← 返回博客
Ai预计阅读 9 分钟

输入一行,十五个模型开工,每一步你点头

发布于 2026年11月13日
输入一行,十五个模型开工,每一步你点头

DomoAI 在 11 月 13 日发布了 InkoAI Agent。宣传语只有一句:打一行想法,拿一条短视频。

值得看的是机制。这个 agent 自己跑一条任务链:写提示词,按投放平台定画幅和时长(发 Shorts 或 Reels 就得竖屏,16:9 的场景不合适),然后在生成之前,把打算做的东西摆给你看,等你点头。

这个停顿就是产品本身。

这条链实际在做什么

创作者从一行文字开始。agent 把它变成提示词,决定容器,给出一份方案。你也可以带自己的素材进来:剧本、分镜、产品图。之前产出的东西留在对话里,某个镜头想改、想做成动画,不用重新上传当初生成它的那个文件。

对话背后是十五个图像和视频模型,不是一个。公开名单里有 GPT Image 2.5、Nano Banana Pro、Seedance 2.5、MiniMax H3,还有 DomoAI 自家的 2.5。四家供应商,一个界面,由 agent 决定哪个活派给哪个模型。

还有 Skills,DomoAI 给预设流程起的名字,一键启动:短剧、动漫风视频、卡通片段、带台词或旁白的故事。这些流程里,你先确认剧本,再确认角色,最后逐个确认镜头。

公司说平台上有超过五百万创作者,5 月时还是四百多万。agent 没有单独定价。

路由才是暗处那份活

十五个模型塞进一个对话,用功能清单来形容就太轻了,它是个调度问题,用户看不见调度发生在哪。

一张角色设定图需要能在各种变体里稳住脸的图像模型。一个三秒的插入镜头需要便宜、快的视频模型。一个有台词的镜头需要原生带音频的模型。一张风格帧需要最擅长那种风格的模型,动漫和写实产品图往往落在不同的模型上。这些判断得一步步做,今天 AI 视频生产里最烦人的,恰好就是手工做这些判断。

agent 的解法是自己做判断,在花算力之前把判断摊开给你看。这个设计说得通,也等于承认:如果路由明显是对的,就没必要问了。

所以质量上限由路由器决定,单模型决定不了。一条链的好坏取决于最弱的那次交接,而在镜头之间切换模型的流水线,必须解决切换时的角色一致性,这是所有多模型工作流都有的问题,至今没人彻底解决。

为什么先打微短剧

Skills 那份清单不是随手列的。短剧、动漫、卡通、带旁白的故事。这些格式里,产量比任何单帧都重要,观众还在手机上开着声音看。

市场数字能解释这个选择。Sensor Tower 估算,2026 年第一季度短剧应用的下载量超过 8.5 亿次,同比增长 140%,当季应用内支出约 7.5 亿美元,增长 20%。DramaBox 和 ReelShort 各自拿到接近 1.4 亿美元。东南亚、拉美和印度贡献了超过四分之三的下载。

这是一门内容消耗极快、每分钟成本固定的生意。一个能把一行设定变成竖屏一集、还在关键处设人工确认的 agent,瞄准的正是那种每月需要四十集的制片方。

对营销人员说法不一样,范围也窄:一张产品图变成几条用户生成内容风格的广告,可以直接拿去测。这条路走烂了,有意思的还是那个确认点,品牌团队没法发布自己没看过的广告。

确认链是对不信任的一次下注

自主和确认是对立的,消费级 AI 视频花了两年时间才学会:完全自主会批量生产垃圾。

InkoAI 的答案是:在无聊的部分自主,写提示词、定画幅、选模型、拼接,然后在每一个「以后会有人问这是谁批的」的地方停下来。这是把工作流主张包装成了 agent 主张。

代价是确认疲劳。一条十镜的视频,每次生成前都确认,就是十次打断;不看内容直接点通过的用户,等于造了台多几步操作的老虎机。预设 Skills 部分缓解了这点,把确认合并成剧本、角色、镜头三轮。三轮合不合适,要靠使用数据回答。

这个品类还有一个更早的警示。OpenAI 在 2025 年 9 月上线 Sora 应用,几周内下载破百万,然后在 2026 年 3 月宣布关停,此前外界对深度伪造有担忧。公司没有给出明确原因。消费级视频生成是个分发能来得很快、政策风险能来得更快的市场。

价格,以及它藏起来的东西

DomoAI 没有给 agent 单独定价,这是公告里最不让人满意的一句,也是制片方最需要的一句,因为被路由的流水线,全部问题在于试错的账最后由谁付。

单模型工具账单很简单:生成次数乘单价。十五个模型的编排器,账单取决于它自己的决策。如果路由器给一个便宜模型就能搞定的镜头挑了贵的视频模型,用户为路由错误付钱,还看不到这笔账。如果它挑了便宜的,镜头出来是坏的,重试的成本比当初直接用贵模型还高。

确认点是用户唯一能干预这套账的地方,这算是它们存在的一个不张扬的理由。生成前展示的方案,如果产品愿意显示估价,也是一份生成前的报价。

另一笔成本是时间。十五个模型就是十五条加载路径,一条十镜的视频里五次停下等确认,这样的会话按小时算。这个品类里赢的公司,都把实际耗时当成一等功能。

该看什么

三件事,按它们能改变这个品类的程度排序。

路由器能不能好到让人看不见。如果每个镜头都能稳定挑对模型,十五个模型的名单就从支持负担变成真正的优势。

角色一致性能不能跨过模型切换。多模型流水线里最难的技术问题,是一个角色能不能活过一次交接,聊天界面做得再好也修不了这个。

确认模型能不能扛住量。三个决策时确认很便宜,三十个就贵了。找到正确颗粒度的产品会赢下微短剧这块地盘,钱现在就在这块地盘上。

眼下,InkoAI 把消费级视频工具的去向说得很清楚:模型和工作室都不是它的位置,它做的是编排,在人类仍然必要的那些时刻,把人类留在环里。

相关文章