernen, dass volle Autonomie Masse ohne Substanz produziert.
InkoAIs Antwort: autonom in den langweiligen Teilen, Prompt-Schreiben, Seitenverhältnis, Modellwahl, Zusammenbau, und anhalten an jeder Stelle, an der später jemand fragen würde, wer das freigegeben hat. Das ist eine Workflow-Behauptung im Gewand einer Agent-Behauptung.
Der Preis dieses Designs ist Freigabemüdigkeit. Ein Video mit zehn Shots und einem Prüfpunkt vor jeder Generierung bedeutet zehn Unterbrechungen, und Nutzer, die ohne Lesen auf Freigeben klicken, haben einen Spielautomaten mit zusätzlichen Schritten gebaut. Die voreingestellten Skills mildern das teilweise, indem sie Freigaben zu Skript, Figuren und Shots bündeln. Ob drei Prüfpunkte die richtige Zahl sind, ist eine empirische Frage, die das Produkt mit Nutzungsdaten beantwortet.
Es gibt in dieser Kategorie auch eine ältere Warnung. OpenAI startete die Sora-App im September 2025, überschritt innerhalb von Wochen eine Million Downloads und kündigte im März 2026 an, die App wieder abzuschalten, nach Bedenken wegen Deepfakes. Das Unternehmen nannte keinen expliziten Grund. Consumer-Videogenerierung ist ein Markt, in dem Distribution schnell da ist und politisches Risiko schneller.
Was es kostet, und was es verbirgt
DomoAI hat keinen separaten Preis für den Agent veröffentlicht, der unbefriedigendste Satz der Ankündigung und der, den ein Produzent am meisten braucht, weil bei einer gerouteten Pipeline die ganze Frage ist, wer die verworfenen Versuche bezahlt.
Ein Ein-Modell-Tool hat eine einfache Rechnung: Generierungen mal Preis. Ein Orchestrator mit fünfzehn Modellen hat eine Rechnung, die von seinen eigenen Entscheidungen abhängt. Wählt der Router für einen Shot, den ein billiges Modell geschafft hätte, ein teures Videomodell, zahlt der Nutzer den Routing-Fehler und sieht die Position nie. Wählt er ein billiges und der Shot geht schief, kostet der Retry mehr, als das teure Modell je gekostet hätte.
Die Freigabepunkte sind der einzige Ort, an dem ein Nutzer in diese Ökonomie eingreifen kann, was ein leises Argument für ihre Existenz ist. Ein Plan vor der Generierung ist auch ein Kostenvoranschlag vor der Generierung, wenn das Produkt einen anzeigen will.
Der andere versteckte Kostenfaktor ist Zeit. Fünfzehn Modelle bedeuten fünfzehn Ladepfade, und ein Chat, der bei einem Zehn-Shot-Video fünfmal für eine Freigabe anhält, ist eine Sitzung, die in Stunden gemessen wird. Die Unternehmen, die diese Kategorie gerade gewinnen, behandeln echte Laufzeit als Feature erster Klasse.
Worauf man achten sollte
Drei Dinge, geordnet danach, wie sehr sie die Kategorie verändern würden.
Ob der Router gut genug wird, um unsichtbar zu sein. Wählt der Agent pro Shot verlässlich das richtige Modell, wird die Liste mit fünfzehn Modellen ein echter Vorteil statt einer Support-Last.
Ob Konsistenz über Modellwechsel hinweg hält. Das härteste technische Problem einer Multi-Modell-Pipeline ist eine Figur, die eine Übergabe überlebt, und keine Chat-Oberfläche behebt das.
Ob das Prüfpunkt-Modell den Kontakt mit Menge übersteht. Freigabe ist bei drei Entscheidungen billig und bei dreißig teuer. Das Produkt, das die richtige Granularität findet, gewinnt den Microdrama-Boden, und dort liegt das Geld derzeit.
Vorerst ist InkoAI eine klare Aussage darüber, wohin Consumer-Videotools gehen: ein Orchestrator, der einen Menschen genau in den Momenten in der Schleife hält, in denen er noch nötig ist. Ein Modell ist das nicht, ein Studio auch nicht.
Verwandte Artikel
Eine community-gepflegte Tabelle von Taps, die Werbung in chinesischen Android-Builds abschaltet
Es fasst das System nicht an, entsperrt nichts, flasht nichts. Es legt nur die Schalter um, die die Hersteller ohnehin vorgesehen haben. Der Preis ist eine Liste, die jemand weiterführen muss.
GPT Image 2.6 hielt den Tokenpreis und erhöhte die Rechnung
GPT Image 2.6 übernimmt jeden Tokenpreis von 2.5 und kostet pro Bild dennoch mehr, weil ein größerer Teil der Arbeit in Ausgabe-Token landet. Elf Tage nach dem Start sagt die Preisstruktur mehr als jede Rangliste.
Jemand hat IDM von außen nachgebaut und aufgeschrieben, was er nicht angefasst hat
Eine Rust-Neuimplementierung von Internet Download Manager verspricht 5x Tempo und 86 Sprachen. Das interessantere Dokument ist der Absatz, der erklärt, wie sie ohne jede Kopie entstanden ist.
Rune ist ein Rust-UI-Framework, das gebaut wurde, damit ein Agent seine eigene Arbeit prüfen kann
Rune rendert headless, gibt seinen Elementbaum aus und nimmt geskriptete Eingaben an. Damit bekommt ein Coding-Agent ein Signal zum Diffen, das ein Screenshot nie liefert. Das Framework ist Pre-Release und nimmt keine Pull Requests an.