Tencent Research представила WeVisCut (arXiv 2610.38352) — автономного агента видеомонтажа, который превращает сценарий в готовый длинный нарративный ролик. Работой ведёт единая policy-модель на базе Qwen3.5-9B (9 млрд параметров): она сама планирует монтаж, исполняет инструменты, инспектирует результат и правит только неудачные фрагменты. На бенчмарке из 100 задач WeVisCut набирает Overall 90.5, опережая Claude Opus 5 (89.9) и Gemini 3.1 Pro (84.6), при этом расходуя в 33 раза меньше токенов (2377 против 78763 на минуту видео) и в 10.8 раза обходясь дешевле системы Crayotter. Пока это исследовательский релиз: статья от 28 октября 2026 года и проектная страница, о доступности кода, весов или API ничего не заявлено.

image
image
image

Что произошло

Релиз оформлен публичными материалами: статьёй на arXiv и проектной страницей Tencent Research. Идея описана в самом названии системы — вся монтажная комната в одном агенте, от нарратива до длинного видео: на вход подаётся сценарий, на выходе возвращается смонтированный ролик. Внутри работает замкнутый цикл из четырёх шагов: единая policy-модель строит план монтажа, вызывает инструменты редактирования, инспектирует полученное видео и вносит локальные правки в неудачные фрагменты вместо того, чтобы пересобирать ролик целиком. Оценка качества проведена на бенчмарке из 100 задач, где итог сведён к общему баллу Overall и набору частных метрик монтажа. Отдельно в материалах описан способ получения обучающих данных, на котором построен весь результат.

Контекст

Чтобы понять, откуда берётся заявленный результат, важен способ обучения. Пайплайн называется «editing inversion + verified replay»: система разбирает 3750 готовых смонтированных видео, восстанавливает, какие монтажные решения их собирали, а затем проверяет, что воспроизведённый монтаж совпадает с оригиналом; так из готовых роликов получается более 130 000 обучающих примеров. Отличие такого подхода в том, что сигнал для обучения верифицируем сам по себе — восстановленный монтаж либо воспроизводит исходник, либо нет, поэтому ручная разметка не требуется. Второй пласт контекста — спор между масштабом и специализацией. Материалы сравнивают WeVisCut с более крупной моделью того же семейства Qwen — Qwen3.6-35B-A3B, которая набирает 77.7 против 90.5 у 9B WeVisCut; эта цифра подаётся как аргумент, что размер сам по себе не даёт специализации в узкой агентной задаче.

Почему это важно для индустрии

Для билдеров и компаний WeVisCut ценен не как очередной видеогенератор, а как архитектурный шаблон: компактная специализированная policy-модель закрывает полный агентный цикл — планирование, вызов инструментов, самопроверку, точечные правки — и, по замерам из статьи, делает эту работу радикально дешевле и токен-эффективнее, чем проксирование тех же задач через фронтирные LLM вроде Claude Opus 5 и Gemini 3.1 Pro. В сочетании с внутрисемейным сравнением, где рост размера без специализации дал худший балл, это ещё один аргумент в пользу дообучения моделей под конкретные задачи вместо стратегии «просто взять большую модель». Второй сдвиг — экономический: в агентных пайплайнах, где модель многократно вызывает инструменты, узким местом быстро становится стоимость исполнения, и расходы в пересчёте на минуту готового видео превращаются в первичную метрику наравне с качеством; это меняет и выбор модели под процесс, и обоснование бюджета. Третья развилка — открытость: если код, веса и бенчмарк будут выложены, ожидаемы независимые репликации и перенос шаблона на смежные домены вроде аудиомонтажа, слайдкастов и корпоративного видео; при подтверждении тренда компактные отраслевые policy-модели порядка 9B могут стать дефолтом для дорогих агентных процессов, а фронтирные LLM будут вызываться точечно для сложных шагов. Оговорка важна: это интерпретация на основе одного примера, тогда как сегодня WeVisCut остаётся исследовательским релизом без разворачиваемого продукта и рынка.

Почему это важно для пользователей

Для читателя это наглядный образ того, как агент закрывает весь цикл видеопроизводства: от сценария и нарратива до готового длинного ролика, с самостоятельной проверкой результата и исправлением собственных ошибок. Воспользоваться таким агентом сегодня нельзя: публиковался исследовательский релиз, и о сервисе, API, весах или прайсе данных нет, поэтому закладывать WeVisCut в собственный продакшен пока рано. Практическая польза сейчас — методологическая: в открытых материалах можно разобрать, как устроен замкнутый цикл с локальными правками, как строится обучающий пайплайн и какие частные метрики используются для оценки монтажа; это пригодится тем, кто сам строит агентные системы или работает с видео и генерацией контента. На перспективу сигнал такой: если задекларированная экономика исполнения подтвердится, серийное производство длинных роликов по сценарию может ощутимо подешеветь, и подобные агенты вероятнее всего появятся сначала в узких SaaS-инструментах; это прогноз, а не факт сегодняшнего дня.

Что пока неизвестно / ограничения

Известные неизвестные стоит держать в голове при чтении цифр. Бенчмарк из 100 задач принадлежит авторам системы: критерии оценки и условия запуска бейзлайнов в доступных материалах не раскрыты, а расшифровки частных метрик SCF, VNSM, TPR, LHC и ERY не приводятся, поэтому результаты следует читать как заявленные разработчиками, а не независимо проверенные. Отрыв в 0.6 балла от Claude Opus 5 может оказаться в пределах погрешности до независимой репликации. Сравнение с Qwen3.6-35B-A3B методологически неполно: из материалов не следует, была ли модель на 35 млрд параметров дообучена тем же пайплайном или это прямой вызов без специализации, так что вывод «специализация бьёт масштаб» пока не доказан строго. О доступности кода, весов, API, прайсинга и замеров латентности в источниках не сказано, и любые сценарии продуктов строятся на допущении открытости. Замеры стоимости и расхода токенов приводятся в статье и сторонними лицами не воспроизводились. Наконец, публичное внимание пока минимально: на Hacker News у публикации 1 балл и 0 комментариев, то есть внешняя экспертиза и обсуждение ещё не сложились.

Источники

Автор

Look at AI, редакция