← Voltar ao blog
Aicerca de 7 min de leitura

Uma linha de entrada, quinze modelos trabalhando, e você concordando a cada passo

Publicado 13 de nov. de 2026
Uma linha de entrada, quinze modelos trabalhando, e você concordando a cada passo

A DomoAI anunciou o InkoAI Agent em 13 de novembro. O discurso cabe em uma frase: digite uma ideia, receba um vídeo curto.

A mecânica é a parte que vale a leitura. O agente roda sozinho uma cadeia de tarefas, escreve os prompts, define formato e duração para a plataforma que você quer atingir, um clipe vertical para Shorts ou Reels em vez de uma cena em 16:9, e então, antes de gerar qualquer coisa, mostra o que pretende fazer e espera.

Essa pausa é o produto.

O que a cadeia faz de fato

O criador começa com uma linha de texto. O agente transforma em prompts, decide o recipiente e apresenta um plano. Também dá para trazer material próprio: roteiros, storyboards, fotos de produto. As saídas anteriores ficam na conversa, então um plano pode ser refeito ou animado sem subir de novo o arquivo que o gerou.

Atrás do chat estão quinze modelos de imagem e vídeo, não um. A lista publicada inclui GPT Image 2.5, Nano Banana Pro, Seedance 2.5, MiniMax H3 e o 2.5 da própria DomoAI. Quatro fornecedores, uma interface e um agente decidindo qual modelo pega qual trabalho.

Também há as Skills, o nome da DomoAI para rotinas prontas que se disparam com um clique: dramas curtos, vídeos em estilo anime, clipes de cartoon, histórias com falas ou narração. Nesses fluxos você aprova o roteiro, depois os personagens, depois os planos um a um.

A empresa diz que mais de cinco milhões de criadores usam a plataforma, contra mais de quatro milhões em maio. O agente não tem preço separado.

O roteamento é o trabalho escondido

Quinze modelos num único chat não cabem numa lista de recursos. É um problema de escalonamento e o usuário nunca vê onde ele acontece.

Uma folha de personagem quer um modelo de imagem que segure um rosto entre variações. Um insert de três segundos quer um modelo de vídeo barato e rápido. Um plano com fala quer um modelo com áudio nativo. Um frame de estilo quer o modelo que rende melhor aquele estilo, e o melhor muda entre anime e foto de produto realista. Alguém precisa tomar essas decisões a cada etapa, e fazer isso à mão é justamente a parte chata da produção de vídeo com IA hoje.

A resposta do agente é tomar as decisões e mostrar o trabalho antes de gastar processamento. É um desenho razoável e também uma confissão: se o roteamento fosse obviamente certo, não seria preciso perguntar.

O teto de qualidade depende, portanto, do roteador mais do que de um modelo isolado. Uma cadeia vale o que vale a sua passagem mais fraca, e um pipeline que troca de modelo entre planos precisa resolver a consistência de personagem por cima dessa troca, o problema que todo fluxo multimodelo carrega e que ninguém resolveu por completo.

Por que os microdramas são a cabeça de ponte

A lista de Skills não é aleatória. Drama curto, anime, cartoon, história com narração. São os formatos em que volume importa mais que qualquer frame, e em que o público está no celular com o som ligado.

Os números do mercado explicam o alvo. A Sensor Tower estima que os apps de drama curto foram baixados mais de 850 milhões de vezes no primeiro trimestre de 2026, alta de 140% em um ano, com cerca de 750 milhões de dólares em gastos dentro do app no trimestre, alta de 20%. DramaBox e ReelShort ficaram com quase 140 milhões de dólares cada uma. Sudeste Asiático, América Latina e Índia somaram mais de três quartos dos downloads.

É um negócio com uma esteira de conteúdo brutal e custo fixo por minuto. Um agente que transforma uma premissa de uma linha em episódio vertical, com pontos de aprovação onde uma pessoa conserta a história, mira exatamente o produtor que precisa de quarenta por mês.

Para o pessoal de marketing o discurso é outro e mais estreito: uma foto de produto vira vários anúncios com cara de conteúdo gerado por usuário, prontos para testar. O caminho está gasto, e a parte interessante é de novo o ponto de controle, porque time de marca não publica anúncio que não viu.

A cadeia de aprovação é uma aposta na desconfiança

Autonomia e aprovação são opostos, e o vídeo com IA de consumo passou dois anos aprendendo que autonomia total produz lixo em escala.

A resposta da InkoAI é ser autônomo nas partes chatas, escrita de prompt, proporção de tela, escolha de modelo, montagem, e parar em cada ponto onde alguém perguntaria depois quem aprovou isso. É uma promessa de fluxo de trabalho vestida de promessa de agente.

O custo desse desenho é a fadiga de aprovação. Um vídeo de dez planos com um ponto de controle antes de cada geração são dez interrupções, e quem clica em aprovar sem ler construiu um caça-níquel com etapas extras. As Skills prontas aliviam em parte ao agrupar as aprovações em roteiro, personagens e planos. Saber se três pontos de controle é o número certo é uma pergunta empírica que o produto vai responder com dados de uso.

Há também um aviso mais antigo nessa categoria. A OpenAI lançou o app Sora em setembro de 2025, passou de um milhão de downloads em semanas e anunciou em março de 2026 que fecharia o app, depois de preocupações com deepfakes. A empresa não deu motivo explícito. Geração de vídeo de consumo é um mercado onde a distribuição chega rápido e o risco político chega mais rápido.

Quanto custa e o que esconde

A DomoAI não publicou preço separado para o agente, a frase menos satisfatória do anúncio e a que um produtor mais precisa, porque num pipeline roteado a questão inteira é quem paga pelas tentativas desperdiçadas.

Uma ferramenta de modelo único tem conta simples: gerações vezes preço. Um orquestrador de quinze modelos tem uma conta que depende das próprias decisões. Se o roteador escolhe um modelo de vídeo caro para um plano que um barato daria conta, o usuário paga o erro de roteamento e nunca vê a linha. Se escolhe um barato e o plano sai errado, a nova tentativa custa mais do que o modelo caro teria custado.

Os pontos de aprovação são o único lugar onde o usuário pode interferir nessa economia, o que é um argumento discreto para que existam. Um plano mostrado antes da geração é também um orçamento antes da geração, se o produto quiser exibir um.

O outro custo escondido é o tempo. Quinze modelos significam quinze caminhos de carregamento, e um chat que para cinco vezes para aprovar num vídeo de dez planos é uma sessão medida em horas. As empresas que estão ganhando nessa categoria tratam o tempo real como recurso de primeira linha.

O que observar

Três coisas, na ordem do quanto mudariam a categoria.

Se o roteador fica bom o bastante para sumir. Se o agente escolhe com confiança o modelo certo por plano, a lista de quinze modelos vira vantagem de verdade em vez de peso de suporte.

Se a consistência aguenta as trocas de modelo. O problema técnico mais difícil de um pipeline multimodelo é um personagem que sobrevive a uma passagem, e nenhuma interface de chat resolve isso.

Se o modelo de pontos de controle aguenta volume. Aprovar é barato com três decisões e caro com trinta. O produto que achar a granularidade certa leva o chão do microdrama, e é ali que o dinheiro está agora.

Por ora, o InkoAI diz com clareza para onde vão as ferramentas de vídeo de consumo: para um orquestrador que mantém uma pessoa no circuito nos momentos exatos em que ela ainda é necessária. Não é um modelo nem um estúdio.

Artigos relacionados