MiniMax und Alibaba treiben gleichzeitig den Aufbau von Video-Agent voran. Nach dem Wettbewerb um KI-Modelle beginnt nun die Konkurrenz um Workflows?

In den letzten sechs Monaten ist die Multi-Agent-Kooperation fast zum Standard von KI-Videoplattformen geworden. Plattformen wie LibTV und Flova haben durch die Kapselung von Modell-APIs in einen vollständigen Workflow vom Drehbuch zum fertigen Video schnell die Nutzerzahl und das Geschäftsvolumen gesteigert.

Heute beginnen die Modellanbieter im oberen Wertschöpfungsbereich, selbst aktiv in den Markt einzutreten. Der Schwerpunkt des Branchenwettbewerbs hat sich von der Fähigkeit des Basismodells auf den Wettbewerb um Produktionswerkzeuge und Nutzungserlebnisse ausgeweitet.

Am 31. August wurde die Agent Teams von Qianwen Creation offiziell für alle Nutzer freigegeben – fünf Agenten für Drehbuchautor, Regisseur, Künstler, Kameramann und Cutter bilden eine vollständige Pipeline von der Idee zum fertigen Video.

Vor nur 10 Tagen hat MiniMax den offiziellen Kreativarbeitsplatz MiniMax Design auf den Markt gebracht, der alle Kreativfähigkeiten von Generierung, Bearbeitung bis Schnitt in einem offiziellen Arbeitsplatz bündelt. Gleichzeitig führt ByteDance interne Tests für die „Manhua-Kreativwerkzeuge“ und Seedance Studio durch: Eines zielt auf die teamorientierte Massenproduktion von langen Manhua-Serien ab, das andere auf professionelle Kreation auf Filmebene.

Die drei Unternehmen haben innerhalb eines Monats dicht aufeinanderfolgende Schritte unternommen, aber ihre Positionen und Strategien sind nicht gleichwertig: Alibaba und MiniMax als Verfolger greifen den Markt mit der zweigleisigen Strategie aus „offiziellen Werkzeugen + Drittkanälen“ an. ByteDance als marktführendes Unternehmen wählt den geschlossenen Werkzeugkreislauf und gestaffelte Preise, um seine Vorteile zu wahren und sein Ökosystem zu stärken. Die zwischen ihnen stehenden Drittaggregationsplattformen stehen unter dem Druck der gleichzeitigen Verschärfung von Ober- und Unterseite.

Der Konsens der gesamten Branche wird immer klarer: Das Wettrüsten um die Modelfähigkeiten hat einen neuen Gleichgewichtspunkt erreicht. Das nächste Schlachtfeld ist, wer Modelle zu wettbewerbsfähigen industriellen Produktionswerkzeugen umwandeln kann.

Breite der Kanäle und Tiefe der Agent-Plattform: Der zweigleisige Ausbruch von Alibaba und MiniMax

Als die Modelfähigkeiten die erste Branchenspitze erreicht haben, sind Alibaba und MiniMax fast gleichzeitig in dieselbe Richtung gegangen: Sie geben nicht mehr nur die Fähigkeiten des Basismodells aus, sondern kapseln die Modelle in vollständige Produktionswerkzeuge auf der Grundlage des offiziellen Agent-Arbeitsplatzes ein und verteilen sie über Drittkanäle, um den Markt mit zwei parallelen Wegen anzugreifen.

Die Aktionsrhythmus von Alibaba verdeutlicht diese Logik am besten. Nur eine Woche nach der offiziellen Veröffentlichung von Wan 3.0 hat Qianwen Creation die speziell für Wan 3.0 entwickelte Agent Teams-Funktion eingeführt, die vollständig eine Produktionsschichtunterstützung für das neue Modell darstellt.

Wan 3.0, das am 24. August auf den Markt kam, kann einmalig 30-Sekunden-Videos in nativer 4K-Auflösung generieren. Es unterstützt erstmals die direkte Eingabe von Dokumenten in mehreren Formaten, die Personenkonsistenz und Bildstabilität wurden deutlich verbessert. Während der öffentlichen Testphase wurde es von Künstlern als „stabil, realistisch und hochwertig“ bewertet.

Obwohl Wan 3.0 sofort in Plattformen wie Flova und LibTV integriert wurde, liegt das Problem genau hier: Die Produktionsprozesse und Daten werden auf Drittplattformen gespeichert. Als Modellanbieter kann Alibaba weder sein eigenes Künstlerökosystem aufbauen noch die Modelfähigkeiten zu einem wiedererkennbaren Nutzungserlebnis verpacken. Für Praktiker von Manhua-Serien und Kurzfilmen ist Wan 3.0 derzeit nur eines von vielen wählbaren Modellen.

Genau diese Lücke soll die Agent Teams von Qianwen Creation schließen. Es integriert die volle Version von Wan 3.0 Prime und Qwen-Image 3.0 Pro in ein Multi-Agent-System, das nach der Arbeitsteilung eines Filmteams gestaltet ist: Der Nutzer gibt eine Idee ein, der Drehbuchautor erstellt das Drehbuch, der Regisseur erstellt die Storyboards, der Künstler bestimmt den Stil, der Kameramann erzeugt die Bilder und der Cutter fügt das fertige Video zusammen – der gesamte Prozess schließt sich auf derselben Plattform ab.

Jeder Schritt von der Idee zum fertigen Video verbleibt im eigenen Ökosystem von Alibaba. Die Modelfähigkeiten von Wan 3.0 werden dadurch zu Produktionsfähigkeiten, die Praktiker direkt nutzen können.

MiniMax geht denselben Weg, aber sein Open-Source-Hintergrund macht seine Anforderungen an die Anwendungsschicht dringender. Das im Juli als Open-Source veröffentlichte H3-Videomodell kostet weniger als ein Drittel des üblichen Branchenpreises und zeigt hervorragende Leistungen in Szenen wie TVC-Werbung und E-Commerce-Videos.

Open Source ist jedoch ein zweischneidiges Schwert: Während es den Markt schnell durchdringt, kann jeder es für die Bereitstellung und Feinabstimmung nutzen. Wenn man nur auf die Ausgabe von Modelfähigkeiten setzt und keine Anwendungsschicht als Träger hat, ist es für Künstler schwierig, die wesentlichen Unterschiede zwischen H3 und Konkurrenzprodukten wahrzunehmen. Schließlich gerät man in den Sumpf des Preiswettbewerbs.

MiniMax Design, das am 20. August auf den Markt kam, ist eine direkte Antwort auf diese Situation. Es startet mit vier parallelen Agenten für Text, Bild, Video und Audio und kapselt die Schnitt-, Layout-, Überblendungs- und Vertonungsfähigkeiten von H3 direkt in einen sofort einsatzbereiten Workflow ein.

Es ist erwähnenswert, dass die voreingestellten Vorlagen von MiniMax Design nicht einfach übernommen werden, sondern stilistisch auf den Aufmerksamkeitsmechanismus von H3 abgestimmt sind. Dadurch entspricht das fertige Video eher der Ausgabequalität von professionellen Schnittprogrammen, sodass der Vorteil „das native Modell versteht Inhalte gründlicher“ in tatsächlichen Produktionsszenen umgesetzt wird.

Am selben Tag, an dem die Agent Teams von Qianwen Creation auf den Markt kam, kündigte MiniMax an, dass H3 Max offiziell in MiniMax Design integriert wurde. Diese Version erzeugt ein vollständiges Audio-Video in 768P innerhalb von weniger als 3 Sekunden für 5 Sekunden Inhalt – die Generierungsgeschwindigkeit ist schneller als die Wiedergabegeschwindigkeit. Durch diesen Durchbruch kann das Modell möglicherweise in kontinuierliche Livestreams integriert werden, sodass die Dienstleistungsszenarien von der Erstellung einzelner Videos bis zur kontinuierlichen Bilderzeugung reichen. MiniMax Design ist genau der erste Einstiegspunkt für Künstler, diese Fähigkeit auszuprobieren.

Alibaba und MiniMax haben sich für die kombinierte Strategie aus „breiter Kanalabdeckung und tiefer Werkzeugnutzung“ entschieden: Zuerst erreichen sie Nutzer schnell über Drittplattformen, um das Volumen zu vergrößern, dann speichern sie Nutzer und Produktionsdaten mit eigenen Arbeitsplätzen. Das endgültige Ziel ist es, mehr Anteile aus dem von Seedance dominierten Markt zu gewinnen.

Wie behält ByteDance seinen führenden Vorteil mit Kreativwerkzeugen und gestaffelten Preisen?

Für ByteDance als marktführendes Unternehmen beschränkt sich der Wettbewerb nicht mehr auf den Vergleich von Modellparametern, sondern erstreckt sich auf den Wettbewerb um Produktionswerkzeuge und das Künstlerökosystem.

Auf der einen Seite treiben Modellanbieter den Wettbewerb um das Preis-Leistungs-Verhältnis voran. Die Fähigkeiten von Wan 3.0 und MiniMax H3 wurden nacheinander verbessert, und H3 drang mit extrem niedrigen Preisen in den Markt ein. Während Konkurrenzprodukte nacheinander die kommerzielle Mindestanforderung übertreffen, werden die Preisvorteile und Fähigkeitsbarrieren von Seedance verringert.

Auf der anderen Seite besteht das Risiko, dass die Produktionskette und das Kreativökosystem außer Kontrolle geraten. Nach Statistiken zum täglichen durchschnittlichen Rechenverbrauch hält Seedance über 80 % des inländischen KI-Videomarktanteils, und die Durchdringungsrate in der Kurzfilmbranche beträgt bis zu 95 %. Als Modellanbieter erhält ByteDance jedoch nur die Anzahl der Aufrufe. Die wirklich wertvollen vertikalen Trainingsmaterialien – wie Künstler das Drehbuch zerlegen, Storyboards anpassen und Assets wiederverwenden – werden alle in Drittplattformen gespeichert, und genau das ist der Kernantrieb für die Iteration von Multimodal-Modellen.

Schwieriger ist es, dass nach der Open-Source-Veröffentlichung von MiniMax H3 einige führende Aggregationsplattformen bereits Kontakt zu Rechenleistungsanbietern aufgenommen haben, um zu versuchen, auf der Grundlage von H3 ein Videogenerierungsmodell mit eigener Marke zu entwickeln. Drittplattformen sind nicht mehr nur einfache Vertriebskanäle, sondern haben die Möglichkeit, die Abhängigkeit von der Oberfläche zu verringern.

Die Antwort von ByteDance besteht darin, gleichzeitig auf der Werkzeugschicht und der Preisschicht zu handeln. Das Kernziel ist es, den geschlossenen Kreislauf der gesamten Kette von Modell, Produktion bis Verbreitung zu realisieren.

Das Manhua-Kreativwerkzeug, das im August intern getestet wurde, ist eine direkte Antwort auf diese Situation: Es deckt den gesamten Prozess vom Hochladen des Drehbuchs bis zur Videokomposition ab, unterstützt die Erstellung von fertigen Videos aus einem Drehbuch mit bis zu 200.000 Wörtern mit einem Klick, ein einzelner Teamraum unterstützt 30 gleichzeitige Online-Nutzer und kann direkt mit dem Konto des Douyin-Kurzfilm-Künstlerzentrums verbunden werden, sodass die Daten der Produktions- und Verbreitungsschicht miteinander verbunden sind.

Nur einen Tag später wurde bekannt, dass Seedance Studio ebenfalls in eine kleine Einladungstestphase eingetreten ist. Es verwendet eine projektbasierte Verwaltungslogik, deckt die gesamte Kette von der Anforderungsverständnis bis zur Erstellung des fertigen Videos ab und zielt auf die professionelle Anforderung ab, „einen Film zu drehen“ statt „einen Videoclip zu generieren“.

Der strategische Stützpunkt dieser zwei neuen Produkte liegt darin, dass sie die drei vorhandenen Trümpfe von ByteDance – Modell, Werkzeug und Verbreitung – zu einem echten geschlossenen Kreislauf verbinden. Das Manhua-Kreativwerkzeug ist von Anfang an in das Ökosystem von ByteDance eingebettet: Oben greift es direkt auf die riesigen IPs von Fanqie Novel zu, in der Mitte erledigt es die gesamte KI-Kooperation von der Drehbuchzerlegung bis zur Videokomposition im Werkzeug, unten synchronisiert es mit einem Klick das Douyin-Kurzfilm-Künstlerzentrum, sodass Veröffentlichung, Nachverfolgung und Einnahmenteilung vollständig verbunden sind.

Seedance Studio erweitert diese Logik auf professionelle Kreativszenen im Filmbereich. Die Charakter-Assets, Storyboard-Verläufe und Projektiterationsaufzeichnungen, die Künstler im Werkzeug sammeln, sind natürlich mit dem Verbreitungs- und Ertragssystem von ByteDance verbunden.

Gleichzeitig hat ByteDance auch eine Kombination aus dynamischen Preismaßnahmen ergriffen: Mit hochwertigen neuen Modellen wird ein Qualitätsmaßstab gesetzt, mit Preissenkungen für ältere Versionen wird das grundlegende Preis-Leistungs-Niveau gewahrt, um die Konkurrenz von Wan 3.0 und H3 zu bewältigen.

Während Seedance 2.5 die Obergrenze der hochwertigen Bildqualität verbessert, hat ByteDance die Mini- und Fast-Versionen der 2.0-Serie gleichzeitig auf ein wettbewerbsfähigeres Preisniveau gesenkt. Die 2.0 Mini 720P-Version für Einsteiger ist zeitlich begrenzt auf nur 0,2 Yuan pro Sekunde ausgelegt und zielt auf kostengünstige Massenversuche ab. Die mittlere 2.0 Fast 720P-Version ist zeitlich begrenzt auf 0,6 Yuan pro Sekunde ausgelegt, sie erreicht ein Gleichgewicht zwischen Generierungsgeschwindigkeit und Bildqualität und steht direkt im Wettbewerb zum Preissegment von MiniMax H3.

Hochwertige Produkte etablieren die Marke, mittlere Produkte gewinnen Marktanteile, Einsteigerprodukte vergrößern die Nutzerzahl. Mit dieser gestaffelten Strategie versucht ByteDance, den Preisdruck durch Konkurrenzprodukte abzufedern und gleichzeitig das vorhandene Marktfundament zu stabilisieren.

Erweiterung von Szenen führt zur gemischten Nutzung mehrerer Modelle, Aggregationsplattformen sind weiterhin unersetzlich

Wenn Modellanbieter selbst in den Markt eintreten, liegt der Druck direkt auf Drittaggregationsplattformen wie LibTV und Flova.

Der Preiskampf im August hat ein ungewöhnliches Ausmaß erreicht. Am Beispiel von Seedance 2.5: Selbst unter Berücksichtigung von Auflösungsunterschieden kann der Preisunterschied zwischen verschiedenen Plattformen in derselben Klasse mehrmals betragen. Dies spiegelt eine echte Branchennotlage wider: Wenn die Kernfähigkeiten jeder Plattform aus derselben Gruppe von Oberflächenmodellen stammen, ist es schwier