快手的视频Agent，会不会来晚了？

来源：钛媒体

文 | AI价值官，作者丨纳瓦，编辑丨星野

9 月 28 日，快手在模型与 Agent 两层同时出手：白天，Agent 创作工具 likli 开启内测；晚间，新一代模型 Kling 4.0 官宣将于 10 月上线。这并非快手的独门动作，字节、MiniMax、阿里千问都已推出各自的创作 Agent。当模型能力被逐渐拉平，竞争正从模型转向工作流与商业化。

如果把 AI 视频过去一年的竞争看成一场"参数赛跑"，那么快手同时按下两个按钮说明它想换一条赛道了。定位"交付结果的创作 Agent"的 likli 开启内测；新一代模型 Kling 4.0 官宣上线。这说明，模型要补课，Agent 也要补课。而这两条线背后，是同一场行业性的迁移：视频模型厂商，正集体从"生成一段画面"走向"交付一部成片"。

快手，同一天按下两个按钮

白天，一款名为 likli 的 AI 创作工具开启内测，官方把它定位为"交付结果的 AI 创作 Agent"，Slogan是"从一个想法，到一部作品"。晚间，快手旗下可灵 AI 宣布，新一代视频生成模型 Kling 4.0 将于 10 月正式上线，轻量版 Kling 4.0 Flash 当晚向黑金年卡会员开放小范围体验。

首先，在模型层上，可灵官方宣布Kling 4.0 的升级方向为"真实、可控、专业"。落实到参数上，单次原生生成时长提升到30 秒，是此前Kling 3.0 的两倍，并配合多次续拍，单条视频最长延展到了2 分钟。提示词输入上限提升至 8000 tokens，模型能够对提示词进行合理地补充、扩写和润色。

面向制作环节的控制力也明显补强。相较 Kling 3.0 仅支持首尾帧，Kling 4.0 支持最多 10 张关键帧，用于锁定人物状态、场景变化与情节节点。对短剧与漫剧制作而言，30 秒单次生成与 2 分钟续拍扩大了单镜头的连续叙事边界，10 张关键帧与 15 项参考素材减少了反复抽卡，4K 10-bit HDR 与 21:9 画幅则更接近品牌广告与长视频后期的交付要求。

再来看快手的Agent 层，likli 内置配音师、素材分析师、剧作家、商品编导等多套 Skill，官方展示页标注 7+ 专业 Agent、20+ 创作能力、28+ Skills；用户以日常语言下达指令，Agent 自动拆解任务。产出物自动沉淀为项目资产，按类型或项目归档，人物、场景、道具可复用；脚本、分镜、画面各阶段实时开放、可随时介入。

它同时推出 macOS 与 Windows 桌面客户端，定价分 Basic、Plus、Pro、Max 四档，基础档折算单次约 3.3 元。官方也交代了现阶段的边界：likli 完成的是从 0 到 1 的初稿搭建，成片还是需要人工进行微调的，批量生产要预留审片与返工时间。截至发稿，Kling 4.0 完整版的 API 调用价格与正式订阅方案尚未公布。

AI价值官发现，有一个容易被忽略的细节，那就是可灵自己的产品端也在同步 Agent 化。可灵此次把图片、视频、音频参考素材放进了同一输入框自由组合，把预览、剪辑、添加素材整合进同一时间线，并推出全新的"画布 Agent"体验——素材、创作过程和生成结果可在画布上自由布局、节点连接，由 Agent 协助。有行业人士认为，这一更新"既与正在内测的 likli Agent 工具形成呼应，也进一步加重了 AI 视频工具方的内卷程度"，AI 工具方在功能和价格方面的壁垒也会被进一步降低。

也就是说，9 月 28 日的两个动作不是巧合，而是同一个判断的两面——可灵要在"模型"和"Agent 平台"两条线上同时补课——Kling 4.0 补的是模型层，likli 补的是 Agent 层，而产品端的画布 Agent，补的是两者之间的连接。

但是，这套叙事成立的前提是，"补课"这个词得先有参照物，因为别人已经先交卷了。

全行业都在 Agent 化

如果只看快手，我们很容易把 likli 当成一次孤立的产品内测。但把视角拉远，"把生成片段升级为交付成片"这件事，是当下整个行业的重点关注。

字节推出的小云雀 ，就是一个全场景 AI 内容创作 Agent 平台，同样采用 Agent 模式，支持剧本、角色资产、故事板、画面生成与局部返工的项目级管理，定位与 likli 相似。

9月20日抖音创作者大会上，剪映推出一站式创作工作台剪映Hub，打通AI生成与剪辑环节，同步升级智能创作Agent剪映助手，搭配ICG Studio等产品覆盖创作全周期。同时，字节也打通了剪映、即梦、小云雀的产品链路，推动创作全流程数据在自有体系内沉淀。

MiniMax推出的Hailuo Video Agent，属于是从生成单条片段，转向单一输入产出完整视频，由 Agent 自行编排各个生成步骤。它最鲜明的特色是，实时展示分步推理过程，用户能看到决策链条，从而定点干预修改，而不必整条重新生成。据媒体报道，H3 权重已于 8 月 3 日开源，MiniMax Hub 把脚本、分镜、音乐、剪辑收进同一画布，由 Agent 统一调度。

8 月 31 日，阿里旗下的千问创作平台正式上线了Agent Teams，已在千问创作 PC 端和千问 App 同步开放给全部用户。其机制是 Leader-Teammate 多智能体协作模型，由用户提出复杂任务，Leader 智能体自动理解需求、拆解为多个子任务，分发给不同 Teammate 并行执行。编剧、导演、美术、摄影、剪辑等 Agent 各司其职，依次完成剧本创作、分镜设计、角色设定、视频生成和成片剪辑，覆盖 AI 短剧、漫剧、营销广告、音乐 MV 等场景。

如果这三家放在一起，我们发现其实各家的切入点和形态并不相同，字节的小云雀偏项目级管理，MiniMax 偏推理透明与半自动控制，千问偏多角色分工。但方向却高度一致——都在抢"从创意到成片"的入口。

有趣的是，Agent 层的竞争愈演愈烈，但模型层的差距却正在缩小。

以可灵 4.0 与字节 7 月上线的 Seedance 2.5 为例，从公开参数看，两者均支持单次 30 秒原生视频、原生 4K 分辨率、10-bit 色深和同步音频输出，由媒体给出“可灵来到了 Seedance 2.5 同一水平”的判断。

差异开始转向了工作流方向，Seedance 2.5 支持最多 50 个多模态参考素材，具备原生音画同步能力，参考素材上限更高；而可灵 4.0 则把重心放在 10 张关键帧、创意复刻和视频精准编辑上，导演化的控制更多。可以说，头部模型的"代际差"正在被抹平，剩下的差异越来越像产品取向之争了。

造得出却卖不动，仍然是行业痛点

模型能力的趋同，让竞争焦点从“生成效果”转向“工作流”。能把脚本、分镜、生成和剪辑串起来的，才能更早拿下商业化的入口。

先看需求侧的情况，根据艾瑞咨询估算，2026 年中国 AI 视频生成市场规模有望突破 200 亿元，预计到 2030 年达到 1000 亿至 2000 亿元量级。全球同样在加速，广发证券测算，AI 视频模型行业收入规模 2025 年已达 12 亿美元，预计 2026 年将跃升至 77 亿美元，2030 年或有望突破 827 亿美元。

由以上数据可以看出，这的确是一个仍在快速膨胀的大盘。但盘子变大，不等于内容变好，供给端的“爆炸”，更值得行业警惕。

再来看看供给端的现状，据中国网络视听协会数据，2026 年第一季度，全行业上线微短剧约 12.8 万部，其中 AI 微短剧约 12.2 万部、占比超 95%；而截至 2026 年 2 月末，在播 AI 剧/漫剧总数约 12.78 万部中，播放量破亿的头部作品仅 150 部，占比不足 0.12%。供给爆炸与有效产能稀缺，正在同一条曲线上彼此拉扯。

成本已经不是最大的挑战，制作 90 分钟漫剧的成本可从 1 万余元降至约 2000 元，降幅约 80%。成本被压到这个量级后，限制内容产出的就不再是钱，而是能不能被看见。一位深耕AI短剧的制作人告诉AI价值官，公司里的库存积压越来越多，但爆款反而越来越少。

这种 "造得出、却卖不动" 的困境，正在把行业的竞争焦点从 "生成能力" 推向 "商业闭环"。行业困境让人联想起OpenAI 于 2026 年宣布关停 Sora 应用等视频生成业务。有分析机构测算，其日均运行成本约 1500 万美元、年耗资约 54 亿美元，而应用上线 1 年总收入仅约 140 万美元。生成能力和商业闭环，本来就是两件事，一切研发和投入都要回到商业化才有说服力。

据《每日经济新闻》报道，今年 4 月，三家海外超级大客户对可灵 AI 的 API 收入贡献都因受到竞争的影响，而可灵 API 收入中超 80% 集中在少数超级大客户身上，前十位"现金奶牛"中有 8 家都在海外。由此可见，快手如今面临的商业化压力，比同行更具体。

除了快手，行业整体都面临变现的难题。AI短剧制作成本虽然一再下降，但海量内容挤在一起，单部作品能分到的流量越来越少。万次播放收益从30—100元跌到5—10元，多数作品很难回本已经是公认的事实。

在 Agent 化上，快手确实不具备首发优势。但也正因为它站在了商业化这道真正的门槛上，才选择 "模型 + Agent" 双线补课模式。补课的另一面是，快手仍握有 "旗舰模型 + 独立 Agent 平台 + 10 亿级用户平台分发" 的完整牌组，而分发正是商业化最稀缺的东西。

所以，likli 出现得晚不晚，答案不在时间上，而是在分发与使用上。当下真正的考验不是谁的 Agent 上线时间早，而是谁的 Agent 产出的内容能被真正用起来，被更多用户看到。模型能力终将被拉平，而Agent 也会成为标配，到那时，真正稀缺的不再是能生成什么，而是生成出来的东西，有没有人愿意看完它。