# 影片筆記：Codex要是抄一下Kimi Code这个功能就好了！

## 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

1.  **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。

2.  **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。

3.  **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。

4.  **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**：
    1.  Agent 在知識庫中檢索類似案例經驗。
    2.  結合腳本，核查提取敘事與動畫方案。
    3.  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

1.  **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。

2.  **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）。

3.  **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。

## 可延伸追問

1.  Kimi Code 的「時空塊」編碼具體技術實現細節為何？與傳統抽幀方法在計算資源消耗上有何差異？
2.  如何確保在構建「剪輯與敘事經驗知識庫」時，嚴格遵守版權與道德約束？
3.  Kimi K2.7 Code 的高速版（6倍速度，3倍價格）具體適用於哪些場景？其性價比如何評估？
4.  Agent Swarm 在 Kimi Code 中的具體應用場景有哪些？除了視頻製作，是否適用於其他多模態任務？
5.  本地部署的 Qwen3.6 27B 實現視頻駐留上下文的功能，對硬件配置有何要求？