Higgsfield推出智能体平台

Higgsfield - Building Agents That Provision Their Own Compute | DevDay 2026 — OpenAI

OpenAI

Higgsfield通过集成OpenAI Astra与自主GPU调配系统,让微型创意团队也能端到端交付长视频与互动直播等企业级复杂媒体体验。

AI-assisted summary of Higgsfield - Building Agents That Provision Their Own Compute | DevDay 2026 — original source. Check the original for full context.

Source published:

Key ideas

  • Higgsfield 推出多媒体智能体平台与 Higgsfield API,结合 OpenAI Astra 等模型,使单人或微型团队即可制作出以往需要 15 人以上团队交付的广告营销与互动媒体内容。 (0:00)
  • 针对长视频一致性难题,Higgsfield 构建了能够自主选择模型并启动专属 GPU 基础设施的“超级计算机”智能体系统,支持执行确定性渲染工作流与输出质量自我评估。 (2:15)
  • Higgsfield 联手知名主播 N3on 在纽约街头完成了持续超过 10 小时的实时 AI 世界重构直播,验证了 Astra 驱动下超低延迟创意媒体工作流的可行性。 (5:00)
  • 为满足企业级客户对可控性与安全性的要求,Higgsfield 建立了包含 GPU 边界基础设施的护栏机制,并开源了基于 Astra 构建的自动化 AI 视频编辑技能。 (8:30)

Detailed notes

## Background 该视频由 OpenAI 于 2026 年 10 月 9 日在 YouTube 官方频道发布,记录了 DevDay 2026 现场的精彩对谈。根据官方简介,本期内容聚焦于 Higgsfield 的智能体如何自主选择模型并调配自有算力,探讨何时使用专属 GPU 或托管模型、如何保障可预测的吞吐量,以及该方案在实际应用中可能面临的挑战与边界。

## TL;DR Higgsfield 联合创始人兼 CEO Alex Mashrabov 详细介绍了他们如何构建能够自主申请并调配专属 GPU 基础设施的“超级计算机”智能体系统。通过结合 OpenAI Astra 的计算机使用(computer use)能力与确定性渲染工作流,团队成功消除了传统创意产业中沉重的“制作税”,使几人规模的微型团队也能完成过去需十余人协作的复杂媒体项目。分享中还着重展示了与主播 N3on 合作完成的长达 10 小时纽约街头实时世界重构 AI 直播,并剖析了企业级可控性与安全护栏设计。最后,Alex 分享了团队开源的 AI 视频编辑技能,激励现场开发者抓住模型能力高速跃迁的历史机遇打造自己的产品。

## Atmosphere & style 对话在 OpenAI DevDay 的户外舞台上展开,兼具前沿技术的硬核务实与硅谷开发者大会特有的活跃开放氛围。主持人的提问敏锐且极具共鸣,而 Alex 的阐述则条理清晰、充满创业者的热忱与笃定,在坦诚透露数万美元研发成本等工程现实的同时,又毫无保留地描绘了互动媒体的未来图景。整场交流节奏紧凑、干货密集,尤其是披露 10 小时全实时 AI 直播的瞬间,为现场带来了强烈的技术震撼与极具感染力的行动号召感。

## Bulletin - [00:00](https://www.youtube.com/watch?v=8804JYm81cc&t=0s) Higgsfield 推出多媒体智能体平台与 Higgsfield API,结合 OpenAI Astra 等模型,使单人或微型团队即可制作出以往需要 15 人以上团队交付的广告营销与互动媒体内容。 - [02:15](https://www.youtube.com/watch?v=8804JYm81cc&t=135s) 针对长视频一致性难题,Higgsfield 构建了能够自主选择模型并启动专属 GPU 基础设施的“超级计算机”智能体系统,支持执行确定性渲染工作流与输出质量自我评估。 - [05:00](https://www.youtube.com/watch?v=8804JYm81cc&t=300s) Higgsfield 联手知名主播 N3on 在纽约街头完成了持续超过 10 小时的实时 AI 世界重构直播,验证了 Astra 驱动下超低延迟创意媒体工作流的可行性。 - [08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) 为满足企业级客户对可控性与安全性的要求,Higgsfield 建立了包含 GPU 边界基础设施的护栏机制,并开源了基于 Astra 构建的自动化 AI 视频编辑技能。

## Key takeaways - [00:00](https://www.youtube.com/watch?v=8804JYm81cc&t=0s) Higgsfield CEO Alex Mashrabov 曾创立 Snapchat Cameos 并在 Snap 负责生成式 AI,现致力于通过智能体自主调配模型与 GPU 算力重塑多媒体制作体验。 - [00:00](https://www.youtube.com/watch?v=8804JYm81cc&t=0s) Higgsfield API 结合 OpenAI Astra 等基础模型,彻底降低了创意门槛,使个人创作者能够端到端交付互动节目与商业化营销内容。 - [02:15](https://www.youtube.com/watch?v=8804JYm81cc&t=135s) 生成单一概念资产相对容易,但要交付连贯、长周期的媒体体验极难;团队曾花费超过 30,000 美元才摸索出一套可稳定输出 10 分钟长视频的编辑技能。 - [02:15](https://www.youtube.com/watch?v=8804JYm81cc&t=135s) 为将生成式视频投入生产环境,系统必须进化为能够进行严密自我评估并依据质量标准自主决策调用何种模型的智能体系统。 - [02:15](https://www.youtube.com/watch?v=8804JYm81cc&t=135s) Higgsfield 的“超级计算机”架构赋予了智能体按需调配和启动专属 GPU 的能力,以保障高级渲染等确定性工作流的执行效果与一致性。 - [05:00](https://www.youtube.com/watch?v=8804JYm81cc&t=300s) 传统制作流程存在高昂的“制作税”,往往需要 15 人以上掌握 10 至 12 种不同工具的专业团队;Astra 的“计算机使用”与子代理能力大幅压缩了这一协作成本。 - [05:00](https://www.youtube.com/watch?v=8804JYm81cc&t=300s) Higgsfield 与主播 N3on 合作完成了持续逾 10 小时的纽约街头实时世界重构直播,标志着超高速 AI 视频模型已迈入实时互动阶段。 - [08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) 在面向大型企业的落地场景中,“可控性”是核心关切,Higgsfield 通过安全护栏机制与带有 GPU 的边界基础设施保障企业级部署合规与稳定。 - [08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) Alex 建议开发者“滑向冰球即将到达的位置”,紧随模型决策与执行能力的快速迭代,提前布局下一代互动媒体应用。 - [08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) Higgsfield 开源了内部基于 Astra 开发的 AI 视频编辑技能,形成了团队用其制作产品教程、外部开发者同样用其为各自产品制作视频的生态自举循环。

## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=8804JYm81cc&t=0s) Higgsfield 平台与 Higgsfield API 介绍

在 OpenAI DevDay 的户外舞台上,主持人热情欢迎了 Higgsfield 的联合创始人兼 CEO Alex Mashrabov。Alex 此前曾联合创立了后来演变为 Snapchat Cameos 的产品,并随后在 Snap 领导生成式 AI 团队。如今,他正致力于利用智能体(Agents)自主选择模型并启动新的 GPU,从而解锁创建和体验媒体的全新方式。

Alex 介绍道,Higgsfield 是一个领先的多媒体 AI 平台,创意营销人员可以在上面结合 OpenAI Astra 等现代模型以及 Higgsfield 提供的高级图像和视频模型,来制作广告营销活动。更重要的是,这些由 AI 生成的广告能够实实在在地帮助企业实现营收和销售额的增长。与此同时,团队注意到许多人在构建前所未知的新型创意媒体和互动媒体方面有着强烈的需求与向往。为此,他们推出了 Higgsfield API,帮助开发者交付这些创新体验并建立新的业务。通过将 OpenAI Astra 等模型与 Higgsfield API 相结合,过去难以想象的工作流得以实现——如今仅仅一个人的团队就能制作并发布一档互动节目。

[02:15](https://www.youtube.com/watch?v=8804JYm81cc&t=135s) 构建能够自主调配 GPU 的“超级计算机”智能体

当被问及是什么促使团队构建这套智能体系统时,Alex 指出,在行业中很容易获得像概念图这样的单一优质资产,但要围绕它交付连贯、持续的体验却非常困难。因此,Higgsfield 推出了“超级计算机”(Supercomputer)。他提到,最近在另一个播客中他曾分享过,团队利用这套系统开发了一项全新的视频编辑技能,能够保持一致性地制作长达 10 分钟的视频,这在没有 Astra 模型的情况下是根本无法想象的。然而,为了实现这一个体验,他们花费了超过 30,000 美元。如果要将此类技能投入生产环境,系统必须针对不同用例就“使用哪个模型”做出大量决策,这也要求智能体系统(Agentic systems)具备极强的自我评估能力,以便定义什么样的输出质量标准是可以接受的。

针对主持人关于“从创意火花到最终成品中间经历了什么”的提问,Alex 强调了基础模型(从早期的模型演进到 5.5 版本乃至 Astra 模型)在创造力方面的独特之处。一切虽然始于想法和概念,但将其转化为非常具体的执行计划并明确定义最终产出标准至关重要。在此过程中,Higgsfield 发现拥有确定性的工作流(deterministic workflows)非常有价值,这些工作流可能包含使用视频模型或微调视频模型进行高级渲染。这正是他们将其称为“超级计算机”的原因:他们必须构建一个能够自行启动专属 GPU 基础设施的智能体,这对于在各种用例中交付高度一致的执行结果起到了决定性作用。

```mermaid flowchart LR accTitle: Higgsfield 智能体从创意到成品的执行工作流 accDescr: 展示从最初的创意火花到通过 Astra 制定计划、启动专属 GPU 并执行确定性渲染工作流以输出最终产品的过程。 subgraph Plan["1. 创意与规划"] A["创意火花与概念"] --> B["通过 Astra 制定执行计划与质量标准"] end subgraph Infra["2. 基础设施与执行"] B --> C["智能体按需启动专属 GPU 基础设施"] C --> D["执行确定性工作流 (微调视频模型渲染)"] end subgraph Eval["3. 评估与交付"] D --> E["智能体自我评估输出质量"] E --> F["一致性的长视频或互动媒体成品"] end ```

[05:00](https://www.youtube.com/watch?v=8804JYm81cc&t=300s) 利用 Astra 消除“制作税”与 10 小时实时 AI 直播案例

在探讨 OpenAI 模型在技术栈中的其他作用时,Alex 表示 Astra 代表了真正解锁“计算机使用”(computer use)能力的下一代模型。传统的创意工作流通常需要一个超过 15 人的团队,并且团队成员必须熟练掌握 10 到 12 种不同的工具。这在创意想法与最终执行之间形成了巨大的“制作税”(production tax)——这种现象在游戏行业尤为明显,视觉质量门槛的提高直接导致预算呈指数级膨胀。而 Astra 能够通过子代理(sub-agents)等机制代表创作者调用这 10 到 12 个程序,从而让小团队也能取得巨大的成功。

谈及构建过程中的重大技术决策与权衡,Alex 回顾了连续视频生成和自动视频编辑的用例。为了实现实时体验,团队必须全力优化运行速度。虽然在活动当天刚刚发布了超高速模型(ultra-fast model)让实时体验变得更加触手可及,但在那之前,Higgsfield 就已经与极具人气的直播主 N3on 合作,解锁了史上首场 AI 直播。在这场直播中,两位真实的创作者——Higgsfield 发言人 Adil 和主播 N3on——走在纽约市的街头与路人互动,而 Astra 模型则实时重构了整个世界,使其看起来逼真自然。当主持人惊讶地确认这是否真的是实时直播时,Alex 证实这场直播持续了超过 10 个小时。这种全新的媒体形式在过去根本无法想象,而现在全球任何地方仅由两三个人组成的开发者团队,都能交付这种体验并在其之上建立业务。

- **传统创意团队规模**:超过 15 人,需精通 10–12 种软件工具。 - **使用 Higgsfield + Astra 后的团队规模**:仅需 1–5 人的微型团队即可端到端交付产品。 - **标杆案例**:与主播 N3on 及发言人 Adil 在纽约街头完成超过 10 小时的实时世界重构 AI 直播。

[08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) 企业级可控性、围栏机制与开源视频编辑技能

面对台下的开发者听众,Alex 分享了更多令人振奋的应用场景。目前已有许多三到五人的团队正在端到端地交付直接面向消费者(D2C)的移动应用和网站。但当视角转向更大规模的企业级用例时,“可控性”(controllability)变得至关重要。为此,Higgsfield 确保智能体不仅围绕自身建立明确的护栏(guardrails),还能通过带有 GPU 的边界基础设施(perimeter infrastructure)提供安全部署。这极大地加速了 Higgsfield 自身的企业级市场推广(go-to-market),并且现在这些能力都已通过 Higgsfield API 向其他开发者开放。

主持人用冰球运动作比喻,称赞 Higgsfield 总是“滑向冰球即将到达的位置”(skate to where the puck is going),在模型尚未完全成熟时就提前布局,从而实现从 2 小时到 10 小时直播的跨越。对此,Alex 建议开发者要为下一次 AI 跃迁做好准备,因为模型迭代极快,甚至当天早些时候就已经看到了关于决策能力(decisioning)等方面的新特性。如今,互动媒体创作正迎来前所未有的民主化,过去受限于技术瓶颈的想法在 Astra 的加持下终于成为可能。

最后,Alex 兴奋地分享了一个有趣的“奇点”(singularity)现象:Higgsfield 开源了他们自己开发的新技能,例如用于制作 YouTube AI 解说视频的“AI 视频编辑技能”。他们在内部利用 Astra 帮助构建了这项技能,并用它制作教学视频来教大家如何使用 Higgsfield 产品;而现在,外部开发者们也开始使用同一个开源技能来为他们自己的产品制作教程视频。在演讲结束之际,Alex 用一句话鼓励全场开发者:“我们仅用 18 个月就建成了 Higgsfield,而现在正是你们构建自己产品的最佳时机。”

## Notable quotes > [00:00](https://www.youtube.com/watch?v=8804JYm81cc&t=0s) 通过将 OpenAI Astra 等模型与 Higgsfield API 相结合,过去难以想象的工作流得以实现——如今仅仅一个人的团队就能制作并发布一档互动节目。 — Alex Mashrabov

> [02:15](https://www.youtube.com/watch?v=8804JYm81cc&t=135s) 在行业中很容易获得像概念图这样的单一优质资产,但要围绕它交付连贯、持续的体验却非常困难。 — Alex Mashrabov

> [02:15](https://www.youtube.com/watch?v=8804JYm81cc&t=135s) 团队利用这套系统开发了一项全新的视频编辑技能,能够保持一致性地制作长达 10 分钟的视频,这在没有 Astra 模型的情况下是根本无法想象的。然而,为了实现这一个体验,他们花费了超过 30,000 美元。 — Alex Mashrabov

> [02:15](https://www.youtube.com/watch?v=8804JYm81cc&t=135s) 这正是他们将其称为“超级计算机”的原因:他们必须构建一个能够自行启动专属 GPU 基础设施的智能体,这对于在各种用例中交付高度一致的执行结果起到了决定性作用。 — Alex Mashrabov

> [05:00](https://www.youtube.com/watch?v=8804JYm81cc&t=300s) 传统的创意工作流通常需要一个超过 15 人的团队,并且团队成员必须熟练掌握 10 到 12 种不同的工具。这在创意想法与最终执行之间形成了巨大的“制作税”(production tax) — Alex Mashrabov

> [05:00](https://www.youtube.com/watch?v=8804JYm81cc&t=300s) 两位真实的创作者——Higgsfield 发言人 Adil 和主播 N3on——走在纽约市的街头与路人互动,而 Astra 模型则实时重构了整个世界,使其看起来逼真自然。 — Alex Mashrabov

> [08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) 当视角转向更大规模的企业级用例时,“可控性”(controllability)变得至关重要。为此,Higgsfield 确保智能体不仅围绕自身建立明确的护栏(guardrails),还能通过带有 GPU 的边界基础设施(perimeter infrastructure)提供安全部署。 — Alex Mashrabov

> [08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) 滑向冰球即将到达的位置 — 主持人

> [08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) 他们在内部利用 Astra 帮助构建了这项技能,并用它制作教学视频来教大家如何使用 Higgsfield 产品;而现在,外部开发者们也开始使用同一个开源技能来为他们自己的产品制作教程视频。 — Alex Mashrabov

> [08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) 我们仅用 18 个月就建成了 Higgsfield,而现在正是你们构建自己产品的最佳时机。 — Alex Mashrabov

## Mentioned Higgsfield, Higgsfield API, OpenAI, OpenAI DevDay, Alex Mashrabov, Snapchat Cameos, Snap, OpenAI Astra, Supercomputer(超级计算机), N3on, Adil, 纽约市, YouTube

## Video description Explore how Higgsfield agents choose models and provision their own compute. Learn when to use dedicated GPUs or hosted models, how to deliver predictable throughput, and where the approach can fail.

[Source](https://www.youtube.com/watch?v=8804JYm81cc)

中文简报

Higgsfield将视频生成转向可自主调配GPU的Agent架构 制作连贯的长视频需要能够自我评估输出并动态启动专用GPU基础设施的确定性Agent循环,而非仅依赖静态托管模型。 Higgsfield联合创始人兼首席执行官Alex Mashrabov详细阐述了一项架构转变:从生成孤立的素材,转向通过自主Agent管线编排连贯、长达数分钟的交互式媒体。为了规避传统工作室严重的工具碎片化问题和高昂的制作成本,Higgsfield采用具备规划和自我评估能力的Agent,将任务路由至托管API模型,或动态启动专用GPU以进行微调渲染。本次演讲重点介绍了实际应用场景,包括在纽约市进行的10小时连续实时AI直播、安全的企业边界基础设施,以及由Astra等基础模型驱动的开源递归视频编辑技能。 Higgsfield设计了一套Agent系统,可根据需求动态调配专用GPU以处理微调模型和密集渲染管线,而非仅仅依赖固定的API端点。 (0:00) 为了构建具备自主自我评估循环的确定性执行管线,实现连贯一致的10分钟自动化视频生成,研发实验投入超过了30,000美元。 (0:00) 在纽约市与主播N3on进行的10小时实况直播中,基础模型实现了连续、逼真的实时世界风格化与重建。 (5:00) Higgsfield开源了其内部的自动化视频编辑技能,该技能基于Astra构建,最初用于制作产品教程,现可供外部开发者采用。 (10:00)

Detailed notes — zh

## Background 该视频由 OpenAI 于 2026 年 10 月 9 日在 YouTube 官方频道发布,记录了 DevDay 2026 现场的精彩对谈。根据官方简介,本期内容聚焦于 Higgsfield 的智能体如何自主选择模型并调配自有算力,探讨何时使用专属 GPU 或托管模型、如何保障可预测的吞吐量,以及该方案在实际应用中可能面临的挑战与边界。 ## TL;DR Higgsfield 联合创始人兼 CEO Alex Mashrabov 详细介绍了他们如何构建能够自主申请并调配专属 GPU 基础设施的“超级计算机”智能体系统。通过结合 OpenAI Astra 的计算机使用(computer use)能力与确定性渲染工作流,团队成功消除了传统创意产业中沉重的“制作税”,使几人规模的微型团队也能完成过去需十余人协作的复杂媒体项目。分享中还着重展示了与主播 N3on 合作完成的长达 10 小时纽约街头实时世界重构 AI 直播,并剖析了企业级可控性与安全护栏设计。最后,Alex 分享了团队开源的 AI 视频编辑技能,激励现场开发者抓住模型能力高速跃迁的历史机遇打造自己的产品。 ## Atmosphere & style 对话在 OpenAI DevDay 的户外舞台上展开,兼具前沿技术的硬核务实与硅谷开发者大会特有的活跃开放氛围。主持人的提问敏锐且极具共鸣,而 Alex 的阐述则条理清晰、充满创业者的热忱与笃定,在坦诚透露数万美元研发成本等工程现实的同时,又毫无保留地描绘了互动媒体的未来图景。整场交流节奏紧凑、干货密集,尤其是披露 10 小时全实时 AI 直播的瞬间,为现场带来了强烈的技术震撼与极具感染力的行动号召感。 ## Bulletin - [00:00](https://www.youtube.com/watch?v=8804JYm81cc&t=0s) Higgsfield 推出多媒体智能体平台与 Higgsfield API,结合 OpenAI Astra 等模型,使单人或微型团队即可制作出以往需要 15 人以上团队交付的广告营销与互动媒体内容。 - [02:15](https://www.youtube.com/watch?v=8804JYm81cc&t=135s) 针对长视频一致性难题,Higgsfield 构建了能够自主选择模型并启动专属 GPU 基础设施的“超级计算机”智能体系统,支持执行确定性渲染工作流与输出质量自我评估。 - [05:00](https://www.youtube.com/watch?v=8804JYm81cc&t=300s) Higgsfield 联手知名主播 N3on 在纽约街头完成了持续超过 10 小时的实时 AI 世界重构直播,验证了 Astra 驱动下超低延迟创意媒体工作流的可行性。 - [08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) 为满足企业级客户对可控性与安全性的要求,Higgsfield 建立了包含 GPU 边界基础设施的护栏机制,并开源了基于 Astra 构建的自动化 AI 视频编辑技能。 ## Key takeaways - [00:00](https://www.youtube.com/watch?v=8804JYm81cc&t=0s) Higgsfield CEO Alex Mashrabov 曾创立 Snapchat Cameos 并在 Snap 负责生成式 AI,现致力于通过智能体自主调配模型与 GPU 算力重塑多媒体制作体验。 - [00:00](https://www.youtube.com/watch?v=8804JYm81cc&t=0s) Higgsfield API 结合 OpenAI Astra 等基础模型,彻底降低了创意门槛,使个人创作者能够端到端交付互动节目与商业化营销内容。 - [02:15](https://www.youtube.com/watch?v=8804JYm81cc&t=135s) 生成单一概念资产相对容易,但要交付连贯、长周期的媒体体验极难;团队曾花费超过 30,000 美元才摸索出一套可稳定输出 10 分钟长视频的编辑技能。 - [02:15](https://www.youtube.com/watch?v=8804JYm81cc&t=135s) 为将生成式视频投入生产环境,系统必须进化为能够进行严密自我评估并依据质量标准自主决策调用何种模型的智能体系统。 - [02:15](https://www.youtube.com/watch?v=8804JYm81cc&t=135s) Higgsfield 的“超级计算机”架构赋予了智能体按需调配和启动专属 GPU 的能力,以保障高级渲染等确定性工作流的执行效果与一致性。 - [05:00](https://www.youtube.com/watch?v=8804JYm81cc&t=300s) 传统制作流程存在高昂的“制作税”,往往需要 15 人以上掌握 10 至 12 种不同工具的专业团队;Astra 的“计算机使用”与子代理能力大幅压缩了这一协作成本。 - [05:00](https://www.youtube.com/watch?v=8804JYm81cc&t=300s) Higgsfield 与主播 N3on 合作完成了持续逾 10 小时的纽约街头实时世界重构直播,标志着超高速 AI 视频模型已迈入实时互动阶段。 - [08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) 在面向大型企业的落地场景中,“可控性”是核心关切,Higgsfield 通过安全护栏机制与带有 GPU 的边界基础设施保障企业级部署合规与稳定。 - [08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) Alex 建议开发者“滑向冰球即将到达的位置”,紧随模型决策与执行能力的快速迭代,提前布局下一代互动媒体应用。 - [08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) Higgsfield 开源了内部基于 Astra 开发的 AI 视频编辑技能,形成了团队用其制作产品教程、外部开发者同样用其为各自产品制作视频的生态自举循环。 ## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=8804JYm81cc&t=0s) Higgsfield 平台与 Higgsfield API 介绍 在 OpenAI DevDay 的户外舞台上,主持人热情欢迎了 Higgsfield 的联合创始人兼 CEO Alex Mashrabov。Alex 此前曾联合创立了后来演变为 Snapchat Cameos 的产品,并随后在 Snap 领导生成式 AI 团队。如今,他正致力于利用智能体(Agents)自主选择模型并启动新的 GPU,从而解锁创建和体验媒体的全新方式。 Alex 介绍道,Higgsfield 是一个领先的多媒体 AI 平台,创意营销人员可以在上面结合 OpenAI Astra 等现代模型以及 Higgsfield 提供的高级图像和视频模型,来制作广告营销活动。更重要的是,这些由 AI 生成的广告能够实实在在地帮助企业实现营收和销售额的增长。与此同时,团队注意到许多人在构建前所未知的新型创意媒体和互动媒体方面有着强烈的需求与向往。为此,他们推出了 Higgsfield API,帮助开发者交付这些创新体验并建立新的业务。通过将 OpenAI Astra 等模型与 Higgsfield API 相结合,过去难以想象的工作流得以实现——如今仅仅一个人的团队就能制作并发布一档互动节目。 ### [02:15](https://www.youtube.com/watch?v=8804JYm81cc&t=135s) 构建能够自主调配 GPU 的“超级计算机”智能体 当被问及是什么促使团队构建这套智能体系统时,Alex 指出,在行业中很容易获得像概念图这样的单一优质资产,但要围绕它交付连贯、持续的体验却非常困难。因此,Higgsfield 推出了“超级计算机”(Supercomputer)。他提到,最近在另一个播客中他曾分享过,团队利用这套系统开发了一项全新的视频编辑技能,能够保持一致性地制作长达 10 分钟的视频,这在没有 Astra 模型的情况下是根本无法想象的。然而,为了实现这一个体验,他们花费了超过 30,000 美元。如果要将此类技能投入生产环境,系统必须针对不同用例就“使用哪个模型”做出大量决策,这也要求智能体系统(Agentic systems)具备极强的自我评估能力,以便定义什么样的输出质量标准是可以接受的。 针对主持人关于“从创意火花到最终成品中间经历了什么”的提问,Alex 强调了基础模型(从早期的模型演进到 5.5 版本乃至 Astra 模型)在创造力方面的独特之处。一切虽然始于想法和概念,但将其转化为非常具体的执行计划并明确定义最终产出标准至关重要。在此过程中,Higgsfield 发现拥有确定性的工作流(deterministic workflows)非常有价值,这些工作流可能包含使用视频模型或微调视频模型进行高级渲染。这正是他们将其称为“超级计算机”的原因:他们必须构建一个能够自行启动专属 GPU 基础设施的智能体,这对于在各种用例中交付高度一致的执行结果起到了决定性作用。 ```mermaid flowchart LR accTitle: Higgsfield 智能体从创意到成品的执行工作流 accDescr: 展示从最初的创意火花到通过 Astra 制定计划、启动专属 GPU 并执行确定性渲染工作流以输出最终产品的过程。 subgraph Plan["1. 创意与规划"] A["创意火花与概念"] --> B["通过 Astra 制定执行计划与质量标准"] end subgraph Infra["2. 基础设施与执行"] B --> C["智能体按需启动专属 GPU 基础设施"] C --> D["执行确定性工作流 (微调视频模型渲染)"] end subgraph Eval["3. 评估与交付"] D --> E["智能体自我评估输出质量"] E --> F["一致性的长视频或互动媒体成品"] end ``` ### [05:00](https://www.youtube.com/watch?v=8804JYm81cc&t=300s) 利用 Astra 消除“制作税”与 10 小时实时 AI 直播案例 在探讨 OpenAI 模型在技术栈中的其他作用时,Alex 表示 Astra 代表了真正解锁“计算机使用”(computer use)能力的下一代模型。传统的创意工作流通常需要一个超过 15 人的团队,并且团队成员必须熟练掌握 10 到 12 种不同的工具。这在创意想法与最终执行之间形成了巨大的“制作税”(production tax)——这种现象在游戏行业尤为明显,视觉质量门槛的提高直接导致预算呈指数级膨胀。而 Astra 能够通过子代理(sub-agents)等机制代表创作者调用这 10 到 12 个程序,从而让小团队也能取得巨大的成功。 谈及构建过程中的重大技术决策与权衡,Alex 回顾了连续视频生成和自动视频编辑的用例。为了实现实时体验,团队必须全力优化运行速度。虽然在活动当天刚刚发布了超高速模型(ultra-fast model)让实时体验变得更加触手可及,但在那之前,Higgsfield 就已经与极具人气的直播主 N3on 合作,解锁了史上首场 AI 直播。在这场直播中,两位真实的创作者——Higgsfield 发言人 Adil 和主播 N3on——走在纽约市的街头与路人互动,而 Astra 模型则实时重构了整个世界,使其看起来逼真自然。当主持人惊讶地确认这是否真的是实时直播时,Alex 证实这场直播持续了超过 10 个小时。这种全新的媒体形式在过去根本无法想象,而现在全球任何地方仅由两三个人组成的开发者团队,都能交付这种体验并在其之上建立业务。 - **传统创意团队规模**:超过 15 人,需精通 10–12 种软件工具。 - **使用 Higgsfield + Astra 后的团队规模**:仅需 1–5 人的微型团队即可端到端交付产品。 - **标杆案例**:与主播 N3on 及发言人 Adil 在纽约街头完成超过 10 小时的实时世界重构 AI 直播。 ### [08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) 企业级可控性、围栏机制与开源视频编辑技能 面对台下的开发者听众,Alex 分享了更多令人振奋的应用场景。目前已有许多三到五人的团队正在端到端地交付直接面向消费者(D2C)的移动应用和网站。但当视角转向更大规模的企业级用例时,“可控性”(controllability)变得至关重要。为此,Higgsfield 确保智能体不仅围绕自身建立明确的护栏(guardrails),还能通过带有 GPU 的边界基础设施(perimeter infrastructure)提供安全部署。这极大地加速了 Higgsfield 自身的企业级市场推广(go-to-market),并且现在这些能力都已通过 Higgsfield API 向其他开发者开放。 主持人用冰球运动作比喻,称赞 Higgsfield 总是“滑向冰球即将到达的位置”(skate to where the puck is going),在模型尚未完全成熟时就提前布局,从而实现从 2 小时到 10 小时直播的跨越。对此,Alex 建议开发者要为下一次 AI 跃迁做好准备,因为模型迭代极快,甚至当天早些时候就已经看到了关于决策能力(decisioning)等方面的新特性。如今,互动媒体创作正迎来前所未有的民主化,过去受限于技术瓶颈的想法在 Astra 的加持下终于成为可能。 最后,Alex 兴奋地分享了一个有趣的“奇点”(singularity)现象:Higgsfield 开源了他们自己开发的新技能,例如用于制作 YouTube AI 解说视频的“AI 视频编辑技能”。他们在内部利用 Astra 帮助构建了这项技能,并用它制作教学视频来教大家如何使用 Higgsfield 产品;而现在,外部开发者们也开始使用同一个开源技能来为他们自己的产品制作教程视频。在演讲结束之际,Alex 用一句话鼓励全场开发者:“我们仅用 18 个月就建成了 Higgsfield,而现在正是你们构建自己产品的最佳时机。” ## Notable quotes > [00:00](https://www.youtube.com/watch?v=8804JYm81cc&t=0s) 通过将 OpenAI Astra 等模型与 Higgsfield API 相结合,过去难以想象的工作流得以实现——如今仅仅一个人的团队就能制作并发布一档互动节目。 — Alex Mashrabov > [02:15](https://www.youtube.com/watch?v=8804JYm81cc&t=135s) 在行业中很容易获得像概念图这样的单一优质资产,但要围绕它交付连贯、持续的体验却非常困难。 — Alex Mashrabov > [02:15](https://www.youtube.com/watch?v=8804JYm81cc&t=135s) 团队利用这套系统开发了一项全新的视频编辑技能,能够保持一致性地制作长达 10 分钟的视频,这在没有 Astra 模型的情况下是根本无法想象的。然而,为了实现这一个体验,他们花费了超过 30,000 美元。 — Alex Mashrabov > [02:15](https://www.youtube.com/watch?v=8804JYm81cc&t=135s) 这正是他们将其称为“超级计算机”的原因:他们必须构建一个能够自行启动专属 GPU 基础设施的智能体,这对于在各种用例中交付高度一致的执行结果起到了决定性作用。 — Alex Mashrabov > [05:00](https://www.youtube.com/watch?v=8804JYm81cc&t=300s) 传统的创意工作流通常需要一个超过 15 人的团队,并且团队成员必须熟练掌握 10 到 12 种不同的工具。这在创意想法与最终执行之间形成了巨大的“制作税”(production tax) — Alex Mashrabov > [05:00](https://www.youtube.com/watch?v=8804JYm81cc&t=300s) 两位真实的创作者——Higgsfield 发言人 Adil 和主播 N3on——走在纽约市的街头与路人互动,而 Astra 模型则实时重构了整个世界,使其看起来逼真自然。 — Alex Mashrabov > [08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) 当视角转向更大规模的企业级用例时,“可控性”(controllability)变得至关重要。为此,Higgsfield 确保智能体不仅围绕自身建立明确的护栏(guardrails),还能通过带有 GPU 的边界基础设施(perimeter infrastructure)提供安全部署。 — Alex Mashrabov > [08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) 滑向冰球即将到达的位置 — 主持人 > [08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) 他们在内部利用 Astra 帮助构建了这项技能,并用它制作教学视频来教大家如何使用 Higgsfield 产品;而现在,外部开发者们也开始使用同一个开源技能来为他们自己的产品制作教程视频。 — Alex Mashrabov > [08:30](https://www.youtube.com/watch?v=8804JYm81cc&t=510s) 我们仅用 18 个月就建成了 Higgsfield,而现在正是你们构建自己产品的最佳时机。 — Alex Mashrabov ## Mentioned Higgsfield, Higgsfield API, OpenAI, OpenAI DevDay, Alex Mashrabov, Snapchat Cameos, Snap, OpenAI Astra, Supercomputer(超级计算机), N3on, Adil, 纽约市, YouTube ## Video description Explore how Higgsfield agents choose models and provision their own compute. Learn when to use dedicated GPUs or hosted models, how to deliver predictable throughput, and where the approach can fail. [Source](https://www.youtube.com/watch?v=8804JYm81cc)

Source quotes

[0:00] Alex Mashrabov: 通过将 OpenAI Astra 等模型与 Higgsfield API 相结合,过去难以想象的工作流得以实现——如今仅仅一个人的团队就能制作并发布一档互动节目。 [2:15] Alex Mashrabov: 在行业中很容易获得像概念图这样的单一优质资产,但要围绕它交付连贯、持续的体验却非常困难。 [2:15] Alex Mashrabov: 团队利用这套系统开发了一项全新的视频编辑技能,能够保持一致性地制作长达 10 分钟的视频,这在没有 Astra 模型的情况下是根本无法想象的。然而,为了实现这一个体验,他们花费了超过 30,000 美元。 [2:15] Alex Mashrabov: 这正是他们将其称为“超级计算机”的原因:他们必须构建一个能够自行启动专属 GPU 基础设施的智能体,这对于在各种用例中交付高度一致的执行结果起到了决定性作用。 [5:00] Alex Mashrabov: 传统的创意工作流通常需要一个超过 15 人的团队,并且团队成员必须熟练掌握 10 到 12 种不同的工具。这在创意想法与最终执行之间形成了巨大的“制作税”(production tax) [5:00] Alex Mashrabov: 两位真实的创作者——Higgsfield 发言人 Adil 和主播 N3on——走在纽约市的街头与路人互动,而 Astra 模型则实时重构了整个世界,使其看起来逼真自然。 [8:30] Alex Mashrabov: 当视角转向更大规模的企业级用例时,“可控性”(controllability)变得至关重要。为此,Higgsfield 确保智能体不仅围绕自身建立明确的护栏(guardrails),还能通过带有 GPU 的边界基础设施(perimeter infrastructure)提供安全部署。 [8:30] 主持人: 滑向冰球即将到达的位置 [8:30] Alex Mashrabov: 他们在内部利用 Astra 帮助构建了这项技能,并用它制作教学视频来教大家如何使用 Higgsfield 产品;而现在,外部开发者们也开始使用同一个开源技能来为他们自己的产品制作教程视频。 [8:30] Alex Mashrabov: 我们仅用 18 个月就建成了 Higgsfield,而现在正是你们构建自己产品的最佳时机。