Recientemente he estado observando Pexo, creado por @evanLiaoQ, y creo que este proyecto merece una conversación. Actualmente, el sector de videos de IA está extremadamente saturado. Kling, Veo, Seedance, Sora, Runway: cada cierto tiempo, la capacidad de los modelos avanza un poco más; la calidad visual, la duración, la consistencia de los personajes y los efectos de movimiento mejoran rápidamente. Pero tras usarlos realmente, uno se da cuenta de un problema: Más modelos no significan que hacer un video completo sea más sencillo. Todavía debes elegir un tema, escribir un guion, dividir las escenas, seleccionar el modelo, redactar el prompt, generar repetidamente, y luego agregar voz en off, música, subtítulos y edición. A menudo, generar una sola escena toma solo unos minutos; lo que realmente consume tiempo es transformarla en un video completo, listo para publicar, usar o emplear en marketing. Pexo busca resolver exactamente esto. No es otro modelo de video subyacente, sino un AI Video Agent construido encima de estos modelos. En términos simples: Antes, tú mismo operabas diversas herramientas de IA. Ahora solo le dices a Pexo: “Quiero hacer un video de esto.” Lo demás lo maneja el Agent. Puede comprender tu solicitud, leer páginas web o materiales, organizar la información, generar un guion, dividir las escenas y llamar a diferentes modelos de imágenes, videos y audio según el contexto, para finalmente combinar todo en un video completo. Por eso lo realmente interesante de Pexo no es cuántos modelos ha integrado, sino que busca cambiar la forma de interactuar con el video de IA: De “Generate a clip” a “Make me a video”. Estas dos lógicas son muy distintas. La primera vende una “capacidad de generación”; la segunda vende un “resultado”. Por ejemplo, Pexo ya puede tomar directamente una URL de un sitio web de producto, hacer que el Agent lea la información del producto y genere automáticamente un video promocional. Para SaaS, marcas, comercio electrónico y proyectos de cripto, este escenario es muy práctico. Antes, hacer un video de presentación requería contratar a un redactor, diseñador y editor, o incluso externalizar un equipo completo. En el futuro, quizá solo necesites pegar la página web, capturas de pantalla y algunos puntos clave en el Agent, y luego ajustarlo mediante chat. Otra función que he estado observando recientemente es “Mark to Fix”. El problema actual en video de IA ya no es “si se puede generar”, sino: ¿Cómo modificarlo después de generarlo? Un logotipo demasiado grande, un color de ropa incorrecto en un personaje, algo que necesita reemplazarse, subtítulos mal posicionados: si cada cambio requiere regenerar todo el video, la eficiencia es muy baja. La idea de Pexo es marcar directamente en la pantalla y decirle al Agent: “Cambia esto.” “No toques esto.” “Reemplaza esto por otra versión.” Si logran mantener bien esta capacidad de modificación local y conservación del contexto, el video de IA realmente avanzará desde una “herramienta de sorteo” hacia una “herramienta de producción”. Además, Pexo ya no solo es un sitio web independiente. Están lanzando Pexo Skills e integrándose con entornos de Agent como Claude Code, Codex, Cursor, Manus y OpenClaw. Este paso considero que es aún más relevante. Porque en el futuro probablemente no abramos activamente docenas de sitios web de IA. Más bien le diremos a nuestro General Agent: “Hazme un producto.” “Escribe mi sitio web.” “Y hazme un video de lanzamiento.” Luego, el General Agent llamará en segundo plano a Agentes especializados como Pexo para completar la producción del video. El General Agent se encargará de comprender toda la tarea; Pexo se encargará de hacer la parte del video con suficiente profesionalismo. Este podría ser el verdadero espacio que Pexo quiere ocupar. El fundador detrás de Pexo, Evan Liao, tiene una larga trayectoria en video e generación de contenido con IA; anteriormente trabajó en Tencent, ByteDance y Vidu, por lo que la evolución del proyecto es muy coherente. Desde Apex Context hasta Pexo actual, siempre han enfatizado un concepto: Contexto. Los modelos se volverán más potentes y más baratos. Pero lo que realmente determina si un Agent es útil o no podría no ser cuántos modelos integra, sino si puede comprender realmente lo que el usuario quiere expresar, recordar el contexto de marca y personajes, saber qué modelo llamar en cada escenario y cómo corregir automáticamente tras un fallo en la generación. Creo que esto es lo más interesante para observar en los Vertical Agents siguientes. Cuando los modelos subyacentes se vuelvan cada vez más commodity, la competencia real cambiará de “¿Quién tiene el modelo más fuerte?” a “¿Quién entiende mejor la tarea, al usuario y está más cerca del resultado final?”. Lo que Pexo está haciendo ahora es apostar por esta dirección. De AI Video Generator a AI Video Agent. Seguiré observando si logra conectar realmente generación, edición, contexto y flujo de trabajo del Agent en un sistema completo de producción de video. @evanLiaoQ