Kino AI 按调用次数卖智能体剪辑,不按渲染次数

Kino AI 本周发布了一款 AI 素材管理器兼视频剪辑器,产品介绍读起来像在罗列剪辑师日常做的事:存素材、在时间线上剪、收集审阅意见。真正关键的部分在时间线的另一侧。Kino 跑着一个 Model Context Protocol 服务器,这意味着 Claude Code、Codex、Cursor 和 ChatGPT 都能在自己的对话窗口里搜索素材、修改项目,全程不用有人打开 Kino 的界面。
Kino 是 Y Combinator S23 的公司,一直在围绕一个很具体的痛点做东西。视频制作被拆在三个互不通话的地方:素材躺在本地硬盘,剪辑在笨重的桌面软件里,审阅在表格或者分享链接里。Kino 的答案是整个项目当成一个共享环境,人和智能体看的是同一批素材、同一条时间线。
MCP 服务器到底开放了什么
两样东西:媒体库和时间线。智能体可以按描述搜索素材,取出想要的那一条,放到位置上。它可以剪断、调顺序、设定风格。云端分享走 720p 代理转码,所以素材是以 URL 流式读取的,不用等下载。
最后这个细节最不体面,却决定了智能体工作流是快还是慢。一个必须先拉完 4GB 摄影机原始文件才能看到第 300 帧的智能体,不叫智能体,叫批处理任务。代理文件决定了是两秒检查一次还是两分钟检查一次,也让模型能在你读完这段文字的时间里看完四十条素材。
Kino 自己的说法对边界很克制。公司说,像 Claude Code 这样的工具确实能一条过做出一支视频,但 Kino 提供的是基础设施,让人在交付前能看完成品、留意见、调一个字号、补几条 B-roll。这比大多数发布会更诚实地描述了智能体现在的位置。生成不再是瓶颈,审阅循环才是。
定价暴露了他们眼里的稀缺品
免费版完整得反常:完整编辑器、不限量的导入导出,外加每周 100 次 MCP 工具调用。Pro 每月 20 到 25 美元,给的是不限量 MCP 调用、更大存储,以及分享时间线与媒体链接的能力。
倒过来读这个结构。Kino 不按渲染、不按导出、也不按素材分钟数计费。它按智能体调用计费。公司已经判断,存储和算力会乖乖听话,而一个模型在一个项目上戳来戳去的次数,才是会失控的那个数。

这是个合理的猜测,也很有启发性。智能体剪一条五分钟的片子,可能要做几百次小调用:搜素材、读当前时间线、查时长、放一段、再查一遍。每次调用都便宜。一次剪辑一百次,五个人一个团队,天天如此,就不便宜了。按调用收费,等于把计价器装在行为发生的地方。
它也造出一个奇怪的激励。如果调用是计量单位,一个高效的智能体比一个聪明的智能体更值钱,而厂商也有理由把工具面收窄。Kino 列出的是一组有边界的操作,而不是一个「什么都能干」的通用端点。这对可靠性是对的,恰好对商业模式也是对的。
为什么时间线比提示框更值得下手
过去两年的 AI 视频工具大多在攻生成。打一句话,拿一段片子。输出很唬人,工作流却是死路,因为片子到手是个文件,而文件得由某个对节奏有意见的人跟别的文件拼起来。
一条可被 MCP 编辑的时间线,攻的是拼装。零件可以从任何地方来:摄影机素材、AI 生成的镜头、素材库片段、屏幕录制。智能体的活是摆放和结构,而这正是剪辑里规则足够明确、可以自动化,又足够无聊、人们愿意让它自动化的那部分。
同一个认识,推动 Adobe 承诺在 2027 年初为 Photoshop、Illustrator、Premiere 和 After Effects 提供 MCP 集成,也是 YouArt 决定通过菜单去驱动专业剪辑软件的原因。三条不同的路,一个共同前提:有价值的面是项目,不是提示词。
Kino 的不同之处在于,它拥有项目格式。Adobe 和 YouArt 必须在别人控制文件格式的软件里干活。Kino 可以围绕智能体需要读什么来设计数据模型,所以它能交给 LLM 一条结构化时间线,而不是时间线的截图。
风险都是老几样
共享环境的好坏取决于权限。如果一个智能体能改时间线,它也能删掉一条 take,而在协作画布上做「撤销」比在单用户应用里难得多。Kino 的审阅系统暗示有版本管理,但发布材料没说能回溯多远,也没说谁能恢复什么。
第二,按描述剪辑的智能体会做出人不会做的选择。它会因为描述匹配而选走第二好的那一条。它会在技术上正确、情绪上完全错误的点上切。审阅循环是缓解手段,而审阅循环需要一个有时间的人,这恰好是产品本该省下来的东西。
第三,MCP 调用额度给野心设了天花板。搭复杂智能体工作流的团队,一个下午就能撞到每周 100 次然后升级,这没问题,然后他们会发现不限量调用会让智能体变糙。速率限制既是付费墙,也是设计工具。
值得拿走的
Kino 是家小公司,论点很清楚:把视频项目做成一个可编程对象,然后让这个季度最时髦的那个智能体去操作它。这个赌注不依赖任何一个模型胜出。它只依赖智能体变得足够可信,能被托付一条时间线,而这件事已经在一些窄场景里发生了。
接下来十二个月会看出,剪辑师是接受智能体当一个需要盯着的助理剪辑,还是把整个品类当成只会产出不可用初剪的玩具。Kino 的免费版定价就是为了快点回答这个问题。每周一百次调用够试出结果,也便宜到没人在预算会上为它争。
相关文章
「宿命感拉满的橘子海剪影」:一句提示词把情绪拆成了参数
11 月 19 日到 20 日,小红书和抖音同时刷起「橘子海剪影」。点进去会发现多数人并没有站在落日下,他们把自己的一张照片交给豆包,出来的是一张 3:4 竖版情绪海报。这套氛围被拆成了十几个写得明明白白的参数。
ByteDance 的 SeedRealtime 每秒只取两帧,再自己决定什么时候开口
豆包 Seed-Realtime-1.0 把摄像头画面、屏幕画面和语音合成一个全双工会话,每秒最多推两帧。有意思的决定是帧率、主动说话,以及默认就开着的审核回复。
Cicada 直接听会议的系统音频,会议室里没有机器人
Cicada 是 Mac、Windows、Linux 和 Android 上的免费应用,从系统音频里写出双语字幕和结构化会议笔记。按住一个键,你能用自己克隆出来的声音,把回复用另一种语言说出去。整个过程里没有机器人加入通话。
一台 server、一个 AI 主播:夜间直播背后的代码
open-yoki 是一个每晚在 Binance Square 直播的 AI 主播的生产代码,人格、声音和跟钱有关的功能都拿掉了。headless Chrome 画帧,ffmpeg 推 RTMP,一个 Markdown 文件夹决定她的情绪和要发的东西。