Higgsfield 的 AI 视频，从约 1 分钟做到了 10 分钟以上

以前在 Higgsfield 里，一条 AI 视频最长约 1 分钟。CEO Alex Mashrabov 说，工作流切到 OpenAI 的 GPT-6 Astra 后，上限超过了 10 分钟。

时长一拉长，角色和场景的一致性成了最棘手的环节。Astra 的创意代理能调用外部工具，处理 3D 建模这类复杂手工活。Alex 认为，这正好回应了长视频一致性的老难题。

这不是 demo。Higgsfield 的 YouTube 频道有近 50 万订阅者。团队搭的工作流，用 AI 自动生成超过 10 分钟的教程视频。Alex 还在哈萨克斯坦支持农村学校。他先用 GPT-6 Astra 的视觉理解，识别学生可能没掌握的题目，再生成针对性讲解视频。在资源匮乏的农村学校，这种个性化讲解一直近乎空白。

图像是另一条线。GPT-Image-2.5 是第一个能稳定渲染图上文字和图表的模型。海报上的促销文字、说明图里的精确标注，向来是专业设计的活儿。没有大制作预算的小企业，也能自己动手了。

公司内部同样在改流程。Higgsfield 的产品由约 200 名创意人员和 100 名工程师协作完成。Codex 给了创意团队“强大软件工程师”的能力。GPT-6 Astra 能写生产级代码，这以前做不到。原型进生产原本要前端后端工程师大量介入，这部分工作量明显小了。

下一步是“voice to movie”。创作者说出想法，AI 理解口语意图，边讲边把画面渲染出来。Alex 认为 OpenAI 的语音模型在语音理解和日常交流上是同类最佳。规划、工具调用、图像生成、语音这几块的进展，正在把这种体验拉近。没公布的是：什么时候上线、向谁开放；复杂场景下长视频的一致性，还能不能稳住。

Higgsfield 的方向，绑在 OpenAI 一整条模型产品线上。GPT-6 Astra 负责视频、代码和工具调用，图像交给 GPT-Image-2.5。理解意图靠语音模型。“voice to movie”要的四项能力，正好落在同一家厂商手里。