全自動AI漫劇制作流程是偽命題？國產開源模型又來打臉了

MiniMax在6月初放出了自家新一代旗艦模型M3。

它一次把三件原本屬于不同模型最強項的能力——前沿代碼 / Agent 能力+百萬 token 級長上下文+原生多模態——融合到了同一個模型里，而且還開源。

這事為啥值得專門介紹？因為它和最近一年很火，也很卷的AI短劇/漫劇賽道，撞得剛剛好。

圖：MiniMax M3 官方介紹頁，Frontier 三件套一次性點亮

一個真能看懂視頻的模型

先看一下數據吧。

這是某位博主用M3進行實操開發測試，用其他兩個模型做代碼審核（圖中是它自己順手做的benchmark總結）：

圖：M3 公布的核心跑分，涵蓋了 Coding、Agent、效率等維度

從數據上來看，該模型很強：

M3在衡量真實軟件工程任務解決能力的SWE-Bench Pro上拿了59.0%，超過了GPT-5.5和Gemini 3.1 Pro；接近行Claude Opus 4.7；

在“自主Agent”的端到端評測Claw-Eval上，直接拿了第一。

這說明M3已經真正站在了全球一梯隊，更重要的是——它是開源的。

當然跑分有點枯燥，實測才有意思。

最能體現“看懂視頻”這個能力的，不是識圖、不是OCR，而是理解一段沒有聲音的純畫面視頻。

這和人類看視頻不一樣：對于我們日常多數刷到的帶字幕、配音、解說的視頻，模型就算“看不懂畫面”，也能從文字里找答案。但純畫面、無對白、靠動作推進的視頻，才是對“真多模態”最直接的考驗。

為什么這事兒跟AI短劇有關？因為一部5分鐘的AI短劇，大部分鏡頭都沒有旁白。主角的表情、動作、鏡頭調度、場景切換，全靠畫面自己講故事。

也就是說，AI 短劇/漫劇制作里，純畫面視頻恰恰是常態。

一段 90 秒的無對白足球視頻，純靠畫面推進故事

來源：網絡

有博主做了一個測試：把一段90秒的梅西、內馬爾經典配合進球視頻（沒字幕、沒解說）丟給M3。

M3的輸出大致是：“開場內馬爾左路拿球，面對兩人夾擊，挑傳直塞給中路插上的梅西；梅西不停球直接腳后跟磕給斜插的內馬爾，后者過掉門將推射空門。”

每一秒的關鍵動作都抓到了。

這意味著，M3真的“看”懂了畫面，而不是“先把語音轉成文字、再讓 AI 理解” 這種二次拼接。

下面這張圖是M3自己跑出來的處理日志，16分鐘，一段近40分鐘無字幕的AI演講視頻，被它整理成了一篇5000字的報道，章節、配圖都自動搭好：

M3 跑近 40 分鐘視頻的處理日志，16 分鐘出成稿

來源：網絡

這種“看視頻出文章”的能力，和它能拿高分跑分一樣，本質上都是“多模態 + 長上下文”的副產品——它能同時記住很長的畫面序列，也能同時理解畫面里的視覺信息。

另一組視頻理解測試，模型自動描述畫面里人物的動作和場景

來源：網絡

1000部AI短劇，只有一部會被看到

看完M3的能力，我們回頭看AI短劇這個賽道，會發現一件尷尬的事：

2026年4月，抖音原生端單月新增AI劇及漫劇4.42萬部，同期真人實拍微短劇只有3248部——AI短劇的產量已經達到真人短劇的13倍以上。截至2026年2月，全網在播AI劇已經超過12萬部（數據來源：DataEye）。

“一個人，一臺電腦，幾千塊，十天產出一部刷屏 AI 短片”——前幾年聽上去像吹牛，如今Mx-Shell用《喪尸清道夫》已經驗證過。

這位白天還在云南處理房地產業務的非科班創作者，用AI工具做出了被好萊塢大佬跨國全網尋人的5分鐘短片。

但另一組數據就不那么樂觀了：

12萬部在播AI劇中，播放量破億的爆款不超過150部，綜合占比僅有0.117%（數據來源：DataEye）。

也就是說，大概每1000部AI作品，只有1部能真正跑通流量。

產量爆炸，爆款稀缺——這就是 AI 短劇/漫劇行業最真實的寫照。

問題出在哪？

AI 工具大幅降低了生產的門檻，但沒有自動提升創作的質量。大部分 AI 短劇還停留在“圖+配音+簡單動效”的初級階段：角色換臉、劇情跳戲、視覺風格飄忽不定——觀眾一眼就能識破這是 AI 流水線產物，而非真正能打動人心的作品。

問題怎么解決呢？M3或許能幫上忙。

全自動AI短劇制作流程是偽命題嗎？

重要說明：下面討論的不是 “讓大家去買M3”。

M3只是當下典型的代表，只要滿足“前沿代碼 / Agent 能力+百萬 token 級長上下文+原生多模態”三個條件的國產模型，理論上都能做類似的事情。我們討論的是這一類工具”給內容創作帶來的新可能。

先看一部5分鐘AI短劇的生產流程，大致有六步：

AI 短劇/漫劇 6 步生產流水線，過去人工串場，現在多模態 Agent 自動跑

過去，創作者要在ChatGPT、Midjourney、即夢、Sora、剪映等七八個工具之間來回切換，每切一次工具，就丟一次上下文。這種“斷點式”工作流，正是 AI 短劇市場“看起來熱鬧，真正能跑完的作品寥寥無幾”的核心原因。

而這一類模型，正好能補這塊拼圖。可以從三個維度看：

角色一致性問題第一次有解

AI 短劇真正的攔路虎不是畫面“美不美”，而是“主角換了三個發型”“第二集主角突然換了一雙眼睛”——也就是業內常說的“角色一致性”。過去要解決這件事，創作者得自己當“監工”：每隔幾秒抽一幀，人眼對比，不合格就標紅、重出。

“多模態長上下文”模型的新打法，是把整集甚至整季的成片一次性丟給模型做 “畫面巡檢”：主角臉變了沒？動作連貫嗎？場景是否跳變？風格是否飄走？一旦發現異常就自動標記、生成修改建議，甚至直接驅動圖像/視頻工具重做對應鏡頭。

上面那段 90 秒無聲足球視頻，本質上就是這種能力的“小規模驗證”——它能在沒有文字輔助的情況下，穩定追蹤畫面里的人物和動作。把這種能力遷移到 “看自己做的劇”，只是同一個技術棧的應用擴展。

“全季劇本” 終于能裝進一個對話框

短劇和電影最大的不同，在于“長”——不是單集長，而是“全季劇情連貫”。一部 12 集的 AI 短劇，全集劇本動輒五萬到八萬字，加上分鏡描述、角色設定、世界觀文檔，信息量很容易突破百萬字級別。

傳統模型只能把劇本切成幾段分別喂給 AI，代價是慘重的：AI 永遠只能看到“局部”，不知道第三集埋的伏筆第七集要不要回收，不知道第八集新出場的小配角在第五集是不是已經露過臉。

百萬級長上下文模型的出現，第一次讓“把全季劇本一次喂進去，讓AI真的讀完了整部劇”變成可能。基于這種 “通讀”，AI 可以做跨集伏筆審計、角色行為一致性檢查、劇情漏洞掃描。對于系列化 AI 短劇，這是基礎設施級別的能力補齊。

全流程從 “手動擋” 升級到 “自動擋”

如果說前兩項是 “看” 的能力，Agent 能力補的是 “做” 的能力。

AI短劇的真正生產鏈路，是 “劇本 → 分鏡 → 圖 → 視頻 → 音頻 → 合成” 的一長串工具調用。強Agent能力的模型，可以把這條流水線串起來：它讀劇本，自動生成分鏡；調圖像工具出關鍵幀；調視頻工具出動態鏡頭；調音頻工具配對白和BGM；調剪輯工具完成粗剪。

每一步不需要人工介入，Agent會自己判斷是否自動進入下一步流程。

Agent 類工具自己串起 “調研 + 出對比頁 + 驗證” 全流程

來源：網絡

多模態解決“看得見”，長上下文解決“記得住”，Agent 解決“做得動”。這三件套在AI短劇這個場景里，各自補位、缺一不可。

AI短劇成本，可以多低？

最后說下大家最關心的成本問題：一集 5 分鐘 AI 短劇，從劇本到成片，大模型token消耗大致在300萬-600萬之間。

主要的token消耗發生在四個環節：

劇本與分鏡（約30-50萬）：AI 拆解故事、生成分鏡、對白，多輪迭代；

圖像與視頻生成（約200-400萬）：消耗的大頭，每張關鍵幀、每段鏡頭都要寫prompt + 多次抽卡 + 視覺審核；

多模態審核與迭代（約50-100萬）：把成片分段丟給多模態模型做一致性巡檢；

Agent工具調用循環（約50-100萬）：工具選擇、參數傳遞、錯誤處理、狀態管理。

一集5分鐘AI短劇各環節token消耗，以及不同Token Plan可支撐的產量

以國產模型主流Token Plan定價做參考——入門 Plus 套餐 49 元/月，提供約6億token；進階Max套餐119元/月，提供約18億token；旗艦Ultra套餐469元/月，提供約55億token。

以MiniMax Token Plan為代表的國產多模態模型主流定價

按一集平均消耗450萬token估算，Plus套餐可支撐約130集，Max套餐400集，Ultra套餐1200集以上。放到過去用海外閉源旗艦模型做同樣事情的成本，這個數字大約只有后者的 1/10 到 1/15。

過去因為燒錢就能卡住的小團隊和獨立創作者，現在或許花費一杯咖啡的錢就能用上一整個月。

入場AI短劇賽道，現在也不晚

回到內容創作者本身。

從《喪尸清道夫》到各類 AI 漫劇刷屏，從好萊塢大佬全網尋人到國內平臺真金白銀的流量扶持，一個清晰的信號正在發出：AI 視頻創作的紅利期，才剛剛開始。

那些掌握了AI工具鏈、懂得如何用AI講好故事的人，正在收割大部分流量和機會。

如果你也想趕上這輛車，從零開始系統掌握 AI 視頻創作的全流程——從腳本結構化、角色一致化、場景分層化，到 AI 工具鏈的標準化作業——那么這場《人郵AI漫劇公開課》一定不容錯過。

本次公開課將深度解析即夢、Sora、ChatGPT、Midjourney 等AI工具鏈聯動，教你怎么點按鈕更教你如何構建屬于自己的數字制片廠。

不聊高深的技術名詞，只聊如何用最簡單的工具組合，在短時間內生成一段具有電影感的短片。

掃描下方二維碼，預約今晚AI課

????

——— · ———

*文中內容僅為個人觀點

即夢模型 提示詞手冊

無套路直接領

你可以從這些平臺關注：數藝社