AI 前线周报:视频 API 全面开放,Agent 开始“接管”电脑

作者： AI 前线观察员

过去 24 小时，AI 巨头们的动作密集且极具针对性。字节跳动火山引擎正式开放了电影级视频模型的 API，MiniMax 让 Agent 学会了操作鼠标键盘，而 OpenAI 则被曝出正在用代号“Spud”的新模型对标 Anthropic。以下是本周值得关注的三大动态：

一、火山引擎 Seedance 2.0：电影级视频 API 全面开放

如果你在做短视频、短剧或营销素材，这是一个值得关注的降本信号。

* 核心动作：火山引擎正式上线 Seedance 2.0 系列 API 服务，企业和开发者现在可以直接调用这一 SOTA 级视频生成能力。

* 技术亮点：

* 多模态输入：支持文字、图片、音频、视频混合输入，不仅能“文生视频”，还能进行视频编辑、延长等复杂操作。

* 工业级可用：在复杂运动场景和物理准确性上表现更强，贾樟柯等导演已将其用于短片制作，企业反馈制作效率提升 80%–90%。

* 合规与成本：

* 安全机制：建立了严格的肖像与版权标准，提供上万预置虚拟人像，规避真人肖像风险。

* 价格参考：据测算，纯生视频约 1 元/秒（15 秒约 15 元），视频编辑类任务单价更低。

一句话点评：视频生成的工业化门槛正在被迅速踏平，创意行业的“AI 代工”时代正式开启。

二、MiniMax Agent 大升级：你的电脑有了“数字员工”

Agent（智能体）不再只是聊天，它开始真正“动手”了。

* Pocket 功能（Beta）：打通了飞书、微信、企业微信等主流 IM。你现在可以在手机聊天里直接给桌面 Agent 发指令（比如“把我桌面的报告发给我”），Agent 在电脑端执行后把结果回传到聊天窗口。这解决了“人不在电脑前”的远程操控痛点。

* Computer Use 能力：这是本次升级的“黑科技”。Agent 现在能像人一样识别屏幕、点击鼠标、操作软件。无论是整理文件、操作没有 API 接口的内部系统，还是调整系统设置，它都能通过图形界面直接完成，实现了从“动口”到“动手”的跨越。

一句话点评：AI 正从“聊天框”钻进你的工作流缝隙，成为真正的生产力协作者。

三、OpenAI 反击战：代号 Spud 与 Frontier 平台

一份流出的内部备忘录揭示了 OpenAI 2026 年 Q2 的激进策略。

* 新模型 Spud：代号 Spud（推测为 GPT-5o/5.5）被定位为“推理旗舰”，专门对标 Anthropic 的 Claude Mythos。它基于 Blackwell 架构训练，重点提升复杂推理和意图识别的可靠性。

* 生态布局 Frontier：OpenAI 正在构建名为 Frontier 的 Agent 平台，旨在成为企业级智能体的默认基座，强调工作流编排和安全治理。

* 战略转向：OpenAI 正在减少对微软的单一依赖，加强与 Amazon Bedrock 的合作，以触达更多 AWS 企业客户。备忘录中还尖锐批评 Anthropic 存在算力瓶颈和营收数据“注水”问题。

一句话点评：巨头的竞争焦点已从“谁的模型大”转向“谁能更好地吃下企业级市场”。

趋势总结

1. 视频平民化：Seedance 2.0 的开放意味着高质量视频生成正在成为像云计算一样的基础设施。

2. Agent 实体化：MiniMax 的更新证明，AI 正在从“回答问题”转向“执行任务”，开始接管具体的图形界面操作。

3. 战场企业化：OpenAI 的动向表明，C 端的故事讲完了，B 端的落地能力（尤其是 Agent 平台）将是下一阶段的决胜点。