Seedance 新 Agent 說：模型從來就不是那個產品

火山引擎 10 月 21 日推出 Seedance Managed Agent。這是一個建在 Seedance 和 Seedream 模型之上的視覺生產代理，而官方說法難得地具體——尤其在講清楚「它不是什麼」這件事上。

它不是模型 API。這條界線是廠商自己劃的：模型 API 一次請求只回一張圖或一個鏡頭。真實的工作不是長這樣。真實的工作是：接到一份講不清楚的需求，到處翻參考，把素材整理好，反覆生成，檢查結果對不對得上需求，然後再來一遍。

Seedance MA 就是包在這一切外面的那層殼。所以它其實是在押注：這個行業的價值到底落在哪一層。而這也正是其他人都在默默下的同一個注。

它到底哪裡做得不一樣

這套系統把生成模型和一套自研 harness 搭在一起——harness 是負責解析意圖、把任務拆成步驟、管理上下文的那層編排層——再加上一組把生產流程寫成程式的技能，以及用來檢索、合成和檢查的工具。

官方說法裡最關鍵的一個詞是「聯合調校」。harness 不是做完模型之後才硬掛上去的。它是跟模型一起訓練出來的：模型學會辨認 harness 下來的指令長什麼樣才算合格，harness 則學會摸清這個模型能要求它做什麼、不能要求它做什麼。

這跟常見做法有實質差別——常見做法是把模型包一層 prompt 模板，然後就叫它 agent。prompt 模板沒辦法根據模型剛剛生成的東西做調整。一起訓練出來的 harness 可以。

那些數字，還有它們到底在量什麼

火山聲稱，在短劇、單圖和套圖情境下，比起直接用模型，綜合品質提升了 17%。但更有資訊量的是後面四項拆解：

腳本與分鏡不合規下降約 67%。劇情混亂下降 54%。圖像編輯一致性問題下降 50%。套圖一致性問題下降 60%。

注意這些指標量的是什麼。沒有一項是畫面品質。它們量的全是「跑掉」——模型做了一件還不錯的事，但不是你要的那件事；或者出三張圖，看起來不像同一套。

這才是該打的問題，因為真正毀掉商業案子的就是跑掉。圖難看，重新生成一次就好。「第 6 個鏡頭跟第 2 個鏡頭對不上」這種，你不手工重做連戲就修不好，而手工做連戲正好是這行最貴的部分。

老規矩還是要說：這些是廠商數字，來自廠商自己挑的評測，跑在廠商自己的硬體上。不過它們夠具體，具體到可以被推翻——光這點就比大多數發表會強。

harness 這個詞不是隨便挑的

這套詞是從 coding agent 那邊借來的，而且不是巧合。

過去一年半軟體業最大的教訓是：模型大致上是日用品，harness 才是產品。同一個模型，兩套不同的 harness，產出品質可以差到天邊。Claude Code 跟直接對同一個模型裸呼叫 API，根本不是同一個工具。

視覺生成這邊，大概比這個體悟晚了將近一年。生態裡大多數人還是把「更好的 checkpoint」當答案，所以這個領域一直在生出那種排行榜上贏、客戶卻跑掉的模型。

如果 harness 這套說法成立，那 AI 影片裡真正能沉澱下來的資產不是模型權重，而是累積出來的技能庫——把「怎麼把一份 brief 拆成鏡頭」「驗收一條之前該看什麼」「怎麼讓一個角色在四十條片子之間保持一致」這些知識寫成程式。這些知識現在大致都還存在現役導演腦子裡，誰先把它變成軟體，誰就佔住這個品類。

對買方來說改變了什麼

agent API 改變的是計價單位。你不再買 token 或秒數，開始買交付物。

聽起來對買方更友善，實際上更麻煩。用模型 API，你可以估算每張圖的成本，照著編預算。用 agent，成本取決於它自己決定重試了幾次，而重試幾次又取決於你的 brief 寫得多糟。你是在為 agent 對自己工作的判斷付錢。

所以價格談判的重點從「每次生成多少錢」變成「每個被接受的交付物多少錢」。合約大概也會跟著改：每個通過驗收的素材固定價，外加明確規定的修改輪數。代理商一直都是這樣報價的，看著軟體業去學創意產業裡最不受歡迎的那套結構，還真有點微妙。

另外兩個實際後果。第一，可除錯性。模型出爛圖，你改 prompt。agent 出爛圖，你得先判斷到底是規劃錯了、參考檢索錯了，還是驗收放太寬。這是一項新的除錯技能，目前沒人會。

第二，綁定。一套把你的生產流程寫進去的 harness 之所以有價值，正是因為它不好搬。同一個特性，也讓它不好脫身。

為什麼做圖的人最該在意

那幾個一致性數字，才是影片之外真正要緊的。

用 AI 做過產品型錄的人都知道，真正的難點不是做出一張漂亮的圖。是做出二十張，看起來像同一天、同一個攝影棚、同一組燈打出來的。現在做這件事的流程是：一張參考圖，加上祈禱，再加上大量手工調色。

一致性失敗率降 50% 到 60%——如果這個數字撐得住——那就是「AI 能拿來做主圖」和「AI 能拿來做 200 個 SKU 型錄」之間的差別。這扇商業大門比再擠出一點畫質要大得多。

它也改變了你該問廠商什麼。別問「你們模型多強」，有用的問題是「你一次能出多少張我不必逐張修的圖」。那才是生產經理真正拿來編預算的數字。

接下來會往哪走

現在每家一線 lab 都在自家模型上疊一層 agent：火山有 Seedance MA，Google 有 Flow，Adobe 有它的 Firefly agents，OpenAI 有自己的託管工作流。這套模式收斂得夠快，快到模型本身正在變成發表會上最無聊的那一段。

而這大概是對的。最好的圖像模型跟第五好的之間，差距很小，而且在縮小。一間能穩定交付 200 個一致素材的工作室，跟一間做不到的之間，差距大得驚人，而這跟你是載入了哪個 checkpoint 幾乎沒關係。

Seedance MA 是在押注：錢就躺在這道縫裡。這注很無聊，但大概是對的。