Seedance 新 Agent 说：模型从来就不是那个产品

火山引擎 10 月 21 日上线了 Seedance Managed Agent。它是一个搭在 Seedance 和 Seedream 模型之上的视觉生产智能体，而官方说辞难得地具体——尤其在讲清楚“它不是什么”这件事上。

它不是模型 API。这条线是厂商自己划的：模型 API 一次请求只回一张图或一个镜头。真实的工作不长这样。真实的工作是：接到一份含糊的需求，到处翻参考，把素材归拢好，反复生成，检查结果对不对得上需求，然后重来一遍。

Seedance MA 就是套在这一切外面的那层壳。所以它其实是在赌：这个行业里的价值到底落在哪一层。而这恰恰也是其他人正在悄悄下的同一个注。

它到底哪里做得不一样

这套系统把生成模型和一个自研 harness 配在一起——harness 是那层负责解析意图、把任务拆成步骤、管理上下文的编排层——再加一套把生产流程编码进去的技能包，以及用于检索、合成和校验的工具。

官方描述里最关键的一个词是“联合调优”。harness 不是事后挂到一个已经做完的模型上的。它是跟模型一起训出来的：模型学着认出 harness 发来的指令长什么样才算规范，harness 则学着摸清这个模型能被要求做什么、不能被要求做什么。

这和常见做法有实质差别——常见做法是给模型套一层 prompt 模板，然后管它叫 agent。prompt 模板没法根据模型刚刚生成的东西做调整。一起训出来的 harness 可以。

那些数字，以及它们量的到底是什么

火山声称，在短剧、单图和套图场景下，相比直接用模型，综合质量提升 17%。更有信息量的其实是后面四项拆分：

剧本与分镜不达标率下降约 67%。剧情混乱下降 54%。图像编辑一致性问题下降 50%。套图一致性问题下降 60%。

注意这些指标量的是什么。没有一项是画面质量。它们量的全是“跑偏”——模型干了一件还不错的事，但不是你要的那件事；或者出了三张图，看着不像同一套。

这才是该打的那组问题，因为真正毁掉商业项目的就是跑偏。图难看，重生成一次就完了。“第 6 个镜头跟第 2 个镜头对不上”这种，你不手工重做连贯性就修不了，而手工做连贯性恰恰是这活里最贵的那部分。

老规矩得说一句：这些是厂商数据，出自厂商自己挑的评测集，跑在厂商自己的硬件上。不过它们足够具体，具体到可以被证伪——这一点已经比大多数发布会强了。

“harness”这个词不是随便挑的

这套词是从 coding agent 那边借来的，而且不是巧合。

过去一年半软件行业最大的教训是：模型大致上是日用品，harness 才是产品。同一个模型，两套不同的 harness，产出质量能差出天去。Claude Code 和对同一个模型裸调 API，根本不是同一个工具。

视觉生成这块，大概比这个认知晚了有一年。生态里大多数玩家还是把“更好的 checkpoint”当成答案，所以这个赛道一直在产出那种排行榜上赢、客户那边输的模型。

如果 harness 这套论断成立，那 AI 视频里真正能沉淀下来的资产不是模型权重，而是积累起来的技能库——把“怎么把一份 brief 拆成镜头”“验收一条之前该看什么”“怎么让一个角色在四十条片子之间保持一致”这些知识编码下来。这些知识现在基本都存在在职导演的脑子里，谁先把它变成软件，谁就占住这个品类。

对买方来说改变了什么

agent API 改变的是购买的计量单位。你不再买 token 或秒数，你开始买交付物。

听着对买方更友好，实际上更麻烦。用模型 API，你能预估每张图的成本，然后照着做预算。用 agent，成本取决于它自己决定重试了多少次，而重试多少次又取决于你的 brief 写得多烂。你是在为 agent 对自己工作的判断付费。

所以价格谈判的话题从“每次生成多少钱”变成了“每个被接受的交付物多少钱”。合同大概也会跟着变：每个通过验收的素材固定价，附带明确规定的修改轮数。代理商一直都是这么报价的，眼看着软件去学创意行业里最不招人待见的这套结构，还挺微妙的。

另外两个实际后果。第一，可调试性。模型出了废图，你改 prompt。agent 出了废图，你得先判断到底是规划错了、参考检索错了，还是验收环节太松。这是一项新的调试技能，目前没人会。

第二，锁定。一个把你的生产流程编码进去的 harness 之所以有价值，恰恰因为它不好搬走。同一个属性，也让它不好脱身。

为什么做图的人最该关心

那几个一致性数字，才是视频之外真正要紧的。

用 AI 做过产品图册的人都知道，真正的难点不是做出一张漂亮的图。是做出二十张，看起来像同一天、同一个影棚、同一套灯打出来的。现在干这事的工作流是：一张参考图，加上祈祷，再加上大量手工调色。

一致性失败率降 50% 到 60%——如果这个数字站得住——那就是“AI 能用来做主图”和“AI 能用来做 200 个 SKU 的图册”之间的差别。这扇商业门比再挤一点画质要大得多。

它也改变了你该问厂商什么。别问“你们模型多强”，有用的问题是“你一次能出多少张我不用逐张修的图”。那才是生产经理真正拿来排预算的数字。

接下来往哪走

现在每家头部 lab 都在往自家模型上叠一层 agent：火山有 Seedance MA，Google 有 Flow，Adobe 有它的 Firefly agents，OpenAI 有自己的托管工作流。这个套路收敛得足够快，快到模型本身正在变成发布会上最无聊的那部分。

而这大概是对的。最好的图像模型和第五好的之间，差距很小，而且在缩小。一个能稳定交付 200 个一致素材的工作室，和一个做不到的之间，差距巨大，而这个差距跟你加载了哪个 checkpoint 几乎没关系。

Seedance MA 是在赌：钱就在这道缝里。这个赌注很无聊，但大概是对的。