{
  "segments": [
    {
      "start": 0,
      "end": 300.0,
      "text": "朋友们，我真的没有碰瓷 CodeX 的意思但是在视频理解这个多模态场景，很可能你用的 Cording Agent 一直都是残血那谁不是残血？所有搭配了 Kimi Coder 的多模态模型都不是残血，我说的是所有模型我知道 Kimi 刚发的 K2.7很强，但本期视频不是 是模型测评，请跟我把注意力都放在 Kimi Code 上我要分享一个新的发现，在多模态领域，它到底是补齐了什么样的能力，以及它可能带来的一个重大商机视频很长，但内容很好理解，点个收藏，我们继续事情是这样子的，最近不是 Kimi 推出了 Kimi Code 这个功 工具嘛，它可以看作是对原先 kimi cli 的一次重构和升级而且官方在浓墨重笔地强调它的视频理解能力最近不是 anthropic 的 fable 5也出了，随即 kimi K2.7扣的这个模型也发布了那我就想着我也试试吧，拿它来和 fable 5比一比，看看谁厉害我看到一位推 友发的用 Higgs field 里的 FABLE FIVE做的游戏的 demo 于是呢，我就录了个屏，把这个视频丢给了 kimi code 我的提示词就几个字，读取这个 demo 完整复刻它它居然就做出来了，不能说完全一样，但完全能玩我不信邪啊，我又找了一个 FABLE FIVE实现的中国工 丰富的粒子动画的 demo 我的提示词是让它一比一的复刻，它不仅实现了，甚至还把我录屏时不小心录进去的视频播放控件也复刻了我后来还测试了很多 demo 全部都复刻出来了可是官方在发布 kimi code 的时候，它就在强调视频能力了，但那个时候 k 二点 耳机还没发布啊？难道说这个能力关键在于 kimi code 这个工具本身？那么带着这个疑问，我就开始分析 kimi code 的代码，以及主流的 coding agent 我想看到底有什么区别哎，还真让我猜中了我调查了所有主流 agent 里，只有 kimi code 它的这一套链路明确的 把视频放进了上下文，放进了 agent 的循环中所以它在执行任务的过程中，始终都会有视频的信息那我们用 cloud code 或者是 codex open code 它们当下的版本都只支持到了图片这一层一旦这类工具读取了视频，它们都会用抽帧的方式来读取多张图来实现视频理解在很多时候，这个确实也够用了比如说你复刻一个网页游戏，通过几张图，你就能理解出整个游戏或者是前端界面的交互逻辑但是我要说，抽帧理解视频其实是残血的，因为 kimi code 的代码告诉我，视频它不是多张图我恍然大悟啊。"
    },
    {
      "start": 300.0,
      "end": 573.467125,
      "text": "视频但是如果把原始视频和成品都交给 kimi code 再让它一次读入两个视频，并且对不足的方向进行精修，再迭代个几轮，我相信结果会越来越好而且同时读两个视频的方式只有它能支持这个实验让我是有些惊讶，但是也在意料之中，因为拖 离了软件开发场景，缺少了帧与帧之间的时间关系，Codex 是很难拿出经验的成果的我知道 Codex 的上下文是在服务端管理的，所以我们并不清楚它读过的图片是不是始终以原始的形态留在上下文里比如说 Base64 编码就是一种原始形态但我十分确定的是，视频类的内容是 肯定没有的所以，Codex 未来会不会在这个能力上对齐 kimi code 呢？这就是我标题里提出的问题我希望它会啊，我是200刀的订阅，我特别希望它也能理解视频另外，在做了这个测试之后，我又拿了一些 AE 动画在做测试，结果和之前一样，它不但完整地复刻了动画的视觉效果连动画的节奏、转场的时机都复刻出来了注意，这不是普通的低频率抽帧的方案能稳定做到，只有 Kimi Code 的这条链路上，时间这个维度的信息才能被保留得更多好，那我想说的商机到底是什么？咱们假设，如果在符合道德和版权的约束下，我们把一批经过授 授权或者开源的视频作品，通过视频理解的方式来蒸馏成一个剪辑和叙事经验的知识库如果你接到一个剪辑任务时，你先用 Agent 在这个知识库里检索类似的案例的经验，再结合脚本来核查，提取出叙事动画的方案，最后再通过 Hyperframe 这样的框架来快速实现动画哇，那以后博主是不是只需要构思内容本身了？而所有的表达全部都可以交给 Agent 你们说这个库如果能做成 会不会成为一个商机呢？反正我现在已经把 Kimi Code 集成到了我的牛马 agent 的体系里了，我已经开始用这种能力去做可行性的验证了OK，商机说到这里，咱们回到现实我对 Kimi Code 的代码库又做了进一步的研究，我发现其实还有很多值得说的内容比如说它支持其他模型的接入甚至是，如果你稍微对代码做一些修改的话，本地部署的千问3.6 27B也能实现视频常驻上下文的这种玩法了那本地多模态模型现在也可以满血了我还发现啊，他甚至对音频类型也留了接口顺着他的思路，我稍微对他的代码做了一点点的 小改动，我甚至实现了能用本地的模型分析带音轨的视频另外我还发现，原本在网页版才能用的 Agent Swarm 现在在 Kimico 的里就直接就支持了比如就拿我们刚才这个场景举例，我给 Kimico 两个视频，让它分析，这个时候可能就用掉了40%的上下文了，但接下来的任务，我就可以启动 Agent Swarm。"
    }
  ],
  "full_text": "朋友们，我真的没有碰瓷 CodeX 的意思但是在视频理解这个多模态场景，很可能你用的 Cording Agent 一直都是残血那谁不是残血？所有搭配了 Kimi Coder 的多模态模型都不是残血，我说的是所有模型我知道 Kimi 刚发的 K2.7很强，但本期视频不是 是模型测评，请跟我把注意力都放在 Kimi Code 上我要分享一个新的发现，在多模态领域，它到底是补齐了什么样的能力，以及它可能带来的一个重大商机视频很长，但内容很好理解，点个收藏，我们继续事情是这样子的，最近不是 Kimi 推出了 Kimi Code 这个功 工具嘛，它可以看作是对原先 kimi cli 的一次重构和升级而且官方在浓墨重笔地强调它的视频理解能力最近不是 anthropic 的 fable 5也出了，随即 kimi K2.7扣的这个模型也发布了那我就想着我也试试吧，拿它来和 fable 5比一比，看看谁厉害我看到一位推 友发的用 Higgs field 里的 FABLE FIVE做的游戏的 demo 于是呢，我就录了个屏，把这个视频丢给了 kimi code 我的提示词就几个字，读取这个 demo 完整复刻它它居然就做出来了，不能说完全一样，但完全能玩我不信邪啊，我又找了一个 FABLE FIVE实现的中国工 丰富的粒子动画的 demo 我的提示词是让它一比一的复刻，它不仅实现了，甚至还把我录屏时不小心录进去的视频播放控件也复刻了我后来还测试了很多 demo 全部都复刻出来了可是官方在发布 kimi code 的时候，它就在强调视频能力了，但那个时候 k 二点 耳机还没发布啊？难道说这个能力关键在于 kimi code 这个工具本身？那么带着这个疑问，我就开始分析 kimi code 的代码，以及主流的 coding agent 我想看到底有什么区别哎，还真让我猜中了我调查了所有主流 agent 里，只有 kimi code 它的这一套链路明确的 把视频放进了上下文，放进了 agent 的循环中所以它在执行任务的过程中，始终都会有视频的信息那我们用 cloud code 或者是 codex open code 它们当下的版本都只支持到了图片这一层一旦这类工具读取了视频，它们都会用抽帧的方式来读取多张图来实现视频理解在很多时候，这个确实也够用了比如说你复刻一个网页游戏，通过几张图，你就能理解出整个游戏或者是前端界面的交互逻辑但是我要说，抽帧理解视频其实是残血的，因为 kimi code 的代码告诉我，视频它不是多张图我恍然大悟啊。\n视频但是如果把原始视频和成品都交给 kimi code 再让它一次读入两个视频，并且对不足的方向进行精修，再迭代个几轮，我相信结果会越来越好而且同时读两个视频的方式只有它能支持这个实验让我是有些惊讶，但是也在意料之中，因为拖 离了软件开发场景，缺少了帧与帧之间的时间关系，Codex 是很难拿出经验的成果的我知道 Codex 的上下文是在服务端管理的，所以我们并不清楚它读过的图片是不是始终以原始的形态留在上下文里比如说 Base64 编码就是一种原始形态但我十分确定的是，视频类的内容是 肯定没有的所以，Codex 未来会不会在这个能力上对齐 kimi code 呢？这就是我标题里提出的问题我希望它会啊，我是200刀的订阅，我特别希望它也能理解视频另外，在做了这个测试之后，我又拿了一些 AE 动画在做测试，结果和之前一样，它不但完整地复刻了动画的视觉效果连动画的节奏、转场的时机都复刻出来了注意，这不是普通的低频率抽帧的方案能稳定做到，只有 Kimi Code 的这条链路上，时间这个维度的信息才能被保留得更多好，那我想说的商机到底是什么？咱们假设，如果在符合道德和版权的约束下，我们把一批经过授 授权或者开源的视频作品，通过视频理解的方式来蒸馏成一个剪辑和叙事经验的知识库如果你接到一个剪辑任务时，你先用 Agent 在这个知识库里检索类似的案例的经验，再结合脚本来核查，提取出叙事动画的方案，最后再通过 Hyperframe 这样的框架来快速实现动画哇，那以后博主是不是只需要构思内容本身了？而所有的表达全部都可以交给 Agent 你们说这个库如果能做成 会不会成为一个商机呢？反正我现在已经把 Kimi Code 集成到了我的牛马 agent 的体系里了，我已经开始用这种能力去做可行性的验证了OK，商机说到这里，咱们回到现实我对 Kimi Code 的代码库又做了进一步的研究，我发现其实还有很多值得说的内容比如说它支持其他模型的接入甚至是，如果你稍微对代码做一些修改的话，本地部署的千问3.6 27B也能实现视频常驻上下文的这种玩法了那本地多模态模型现在也可以满血了我还发现啊，他甚至对音频类型也留了接口顺着他的思路，我稍微对他的代码做了一点点的 小改动，我甚至实现了能用本地的模型分析带音轨的视频另外我还发现，原本在网页版才能用的 Agent Swarm 现在在 Kimico 的里就直接就支持了比如就拿我们刚才这个场景举例，我给 Kimico 两个视频，让它分析，这个时候可能就用掉了40%的上下文了，但接下来的任务，我就可以启动 Agent Swarm。",
  "engine": "doubao-seedasr-2.0",
  "language": "zh"
}