感觉视频生成会被llm+视频理解碾压

• 作者原认为视频生成是LLM无法替代的领域，但GPT-6的Astra模型展示了利用软件3D建模和相机动态建模的能力，使作者感到该方向前景黯淡。 — ✓ “看到GPT 6的Astra已经能利用软件3D建模”
• 神经网络渲染视频生成的核心优势在于效率高且成本低，相比迪士尼等传统动画制作中耗费大量人力财力的物理模拟和特效渲染，神经渲染更具经济优势。 — ✓ “神经网络渲染的视频生成的最大优势就是效率高”
• 目前Stable Diffusion (SD)的主要应用价值在于降低门槛，让不学习专业技能的人也能生成短视频。 — ✓ “目前sd最大的用处就是人人不用学都能生成短视频了”
• Astra模型通过zero-shot方式在模拟器中直接渲染出大量视频，证明了LLM在多模态和视频生成上的竞争力，使得Diffusion视频生成在最大应用场景上难以与LLM竞争。 — ✓ “Aster直接zero shoot 用模拟器渲染出来一大堆视频的demo”
• 尽管Diffusion技术在精细度和自由度上限上高于LLM，能实现模拟器和物理仿真做不到的效果，但LLM拥有更多的投资和数据资源。 — ✓ “llm获得的投资、数据都远比视频生成方向多”
• LLM凭借多倍于视频生成的资源、Agent订阅费反哺以及更快的模型迭代速度，在商业竞争中占据优势，导致视频生成方向的商业价值受到质疑。 — ✓ “还能拿agent订阅费反哺自己，增加模型迭代速度”
• 建议从事视频生成的从业者立即转向Video Reasoning（视频推理）领域，未来范式可能演变为让LLM读取图片/视频并直接控制渲染软件输出内容。 — ✓ “做视频生成的立刻转video reasoning还是很有前途的”

• 省流比喻：作者担心无人驾驶汽车会被一个会开车的智能机器人淘汰 · 22 条回复
• 我觉得目前来看肯定不至于，因为GPT之所以能做到这件事情是因为blender的强大开源生态和底层逻辑，他们做的事情其实是写一个Computer Use Agent的MCP，所以说更专业的渲染，其实也做不好，LLM做好的现在只是用Blender的MCP。直接diffusion和做优质的3D模拟器+LLM MCP渲染出video是两条并行的路，长远来看确实有可能会形成竞争；短期内我觉得Diffusion还是更容易广泛应用的。 · 3 条回复
• 最恐怖的不是这点，是ai在处处你认为它做不到的地方很快就突破了，我们所有人认为的安全都是暂时的，包括很多人说的审美和判断力，就像是古代人认为铁不会飞起来一样。 · 14 条回复
• 里边有一句话非常错误，就是llm获得的投资数据远比生成方向多，拿着更好的资源做出来的东西当然更好。这句话就完全不对，你要看底层逻辑的。我举个最简单的例子，像文字创作这件事情，按理说应该是llm最擅长的，但是我们会发现当今的llm和24年的没有特别明确的区别。Ilm在很多领域是有上限的，当今只是他恰好使用blender能够搭建3d，之后必须得是在内部使用镜头穿梭获取视频。这个事情上限很难再往高了。如果我们现在抛开blender，那请问你怎么使用llm来生成视频[偷笑R]。我们必须抛弃的思维是认为有数据和投资一切事情都有可能，甚至于抛弃了底层原理[捂脸R] · 14 条回复
• 这玩意儿和视频生成不是竞品关系吧 反而是互补的[笑哭R] · 3 条回复

• 读了 1 张图，每张都有描述
• 图上文字 3 行
• 没读到：comments: the top 5 of 207 read from the share page; the rest of the thread not read

样例，第 1 张图 — A light blue graphic featuring a large quotation mark icon in the top left corner. The central text reads '视频生成方向，看到Astra天都塌了' (Video generation direction, seeing Astra makes the sky collapse) in dark grey characters. The word 'Astra' is highlighted with a pink underline. 图上文字开头： “视频生成方向，看到Astra天都塌了”