輸入一行,十五個模型開工,每一步你點頭

DomoAI 在 11 月 13 日發布了 InkoAI Agent。宣傳語只有一句:打一行想法,拿一條短影音。
值得看的是機制。這個 agent 自己跑一條任務鏈:寫提示詞,按投放平台定比例和長度(發 Shorts 或 Reels 就得是直式,16:9 的畫面不合適),然後在生成之前,把打算做的東西擺給你看,等你點頭。
這個停頓就是產品本身。
這條鏈實際在做什麼
創作者從一行文字開始。agent 把它變成提示詞,決定規格,給出一份方案。你也可以帶自己的素材進來:腳本、分鏡、產品圖。之前產出的東西留在對話裡,所以某個鏡頭想改、想做成動畫,不用重新上傳當初生成它的那個檔案。
對話背後是十五個圖像和影片模型,不是一個。公開的名單裡有 GPT Image 2.5、Nano Banana Pro、Seedance 2.5、MiniMax H3,還有 DomoAI 自家的 2.5。四家供應商,一個介面,由 agent 決定哪個活派給哪個模型。
還有 Skills,DomoAI 給預設流程起的名字,一鍵啟動:短劇、動漫風影片、卡通片段、帶台詞或旁白的故事。走這些流程時,你先確認腳本,再確認角色,最後逐個確認鏡頭。
公司說平台上有超過五百萬創作者,5 月時還是四百多萬。agent 沒有單獨定價。
路由才是暗處那份活
十五個模型塞進一個對話,功能清單形容不了,它是個調度問題,使用者看不見調度發生在哪。
一張角色設定圖需要能在各種變體裡穩住臉孔的圖像模型。一個三秒的插入鏡頭需要便宜、快的影片模型。一個有台詞的鏡頭需要原生帶音訊的模型。一張風格幀需要最擅長那種風格的模型,動漫和寫實產品圖往往落在不同的模型上。這些判斷得一步步做,今天 AI 影片生產裡最煩人的,恰好就是手工做這些判斷。
agent 的解法是自己做判斷,然後在花算力之前把判斷攤開給你看。這個設計說得通,同時也等於承認:如果路由明顯是對的,就沒必要問了。
所以品質上限由路由器決定,單模型決定不了。一條鏈的好壞取決於最弱的那次交接,而一個在鏡頭之間切換模型的流水線,必須解決切換時的角色一致性,這是所有多模型工作流都有的問題,至今沒人徹底解決。
為什麼先打微短劇
Skills 那份清單不是隨手列的。短劇、動漫、卡通、帶旁白的故事。這些格式裡,產量比任何單幀都重要,觀眾還在手機上開著聲音看。
市場數字能解釋這個選擇。Sensor Tower 估算,2026 年第一季短劇應用的下載量超過 8.5 億次,同比成長 140%,當季應用內支出約 7.5 億美元,成長 20%。DramaBox 和 ReelShort 各自拿到接近 1.4 億美元。東南亞、拉美和印度貢獻了超過四分之三的下載。
這是一門內容消耗極快、每分鐘成本固定的生意。一個能把一行設定變成直式一集、還在關鍵處設人工確認的 agent,瞄準的正是那種每月需要四十集的製作方。
對行銷人員說法不一樣,範圍也窄:一張產品圖變成幾條使用者生成內容風格的廣告,可以直接拿去測。這條路走爛了,有意思的還是那個確認點,品牌團隊沒法發布自己沒看過的廣告。
確認鏈是對不信任的一次下注
自主和確認是對立的,消費級 AI 影片花了兩年時間才學會:完全自主會批量生產垃圾。
InkoAI 的答案是:在無聊的部分自主,寫提示詞、定比例、選模型、拼接,然後在每一個「以後會有人問這是誰批的」的地方停下來。這是把工作流主張包裝成了 agent 主張。
代價是確認疲勞。一條十鏡的影片,每次生成前都確認,就是十次打斷;不看內容直接點通過的使用者,等於造了一台多幾步操作的老虎機。預設 Skills 部分緩解了這點,把確認合併成腳本、角色、鏡頭三輪。三輪合不合適,要靠使用數據回答。
這個品類還有一個更早的警示。OpenAI 在 2025 年 9 月上線 Sora 應用,幾週內下載破百萬,然後在 2026 年 3 月宣布關停,此前外界對深度偽造有疑慮。公司沒有給出明確原因。消費級影片生成是個分發能來得很快、政策風險能來得更快的市場。
價格,以及它藏起來的東西
DomoAI 沒有給 agent 單獨定價,這是公告裡最不讓人滿意的一句,也是製作方最需要的一句,因為被路由的流水線,問題全在於試錯的帳最後由誰付。
單模型工具帳單很簡單:生成次數乘單價。十五個模型的編排器,帳單取決於它自己的決策。如果路由器給一個便宜模型就能搞定的鏡頭挑了貴的影片模型,使用者為路由錯誤付錢,還看不到這筆帳。如果它挑了便宜的,鏡頭出來是壞的,重試的成本比當初直接用貴模型還高。
確認點是使用者唯一能干預這套帳的地方,這算是它們存在的一個不張揚的理由。生成前展示的方案,如果產品願意顯示估價,也是一份生成前的報價。
另一筆成本是時間。十五個模型就是十五條載入路徑,一條十鏡的影片五次停下等確認,這樣的會話按小時算。贏的公司,都把實際耗時當成一等功能。
該看什麼
三件事,按它們能改變這個品類的程度排序。
路由器能不能好到讓人看不見。如果每個鏡頭都能穩定挑對模型,十五個模型的名單就從支援負擔變成真正的優勢。
角色一致性能不能跨過模型切換。多模型流水線裡最難的技術問題,是一個角色能不能活過一次交接,聊天介面做得再好也修不了這個。
確認模型能不能扛住量。三個決策時確認很便宜,三十個就貴了。找到正確顆粒度的產品會贏下微短劇這塊地盤,而錢現在就在這塊地盤上。
眼下,InkoAI 把消費級影片工具的走向說得很清楚:模型和工作室都不是它的位置,它做的是編排,在人類仍然必要的時刻,把人類留在迴圈裡。
相關文章
一份社群維護的點擊表,關掉了中國品牌 Android 系統裡的廣告
它不動系統,不解鎖,不刷機,只把廠商本來就留出來的開關一個個撥過去。代價是這份名單得一直有人續寫。
GPT Image 2.6 守住 token 價格,帳單卻變貴了
GPT Image 2.6 沿用 2.5 的全部 token 費率,每張圖卻更貴,因為更多工作現在花在輸出 token 上。上線十一天,定價結構說得比排行榜更多。
有人從外部重寫了 IDM,並寫下自己沒碰過的部分
Mister Download Manager 用 Rust 重寫了 Internet Download Manager 的下載流程,聲稱速度快 5 倍、支援 86 種語言。更值得細讀的,是它解釋如何在不複製任何程式碼的前提下完成重寫的那一段。
Rune 是一個 Rust UI 框架,設計初衷是讓 agent 能檢查自己的工作
Rune 能無頭繪製、匯出元素樹並接受腳本化輸入,這讓編碼 agent 拿到截圖永遠給不了的東西,一個可 diff 的訊號。這個框架仍是預先發布版,不接受 pull request。