Baru-baru ini saya memerhatikan Pexo yang dibuat oleh @evanLiaoQ, dan saya rasa projek ini patut dibincangkan. Kini, pasaran video AI sudah sangat sengit. Kling, Veo, Seedance, Sora, Runway — setiap beberapa masa, kemampuan model semakin meningkat: kualiti gambar, tempoh, konsistensi watak, dan kesan pergerakan semuanya meningkat dengan pantas. Namun, setelah anda sendiri mencuba, anda akan mendapati satu masalah: Semakin ramai model, tidak bermakna membuat satu video lengkap menjadi lebih mudah. Anda tetap perlu memilih topik, menulis skrip, membahagikan adegan, memilih model, menulis Prompt, menghasilkan berulang-ulang, kemudian membuat suara latar, muzik, subtitle, dan suntingan. Sering kali, menghasilkan satu adegan hanya mengambil beberapa minit — tetapi menjadikannya satu video lengkap yang boleh diposting, digunakan, atau digunakan untuk pemasaran justru merupakan bahagian yang paling memakan masa. Pexo ingin menyelesaikan masalah ini. Ia bukan sekadar mencipta model video bawahannya sendiri, tetapi membina AI Video Agent di atas model-model tersebut. Secara ringkas: Dulu, anda sendiri mengendalikan pelbagai alat AI. Sekarang, anda hanya perlu memberitahu Pexo: “Saya ingin buat video apa.” Selebihnya, serahkan kepada Agent. Ia boleh memahami keperluan anda, membaca laman web atau bahan mentah, mengatur maklumat, menghasilkan skrip, membahagikan adegan, lalu memanggil model gambar, video, dan audio yang berbeza mengikut konteks, akhirnya menggabungkan semua ini menjadi satu video lengkap. Oleh itu, yang paling menarik tentang Pexo bukanlah berapa banyak model yang disambungkan, tetapi bagaimana ia ingin mengubah cara interaksi video AI dari: Generate a clip → menjadi: Make me a video. Perbezaan logik ini sangat besar. Yang pertama menjual “keupayaan penghasilan”, yang kedua menjual “hasil akhir”. Contohnya, Pexo kini boleh secara langsung memasukkan URL laman web produk, membiarkan Agent membaca maklumat produk, lalu secara automatik menyusunnya menjadi Product Video. Untuk SaaS, jenama, e-dagang, dan projek Crypto, skenario ini sangat praktikal. Dulu, untuk membuat video pengenalan produk, anda mungkin perlu mencari penulis skrip, reka bentuk, dan penyunting — atau bahkan mengoutsource satu pasukan. Di masa depan, anda mungkin hanya perlu memasukkan laman web, tangkapan skrin produk, dan beberapa ciri utama kepada Agent, kemudian membuat penyesuaian melalui perbualan berterusan. Fungsi lain yang saya perhatikan baru-baru ini ialah Mark to Fix. Masalah sebenar dalam video AI bukan lagi “bolehkah ia dihasilkan”, tetapi: Bagaimana untuk mengubahnya selepas dihasilkan. Logo terlalu besar, warna pakaian watak salah, sesuatu perlu diganti, atau posisi subtitle tidak memuaskan — jika setiap kali anda perlu menghasilkan semula keseluruhan video, kecekapan sebenarnya sangat rendah. Pendekatan Pexo ialah dengan melingkari kawasan secara langsung di atas gambar dan memberitahu Agent: Ganti ini. Jangan ubah ini. Ubah ini kepada versi lain. Jika kemampuan untuk melakukan pengubahsuaian separa dan mengekalkan konteks ini terus diperbaiki, video AI benar-benar akan bergerak dari “alat gacha” kepada “alat pengeluaran”. Selain itu, Pexo kini bukan sekadar sebuah laman web berdiri sendiri. Mereka telah mula memperkenalkan Pexo Skills dan cuba menyambungkan kepada persekitaran Agent seperti Claude Code, Codex, Cursor, Manus, OpenClaw. Langkah ini menurut saya lebih penting untuk diperhatikan. Sebab di masa depan, kita mungkin tidak akan secara aktif membuka puluhan laman web AI. Lebih mungkin kita hanya memberitahu General Agent kita: Bantu saya buat satu produk. Bantu saya tulis laman web. Lalu buatkan satu Launch Video. General Agent akan mengendalikan keseluruhan tugas di latar belakang dan memanggil Pexo — sebagai Vertical Agent — untuk menyelesaikan penghasilan video. General Agent bertanggungjawab memahami keseluruhan tugas; Pexo bertanggungjawab membuat bahagian Video menjadi cukup profesional. Ini mungkin kedudukan sebenar yang ingin diraih oleh Pexo. Pendiri belakang Pexo, Evan Liao sendiri telah lama terlibat dalam video AI dan penghasilan kandungan — sebelum ini beliau bekerja di Tencent, ByteDance dan Vidu — jadi arah projek ini sangat selari. Dari Apex Context hingga Pexo sekarang, mereka terus menekankan satu konsep: Context. Model akan semakin kuat dan semakin murah. Tetapi yang menentukan sama ada sebuah Agent itu mudah digunakan atau tidak mungkin bukan berapa banyak model yang disambungkan — tetapi sama ada ia benar-benar memahami apa yang ingin disampaikan pengguna, mengingat konteks jenama dan watak, tahu model mana yang perlu dipanggil dalam konteks berbeza, serta bagaimana memperbaiki secara automatik apabila penghasilan gagal. Saya rasa inilah aspek paling menarik untuk diperhatikan dalam Vertical Agent seterusnya. Apabila model dasar menjadi komoditi secara perlahan-lahan, persaingan sebenar mungkin berubah dari “siapa model terkuat” kepada “siapa yang paling faham tugas, paling faham pengguna, dan paling dekat dengan hasil akhir”. Yang sedang dilakukan Pexo sekarang pada dasarnya adalah bertaruh pada arah ini. Dari AI Video Generator ke AI Video Agent. Saya akan terus memantau sama ada ia mampu menyambungkan penghasilan, suntingan, Context dan Workflow Agent menjadi satu sistem pengeluaran video yang lengkap. @evanLiaoQ