Luma 推出创意智能体：自研 Uni-1 驱动，能调度外部模型做全案

过去一年里，如果你想用 AI 做一套完整的品牌广告，往往要把自己逼成一个在几十个标签页之间反复横跳的「搬运工」。

你要先用大语言模型写分镜脚本，切到生图工具垫图垫几十遍，再把图片塞进视频模型赌运镜，最后丢到音频工具配旁白。只要客户改个包装颜色，整条流水线就得推倒重来。

AI 视频初创公司 Luma 周四发布的 Luma Agents，就是冲着这个死结来的。它不是又一个单纯点按钮生成几秒视频的小工具，而是一个能接管整套创意流程的智能体平台。

像写代码一样，让 AI 学会「自检」

支撑这个平台的核心，是 Luma 新研发的统一多模态模型 Uni-1。这是他们「统一智能」家族的第一款模型，底座同时接受了语言、图像、视频、音频以及空间推理能力的联合训练。

Luma 联合创始人兼 CEO Amit Jain 把这种能力称为「像素中的智能」。Uni-1 既能像人类一样用自然语言理解需求，也能直接在脑海里建构三维空间与光影，再转化为视觉画面。

更关键的转变在于工作方式。以往创意行业用 AI，就像拿到了一百把互不相通的螺丝刀，用户必须精通每把螺丝刀的提示词技巧。

Luma Agents 则借用了编程智能体的思路。它能在整个任务中保持长期的上下文记忆，不需要用户反复修改提示词，而是先批量生成方案，再通过对话接受调整。

最重要的是自检机制。就像写代码的智能体会自己跑测试排错一样，Luma Agents 会对自己的输出反复审视和修正，直到交出合格的成片。

在协同调度上，它也不排斥对手。Luma Agents 既能调用自家的 Ray 3.14 模型，也能随时指派 Google 的 Veo 3 和 Nano Banana Pro、字节跳动的 Seedream，以及 ElevenLabs 的语音模型来协作打工。

40 小时和 2 万美元的跨国案例

在 Luma 的现场演示中，工作人员只输入了一份 200 字的简报和一张口红产品图，智能体就自动规划出了多套场景、模特人选和配色方案。

更夸张的实际案例来自一家品牌的全球广告项目。原本耗资 1500 万美元、打磨了一整年的广告战役，被 Luma Agents 在 40 小时内转化为面向多个不同国家的本地化广告版本。

整个过程花费不到 2 万美元，并且全部通过了该品牌内部严苛的质量与准确性审核。

目前，阳狮集团、Serviceplan 等全球广告巨头，以及阿迪达斯、马自达和沙特 AI 公司 Humain 已经作为早期客户接入了该系统。普通开发者和企业即日起可以通过 API 申请使用，不过 Luma 正在采取逐步灰度放量的节奏，以保证服务稳定。

为什么重要

我们认为，Luma 这次最聪明的地方，是没有继续陷在「谁家单帧画质更好」的单点军备竞赛里，而是直接跳到了创意工序的指挥层。

把 Google Veo 3、字节 Seedream 和 ElevenLabs 纳为自己的执行下属，意味着无论底层的视频或音频模型怎么迭代，Luma 都可以靠智能体的编排能力稳坐中枢。

对广告公司、品牌营销团队以及独立创作者来说，这切中了创意落地的最大痛点。创意行业从来不缺单张惊艳的图片，缺的是风格一致性、跨物料协同和快速修改的能力。

如果 AI 真的能自己做品控、改废稿，制作周期被压缩到几十分之一，整个广告代理的商业模式都会被彻底改写。

但这里并非没有隐患。跨多模态、跨供应商调用模型，意味着极高的系统复杂度和网络开销。当调度链路被拉长，如何在保证惊艳画质的同时控制生成延时与成本，依然有待大规模生产环境检验。

对于大部分中小团队而言，现在去对接 API 门槛可能偏高，但密切关注这种「多模型调度加自我反思」的工作流，绝对是接下来的必修课。