影片筆記：Codex要是抄一下Kimi Code这个功能就好了！

YouTube 影片框會固定在左上方；點擊右側逐字稿時間戳可跳到對應時間。

一句話總結

影片探討了 Kimi Code 在多模態視頻理解上的技術優勢，指出其通過將視頻作為「時空塊」編碼而非僅抽幀，能更好地保留時間維度信息（如節奏、因果關係），從而優於僅支持圖片層級的 Codex 和 Claude Code。作者建議開發者關注模型廠推出的工具鏈（Harness）與新服務，以搶先獲取技術紅利。

核心重點

視頻理解機制差異：

主流 Agent (Codex, Claude Code, OpenCode)：處理視頻時採用「抽幀」方式，將視頻拆解為多張獨立圖片，丟失幀與幀之間的變化關係，處於「殘血」狀態。
Kimi Code：將連續幾幀視為一個「時空塊」進行編碼，保留時間維度信息（動作、轉場、節奏、因果關係），並明確將視頻放入上下文（Context）及 Agent 循環中。

實測對比結果：

在復刻遊戲 Demo、粒子動畫及複雜敘事視頻時，Kimi Code 表現更佳。
Codex 僅給視頻片段效果差；即使提供時間戳對齊字幕，仍將運鏡效果做成 PPT，視覺呈現差。
Kimi Code 能更好地對齊原始音頻，模擬攝像機運鏡效果，並支持同時讀入兩個視頻（原始視頻與成品）進行精修迭代。

潛在商業機會：

構建「剪輯與敘事經驗知識庫」：在符合道德和版權約束下，將授權或開源視頻作品通過視頻理解，蒸餾成知識庫。
自動化流程：Agent 在知識庫中檢索類似案例經驗，結合腳本核查提取敘事與動畫方案，通過 HyperFrame 等框架快速實現動畫。

行業洞察與建議：

模型廠的 Harness（工具鏈）不是殼，而是模型能力的放大器與技術路線的風向標。
Kimi K2.7 Code 推出高速版（6倍速度，3倍價格），反映生產流程跑通用戶對「將 Token 轉化為成果」的速度有剛需。
建議開發者不要只等模型變強，要關注工具如何讓模型能力被看到，並儘快在新能力上跑通工作流以獲取紅利。

詳細大綱

一、核心發現：Kimi Code 的視頻理解機制

現象觀察：Kimi Code 能完整復刻 Fable5 遊戲 Demo 及中國功夫粒子動畫，甚至包含錄屏時誤入的播放控件。
技術差異：
主流 Agent：僅支持圖片層級，處理視頻時採用「抽幀」方式，將視頻拆解為多張獨立圖片。這導致丟失幀與幀之間的變化關係。
Kimi Code：明確將視頻放入上下文（Context）及 Agent 循環中。參考《Kimi K2.5: Visual Agentic Intelligence》論文，Kimi Code 將連續幾幀視為一個「時空塊」進行編碼，而非孤立截圖。它保留了時間維度信息（動作、轉場、節奏、因果關係）。

二、實測對比：Kimi Code vs. Codex

實驗對象：SpaceX IPO 解讀視頻（含複雜敘事邏輯與動畫展示）。
Codex 表現：
僅給視頻片段：效果差，無法從截圖中找到邏輯。
提供時間戳對齊字幕：仍將運鏡效果做成 PPT，視覺呈現效果差。
限制：上下文由服務端管理，視頻內容肯定未以原始形態保留。
Kimi Code 表現：
更好地對齊原始音頻。
模擬出攝像機運鏡效果，表達有邏輯。
支持同時讀入兩個視頻（原始視頻與成品）進行精修迭代，此功能為其他工具暫不支持。
AE 動畫測試：Kimi Code 不僅復刻視覺效果，還復刻了動畫節奏與轉場時機，這依賴於時間維度信息的保留。

三、潛在商業機會：AI 輔助視頻製作工作流

構建知識庫：在符合道德和版權約束下，將授權或開源視頻作品通過視頻理解，蒸餾成「剪輯和敘事經驗的知識庫」。
自動化流程：

Agent 在知識庫中檢索類似案例經驗。

結合腳本，核查提取敘事與動畫方案。

通過 HyperFrame 等框架快速實現動畫。

價值主張：博主只需構思內容，表達與製作交給 Agent。

四、 Kimi Code 的其他技術特性與擴展

模型接入：支持其他模型接入。
本地部署能力：
修改代碼後，本地部署的 Qwen3.6 27B 也能實現視頻駐留上下文。
實現了本地模型分析帶音軌視頻的功能（對音頻類型留有接口）。
Agent Swarm 支持：
網頁版功能現已在 Kimi Code 中直接支持。
示例：同時讀入兩個視頻佔用 40% 上下文後，可啟動 Agent Swarm 進行後續任務，主 Agent 無需觸發 Compact（壓縮上下文）。

五、行業洞察與建議

Harness 的意義：模型廠的 Harness 不是殼，而是模型能力的放大器與技術路線的風向標。
高速版信號：Kimi K2.7 Code 推出高速版（6倍速度，3倍價格），反映生產流程跑通用戶對「將 Token 轉化為成果」的速度有剛需。
行動建議：
不要只等模型變強，要關注工具（Harness）如何讓模型能力被看到。
最先理解模型廠技術路線、在新能力上跑通工作流的開發者，將最早拿到紅利。

工具 / 模型 / 名詞整理

Kimi Code：Kimi 推出的工具，被描述為對原先 Kimi CLI 的重構和升級。
Kimi CLI：Kimi 原先的工具，Kimi Code 是其升級版。
Kimi K2.7：Kimi 發布的模型。
Kimi K2.7 Code：搭配 Kimi K2.7 的模型/工具版本。
Kimi K2.5：提及的模型版本，相關論文為《Kimi K2.5: Visual Agentic Intelligence》。
Anthropic：公司名稱。
Fable5：Anthropic 發布的模型（原文聽寫為 Fable5，疑點見下）。
Codex：OpenAI 的模型/工具，文中多次作為對比對象。
Claude Code：Anthropic 的 Coding Agent。
OpenCode：主流 Coding Agent 之一。
Higgsfield：提及的平台或工具名稱（用於 Fable5 遊戲 Demo）。
HyperFrame：視頻製作工具/框架。
Qwen3.6 27B：本地部署的模型名稱（疑點見下）。
Agent Swarm：Kimi Code 中支持的 Agent 架構功能。
牛马 Agent：作者自稱使用的 Agent 體系名稱。
Base64：數據編碼格式。
Harness：文中多次出現「模型厂的Harness」，通常指代工具鏈或框架，此處用法較特殊，保留原詞。
Compact：在 Agent Swarm 語境下提及「主 Agent 再也不用触发 Compact」，Compact 指上下文壓縮機制，此處用法符合技術語境，但需確認是否為特定術語。

操作流程整理

視頻理解與復刻：

輸入視頻（如遊戲 Demo、粒子動畫、敘事視頻）。
Kimi Code 將視頻作為「時空塊」編碼，保留時間維度信息。
復刻視覺效果、動畫節奏、轉場時機及攝像機運鏡效果。
對齊原始音頻。

精修迭代：

同時讀入兩個視頻（原始視頻與成品）。
佔用上下文（如 40%）。
啟動 Agent Swarm 進行後續任務。
主 Agent 無需觸發 Compact（壓縮上下文）。

自動化視頻製作工作流：

構建知識庫：將授權或開源視頻作品通過視頻理解，蒸餾成「剪輯和敘事經驗的知識庫」。
Agent 檢索：在知識庫中檢索類似案例經驗。
方案核查：結合腳本，核查提取敘事與動畫方案。
動畫實現：通過 HyperFrame 等框架快速實現動畫。

值得注意的限制或風險

主流 Agent 的局限性：Codex、Claude Code、OpenCode 等主流 Agent 僅支持圖片層級，處理視頻時採用「抽幀」方式，丟失幀與幀之間的變化關係，屬於「殘血」狀態。
上下文管理限制：Codex 的上下文由服務端管理，視頻內容肯定未以原始形態保留。
版權與道德約束：構建知識庫時需符合道德和版權約束，僅限授權或開源視頻作品。
訂閱成本：作者提及自己訂閱價格為 200 刀，需查證對應哪個平台的訂閱等級及具體服務內容。

逐字稿辨識疑點

Fable5：原文聽寫為「Anthropic的Fable5」，通常 Anthropic 的模型為 Claude 系列，此處名稱存疑，需查證是否為特定內部模型名稱或聽寫錯誤（如可能是 Flux 或其他模型，但不得自行更正）。
Qwen3.6 27B：原文提及「本地部署的Qwen3.6 27B」，Qwen（通義千問）版本號通常為 1.5, 2, 2.5, 3 等，「3.6」版本號存疑，需查證是否為聽寫錯誤（如 Qwen2.5 或 Qwen3）。
Higgsfield：原文提及「higgsfield里的Fable5做的游戏的demo」，Higgsfield 為一公司名，此處指代存疑，需查證具體產品或平台名稱。
Harness：文中多次出現「模型厂的Harness」，通常指代工具鏈或框架，此處用法較特殊，保留原詞。
Compact：在 Agent Swarm 語境下提及「主 Agent 再也不用触发 Compact」，Compact 指上下文壓縮機制，此處用法符合技術語境，但需確認是否為特定術語。
200刀的订阅：作者提及自己訂閱價格，指代具體服務套餐，需查證對應哪個平台的訂閱等級。