AI生成几秒钟的画面不难，难的是把故事讲到十分钟：人物不能突然变脸，场景和动作也得前后接得上。据 OpenAI 10月13日发布的案例，Higgsfield的视频此前通常止于约一分钟，如今用户已能制作超过十分钟的内容。这意味着生成式影像开始从短镜头迈向短片级叙事。
关键并不是让一个模型不停“续写”画面。Higgsfield称，其创意 Agent——会把制作目标拆成分镜、素材生成和工具调用等步骤的系统——借助 GPT-6 Astra，按需调用3D建模等外部工具，以改善长视频的一致性。团队已用这套工作流生成超过十分钟的教学视频。不过，这一成果目前来自公司自述，OpenAI页面未提供独立基准测试，角色与场景能否在不同题材中稳定保持连贯，仍有待更多验证。