Original em inglês: https://argusic.com/subject/ai-moive-studio
ai-moive-studio
自然语言驱动的无限画布工作流 Agent，让 AI 视频创作第一次真正变成可编辑的工作流。 AICON 面向创作者，提供从剧本拆解、分镜生成、素材生成、视频合成到内容分发的一整套能力。 不是只给你一个输入框，而是让你用自然语言和无限画布一起驱动创作，把文本、图片、视频节点组织成完整链路，真正把“从灵感到 成片”放进一个系统里完成。
Executa com mocksfonte: GitHubpágina do projetoPythonApache-2.0commit 4e0810eab1d8
Python, licença Apache-2.0. O projeto se descreve como: ai, ai agents, ai video, image to video, infinite canvas, movie, self hosted e storyboard.
ai-moive-studio executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 0,8 minutos e encontrou 5 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
Backend FastAPI server starts and serves root, health, and API v1 endpoints on port 8000. Frontend builds to dist/. 57 backend unit tests and 15 frontend utility tests pass.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 92 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- Stale test imports: src.api.upload, src.api.files, src.api.projects, src.core.auth0_auth5 minutos
- Missing system library libmagic (python-magic dependency)3 minutos
- Missing FileProcessingStatus and SupportedFileType enums referenced by tests2 minutos
- Stale test import: src.tasks.task (module is src.tasks.project)0,5 minutos
- No PostgreSQL/Redis/MinIO (no Docker) - API register fails
- Tempo de instalação
- menos de um minuto
- Da máquina limpa até o fim
- 22 minutos
- Erros encontrados e corrigidos
- 5 encontrados, 5 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- curl http://127.0.0.1:8000/ returned 200 with 欢迎使用AICG内容分发平台; curl http://127.0.0.1:8000/health returned 200 with healthy; uv run pytest tests/unit/... returned 57 passed; npx vitest run src/tests/unit/utils/ returned 15 passed; npx vite build exited with built in 15.18s
- Tokens de modelo usados
- 283.864
- Commit exato testado
- 4e0810eab1d8
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
- Comportamento com serviços reais
- esta execução foi verificada apenas com serviços substitutos
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
Here's the final verification:
- **Backend**: `uv sync` installed all deps. Server starts at `127.0.0.1:8000`, returns 200 on `/` …
- **Frontend**: `npm install` succeeded. `vite build` produced `dist/index.html`. 15 frontend utili…
- **Backend tests**: 57 passing unit tests (canvas assistant, gateway, model catalog, tasks base).
- **Auth/DB**: Registration endpoint returns 500 because PostgreSQL isn't running (no Docker in con…
exec
/bin/sh -lc "echo '{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_minutes\": 0…
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 0.8, "errors": [{"msg": "M…
2026-10-06T19:38:35.044611Z ERROR codex_core::session: failed to record rollout items: thread 01a11…
tokens used
283,864Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Instalado em 0,8 minutos, mais rápido que a mediana dos 230 projetos comparáveis que a Argusic mediu.
- Recuperou-se de todos os 5 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença Apache-2.0, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 231 projetos de ai que a Argusic instalou e cronometrou, ai-moive-studio foi o 28º mais rápido a chegar a um estado de execução, e 152 de 231 chegaram a esse estado.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,14 |
Tópicos (de GitHub)
aiai-agentsai-videoimage-to-videoinfinite-canvasmovieself-hostedstoryboardtext-to-videovideovideo-generationworkflow-automation
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/ai-moive-studio)Perguntas
- ai-moive-studio executa?
- ai-moive-studio executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 1 minutos, encontrando 5 erros no caminho, e gravou a sessão.
- Como a Argusic testou ai-moive-studio?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 4e0810eab1d8. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar ai-moive-studio?
- A execução que produziu este veredito custou US$ 0,14: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar ai-moive-studio?
- 0,8 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- ai-moive-studio precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar ai-moive-studio?
- 5 coisas quebraram na execução registrada, e 5 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como ai-moive-studio se compara às alternativas?
- Dos 231 projetos de ai que a Argusic instalou e cronometrou, ai-moive-studio foi o 28º mais rápido a chegar a um estado de execução, e 152 de 231 chegaram a esse estado.
- Onde estão as evidências de ai-moive-studio?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.