ATTENTION IS ALL YOU NEED:131 个 agent、101 亿 token 做出 5 分 26 秒
片长一旦超过 3 分钟,瓶颈就从“生成”变成“编排”——这条案例把编排开销第一次量化到了 token 级。
看哪里
看哪里。看片头标题卡:S1-01、A LECTURE IN 96 LAYERS,以及底部 <|endoftext|> 50256 的字幕——这是模型给自己写的元叙事,说明编排层在控制叙事结构,不只是堆画面。
链路拆解
| 核心定位 | 把长片当工程调度:131 个 agent 分部门并行,用一个 token 总量衡量整条产线的规模。 |
|---|---|
| 适用场景 | 有清晰词曲或分镜结构、可以拆成并行工段的长片、MV、纪录片式内容。 |
| 必备输入 | 人写的钢琴旋律与歌词;外部素材模型(Grok Imagine Image 2.0 / Video 1.5、Qwen-Image 2.1);Suno 音乐;Blender 承担 3D 段落。 |
| 标准流程 | 词曲 → 分镜 → 131 个 agent 按部门并行生产素材 → Blender 段落地制作 → 统一剪辑与混音。 |
| AI职责 | 分镜、素材生成、3D、字幕、剪辑决策由 agent 承担;人负责作曲、歌词与终审。 |
| 关键指标 | 目标:5 分 26 秒纪录片式 MV。实际:26 小时 51 分、10.1B token、23,354 次模型调用、131 个 agent(均为作者自述)。美元成本未披露。 |
为什么值得看
10.1B token 这个数字,比“131 个 agent”更值得记。如果把 token 当成产线的“耗材”,这条片子相当于烧掉了 101 亿个 token 才换来 5 分 26 秒。23,354 次模型调用除以 131 个 agent,平均每个 agent 调用约 178 次——真正的工作量不在单次生成,而在反复的调度与重试。这也解释了为什么长片的时间成本是超线性的。
链路是混合的,不是纯代码。作者的清单里同时出现了 Grok Imagine 的图像与视频模型、Qwen-Image、Suno 和 Blender。这不是“代码生成视频”的原教旨做法,而是把视频模型当素材供应商、把代码当编排层。判断这类项目时,看的是编排层能不能稳定调度异构工具,而不是它有没有用到视频模型。
人留下的那部分,恰好是最难被替代的。钢琴旋律由作者写、歌词由作者写,模型负责把它变成 96 层结构的影像。这条分工线很清楚:可结构化的部分交给 agent,需要作者性的部分留在人手上。
可复用点与适用边界
长片按“部门”拆 agent(画面、音乐、字幕、剪辑),而不是按镜头拆——按镜头拆会让 agent 数量爆炸而协作成本失控。
需要一个能记录调用次数的编排层,否则连“花了多少”都无从统计。
只有 token 总量、没有单价与账单,无法换算成钱;也无提示词与 runlog,不可复现。
来源与证据缺口
- 原帖(含成片与制作数据):https://x.com/tetsuoai/status/2119341048367665201
- 工具清单与作品说明:https://jasonzhu.ai/en/prompts/claude-opus-5-5/2119341048367665201
- 发布时间与互动数据:2026-11-08(UTC+8);72K 播放 / 1.9K 赞,快照 2026-11-16
- 证据缺口:美元成本、各模型 token 分配、失败重试比例、agent 编排框架均未披露。
- 记录版本:原帖与媒体快照 2026-11-16;模型归属以作者自述为准,未独立复现。
使用边界
- 本文的耗时、成本、token 与调用次数均来自作者自述或案例精读文档的记录,本站未独立复现任何一条链路。
- 不同案例的任务复杂度、成片时长与口径不同,成本数字不可跨案例直接排名或相除。
- 画面版权归原作者;本地截图副本仅供展示台引用,公开托管或商用前需单独确认。
媒体与许可登记
作品许可与预览媒体使用依据分开登记;后者不由前者推导。
| 作品许可(作者保留权利) | |
|---|---|
| SPDX | 未声明(作者保留权利) |
| 许可 / 说明来源 | https://x.com/tetsuoai/status/2119341048367665201 |
| 覆盖说明 | 作品本身未附开源许可文件;本栏只记录作品的权利状态,不推断任何画面或素材的使用权限。 |
| 预览媒体使用依据(逐条单独登记) | |
| 素材 | ATTENTION IS ALL YOU NEED 案例对照画面 · 案例精读内嵌截图(静帧) · /media/studies/attention-131-agents/cover.jpg |
| 权利方 / 署名 | 原作者(X 账号) · ATTENTION IS ALL YOU NEED · X 原帖作者 |
| 使用依据 | 画面取自作者 X 原帖视频帧,经案例精读文档整理并内嵌;本站以介绍性引用方式使用,已署名并保留原帖回链,使用依据单独登记,不由代码或作品许可推导 |
| 来源 | https://x.com/tetsuoai/status/2119341048367665201 |
| 备注 | 本地仅存展示用副本;公开托管或商用分发前需向原作者单独确认 |
| 素材 | ATTENTION IS ALL YOU NEED:131 个 agent、101 亿 token 做出 5 分 26 秒 动态预览 · 原视频片段(5 秒静音循环) · /media/studies/attention-131-agents/preview.mp4 |
| 权利方 / 署名 | 原作者(X 账号) · ATTENTION IS ALL YOU NEED · X 原帖作者 |
| 使用依据 | 由作者原帖视频或官方影片截取 5 秒、静音、缩放后用于站内动态预览;以介绍性引用方式使用,已署名并保留原始来源回链,使用依据单独登记,不由代码或作品许可推导 |
| 来源 | https://x.com/tetsuoai/status/2119341048367665201 |
| 备注 | 本地仅存展示用副本;公开托管或商用分发前需向原作者单独确认 |