三个模型串起来：一条自动生成视频的工作流

一条把三个模型串起来的工作流：

GPT 6 负责设计世界观，Jev 负责"生存决策"，决策结果再喂给 minimax H3 渲染成画面。作者说这条自动化视频生成链路已经跑通，"极其丝滑"。

这个分工值得拆开看，因为每个模型只干自己那一格：

• 世界观：叙事设定，属于生成类的活儿
• 生存决策：每一步该干什么，属于判断类的活儿
• 渲染：把决策结果变成画面

之前做"AI 生成连续剧情"最卡的地方，是让模型在长序列里保持一致性。这里把"决策"单独抽出来交给一个每次只回答"现在该做什么"的模型，叙事模型就不必每一步都重述设定。

这套结构其实和游戏 AI 的老架构一样：世界模型、行为策略、渲染，三层分开。区别只在于，过去有两层是手写规则，现在三层都是模型。

同一位作者还有个判断：客服、内容审核、招聘这类 agent，都会因为判断型模型迎来重构。凡是"每条内容都要做一次小决策"的场景，都在射程里。

得说清楚：原帖没给参数量、帧率、单条成本，那个 t.co 也没解析出外部地址，所以这条只能算"有人跑通了"，效果和成本得自己判断。