3 月 18 日，LiblibAI 发布 AI 视频创作平台 LibTV，上线首日访问量突破 10 万。该产品集成可灵 3.0（Kling 3.0）等主流视频模型，并采用“人类创作者 + AI Agent”的双入口结构，支持从脚本、分镜到成片输出的完整创作流程。产品上线正值视频模型密集迭代与 OpenClaw 等「龙虾 Agent」快速扩散阶段。
从“生成工具”到“创作系统”，LibTV 的切入方式
LibTV 的核心变化，不在单一模型能力，而在产品结构。
它以“无限画布 + 节点式工作流”为基础，将剧本、分镜、镜头、剪辑等环节组织在同一个空间中，使视频创作从线性操作转为结构化流程。创作者可以在画布上逐步搭建内容，并对任意节点进行修改与复用。这种设计更接近影视制作流程，而非传统 AI 工具的对话式交互。
在能力层面，LibTV 集成了多模态模型体系，包括可灵 3.0、Wan 2.6、Seedream 5.0、Midjourney V7等多模态模型以及 Mureka 音频生成模型等，覆盖文本、图像、视频与音频生成。
不同能力不再分散在多个工具中，而是被统一纳入同一工作流中。当模型逐渐成为标准配置之后，产品的差异开始体现在如何组织这些能力，以及是否能够支撑更复杂的创作任务。
LibTV上线了20项独家功能，颇受专业影视创作者喜爱，包括角色三视图生成、主体库（角色一致性管理）、多机位 9/25 宫格、剧情推演 4 宫格、画面推演（3 秒后 & 5 秒前）、电影级灯光控制（24 种主光位、9 种轮廓光预设）、镜头聚焦、9/25 宫格切分。
Agent 成为新入口，软件开始同时服务“人和 AI”
除了创作结构的调整，LibTV 另一项更受关注的变化，是其“双入口”设计。在传统图形界面之外，LibTV 同时提供面向 AI Agent 的 Skill 接口，使外部 Agent 可以直接调用其视频生成能力。通过 OpenClaw 等 Agent，用户可以以自然语言、链接或文件作为输入，由 AI 自动完成从脚本生成、分镜设计到视频输出的全过程。
过去的软件主要面向人类用户设计，API 作为补充能力存在；而随着 Agent 使用的普及，软件需要同时适配人类操作与 AI 调用两种路径。如何让 Agent 更高效地使用软件能力，正在成为产品设计中的新问题。
LibTV 将这一问题直接纳入产品结构中。
LiblibAI：一条少数公司走通的路径
在定价上，LiblibAI 展现出一种少见的进攻性。这背后并非短期补贴，而是基于其广泛的模型与算力合作网络所形成的成本优势。
其模型合作伙伴包括豆包大模型、Hailuo AI、可灵 AI、Kimi、Mureka、PixVerse、千问大模型、生数、智谱等，覆盖视频生成、图像生成、多模态理解与音频创作等多个方向。在基础设施层面，LiblibAI 同时与阿里云、Google Cloud、火山引擎、腾讯云、亚马逊云科技等云与算力平台建立合作关系。
这一组合，使其能够在不同模型能力之间进行调度与整合，并在成本、性能与可用性之间取得更灵活的平衡。
当多数产品仍受制于单一模型成本结构时，LiblibAI 已经可以通过整合供给侧资源，重新定义价格区间。
在当前的 AI 竞争格局中，LiblibAI 代表的是另一种少见但越来越清晰的路线。过去两年，大多数公司围绕模型展开竞争，试图通过更大的参数规模或更强的生成能力建立壁垒。而 LiblibAI 选择了一条不同的路径：不做单点能力的极致，而是构建一整套创作基础设施。
这条路径的难度更高，但一旦成立，边界也更大。
从图像社区起步，聚集模型与创作者；再通过星流等设计 Agent 重构设计流程；再到 LibTV 进入视频创作，逐步覆盖更高复杂度的内容生产环节。这条路径的核心，不是自己做更强的生成能力，而是把分散的模型、工具与流程，组织成一套可持续运转的创作体系。
这种策略带来的结果是，LiblibAI 并不直接参与模型竞赛，却在持续吸收整个行业的能力红利。当 Seedance、可灵等模型不断迭代时，其能力可以被快速纳入系统并转化为用户体验。随着 AI 创作从“生成能力”转向“如何完成创作”，围绕流程、系统与 Agent 协同的产品形态开始成为关键变量。
在模型之上，LiblibAI 正在占据一层新的位置。
