围猎AI超级创作人，10个月迭代20个版本，可灵AI的夺命狂奔

可能每个搞AI视频大模型的人心里都有一个三体梦。

不久前，可灵AI召开2.0升级发布会。快手高级副总裁、社区科学线负责人盖坤上台就讲了一个故事。

大概在一年前，在公司内部看可灵第一个DIT模型产出结果的时候，他就想，自己什么时候能用AI把心目中的《三体》做出来？

盖坤一开始就知道，整个视频生成技术是一个长跑，他们距离心目中的还有很远。他们也知道，这个赛道将会激烈。

因此，可灵AI发布后就进入了夺命狂奔的模式。在过去的10个月里，可灵AI已经经历了20多次产品迭代。

在发布会当天，盖坤展示了可图2.0、可灵AI2.0和多模态编辑功能，从数据测试来看，都远超目前海外TOP级别同类产品。

技术能力只是可灵AI的杀手锏之一。

在当天的发布会上，我们还看到了大量的AI视频超级创作者。汗青Talk、陈坤、宋东恒、楼济铭、森海荧光、Danny造梦、异类Outliers……

可以说，可灵拥有整个AI视频领域最庞大的内容创造群体。这些超级创作者是AI视频内容社区的星星之火，也是灯塔。

可灵AI也在通过各种运营方式，跟各种企业，以及影视大会合作，给到超级AI创作者们更多曝光机会，激发他们的创作潜能。

大家距离“三体”梦越来越近了。

可灵AI月活用户增长25倍

作为全球第一款公开可用的DIT架构视频生成大模型，可灵AI从一诞生就是先进创意生产力平台的代表。

尽管在可灵AI之后，国内外也出现了不少AI视频模型，但不管是产品迭代、用户体验、商业化等方面，可灵AI都持续断层式领先。

根据公司2024年财报中提到的数据，截止2025年2月，可灵AI的商业化收入已经超过1亿元。

在过去10个月里，可灵AI在模型效果方面始终保持在行业的第一梯队。从Artificial Analysis的评测榜单上可以看到，可灵AI和谷歌旗下的Voe2，在图生视频和文生视频上分别占据Top1。

今年1月份，可灵APP在8个国家和地区包括智利阿根廷等，都荣获了苹果IOS下载榜单第一名；同时在包括美国等29个国家和地区，荣获了图像和视频榜单的第一。

在这些榜单背后，是可灵AI收获的无数AIGC创作者的热情。

从1.0版本发布至今，可灵AI用户已经超过2200万用户，月活用户数增长了25倍。据统计，这些用户在可灵AI的平台上发布了1.08亿的视频和3.44亿张图片。

除了个人用户以外，目前有超过15000名开发者在使用可灵AI的API。这些开发者已经累计生成了1200万个的图像和4000万个的视频。

可灵AI狂奔一年后，回到它诞生的初心，一个问题便油然而生：现在的视频生成技术可以让每个创作者讲好自己的故事了吗？

还远远不够。

那么，创作者在使用行业顶级AI视频生成工具时，一般会遇到什么问题？

这是个各家AI视频生成工具都需要面临的共性问题。

第一个问题是，语义分析能力在部分情况下不够。

语意分析能力不够，妨碍了创作者们用文字能够很精准的表达控制自己的输出结果，让自己的创意大打折扣，我们其实需要一个语义分析能力更强的视频生成大模型。

第二类碰到的常见的问题是，动态质量的问题。

这里包括大家所常说的运动过快，或者运动不符合物理规律。

用户需要一个动态能力更好的视频生成模型，还需要一个真实性更强，美感更好的视频生成模型。

盖坤在现场展示了一些AI视频生成中遇到问题的案例。比如，美感不够，镜头不够，不真实等等。

这些问题，都是创作者和开发合作伙伴在视频创作中遇到的共性问题，大家迫切需要一个更强大的视频生成模型能够在语义遵循、画面质量、动态质量、真实度和美感上都比现在的行业水平有一个大幅提升。

为了进一步解决这些问题，可灵AI升级到2.0版本。盖坤称之为，世界上最强大的视觉生成模型。它来了。

可灵AI2.0更懂常识和审美

现场，盖坤用一段视频介绍了一下可灵和可图2.0模型。紧接着，他用数据进一步说明可图2.0模型的能力。

现场测评展示中可以看到，与世界上顶级的图片模型MidjourneyV7相比，可图2.0胜负比达到300%以上，而对比近期非常火的REVE模型，胜负比达到193%，对比FLUX1.1[pro]胜负比已经达到152%。如果两款产品的对比数据如果是100%说明，说明一样好。

这说明，可图2.0现在是行业领先的专业图象模型。

第二个重磅发布的是可灵2.0文生视频模型。

盖坤也选择了两个全球顶级视频模型进行对标，一个是与可灵AI1.0并列的Veo2，另一个是OPenAI旗下的Sora。

通过数据测评，可灵2.0文生视频模型对比Veo2在综合胜负比上达到了205%，对比Sora达到了327%。

第三个重磅发布的是可灵2.0图生视频模型。

对比Veo2，以及海外刚发布的Gen-4，可灵2.0图生视频的总和胜负比都达到180%左右。这意味着在图生视频上，可灵AI依旧持续领先。

有了好用且功能强大的AI工具，下一步就是教会用户如何用。解决这个问题，需要打通关键的一步：人如何与AI进行最基础的文字沟通。

说白了，就是提示词。

你会发现，目前，使用AI图片和视频工具比较熟练的用户轻清一色对“语言描述”有着强大的驾驭能力。描述越精准，越细致，AI产出的图片和视频就更接近创作者的想象。

然而，遗憾地是，不是所有人都有这种文字功底和能力。这就让创作者在提示词阶段拉开了巨大差距。

其实，我们很难用文字把影像信息完美的描述出来。因为文字作为人去描述自己想像中的世界的媒介是不完美的。

那怎么办呢？

我们需要定义一个新的语言，一个人和AI交互的新的语言，能够让我们的想像能够被AI完全感知到，能够让你的想像成真。

如何定义？

可灵定义了一种新的语言叫做MVL（Multi-modal Visual Language），多模态视觉语言。

MVL里面有两类非常关键的元素，第一类是TXT（Pure Text，语义骨架），第二类称为MMW（Multi-modal-document as a Word，多模态描述子），把多模态信息引入进来，当成一个单词，能够嵌入到我们的骨架里面，共同描述你想像的世界。

这是一种非常直观，因为能够用人类的语言描述，同时用多模态信息做线路，能够大幅度扩展描述的精准性，能够更完美的描述人脑海中的想像。

基于MVL的思想，可灵第一个产品，多模态编辑正式发布。这意味着，未来一定不只有图片和视频两个模态，今后还会拓展更多模态的输入。

可灵AI的超级创作者们

可灵AI一直是AI视频领域的领头羊。这也吸引了大量超级AI视频创作者聚集在可灵的社群中。

最早，快手短剧联合快手可灵AI大模型、创作者“闲人一坤”导演陈坤，共同推出取材自《山海经》、完全由AI制作的奇幻微短剧《山海奇镜之劈波斩浪》。

《山海奇镜》通过AI技术，在对水神共工、火神祝融，神兽鲲、鹏、蠃鱼、九婴、鲛人的影像化塑造都称得上震撼。

更关键的是，这部AI短剧实现了人物皮肤纹理、微表情动态的精细化处理、人物肌肉动态处理合乎物理规律的一致性等，如上图行舟眼神中的恐惧、下图水爷的眼神变化细节等，都让AI影像更加真实可感。

后来，快手宣布正式启动“可灵AI”导演共创计划。李少红、贾樟柯、叶锦添、薛晓路、俞白眉、董润年、张吃鱼、王子川、王卯卯等9位知名导演，将依托可灵AI的技术能力，制作出品9部AIGC电影短片。据悉，9部短片将全部由可灵AI进行视频生成，电影导演完全依托视频生成大模型，群体深度参与电影级内容创作。

就在今年春节之前，可灵AI又上线了AI剧集《新世界加载中》。这部短剧的总导演，异类Outliers的创始人陈翔宇也参加了可灵AI2.0的发布会。

陈翔宇表示，《新世界加载中》从剧本创作到内容发行历时一年的时间，历经一次完整的关于AI影像的工业化创作流程。

“可灵AI是一个能够稳定的大规模嵌入剧集当中的视频生成大模型。在《桃源》这个系列中，我们能看到，可灵AI在本土故事的塑造和中国元素的表达上面都是有非常强大的优势的，是克制精准的影视级表达。”