Kino AI 在 Hacker News 发布新版视频编辑器，把剪辑、动效、时间线拖动、队友评论和 3D 场景全部表达为基于 Remotion 的代码，使 Codex、Claude Code 等智能体与人类队友能在同一条时间线上协作。此前用原始智能体工具做视频，只能靠文字或一次性小界面描述细碎修改，无法引用跨设备共享的素材，队友反馈也以 Slack 截图形式传来。发布视频的制作中，5 个以上智能体同时编辑时间线，其中一个做转描、一个通过 LUT 支持为素材调色。
LangChain公开了其内部设计智能体Content Studio的构建方式：模型本身已能写HTML、CSS和动画时间线，但缺少公司自己的设计判断，产出容易落入常见套路。团队把设计师的原则、品牌规范和反馈理由写进技能与知识库，并给智能体一台可长期保留项目的沙箱电脑和异步子智能体。上线后该智能体已交付超过3000份素材，单次请求的模型中位成本从9月中旬的约8美元降到约50美分。
在49部真实电影及其预告片构建的四类剪辑任务上，同一套GRPO训练里，把LLM评判的回合级过程奖励权重衰减到零，使Fine Cut任务相对仅用结果奖励的GRPO取得45.4%的相对提升，而固定权重版本在三个较短任务上低于仅结果奖励，并出现44.1%的回合被截断。过程奖励早期确实鼓励了看图与推理，但持续优化会让智能体反复调用工具而不提交成品；令牌级的在线自蒸馏则对教师可见的特权信息高度敏感。
该工作提出 ThinkV2V，一个在视觉生成前显式激活多模态大模型思考的推理驱动视频编辑框架：它用 Qwen3-VL-Thinking-8B 对源视频与指令做思维链推理并输出精炼提示，经可学习查询连接器把隐藏状态注入 Wan-2.1-5B 的 DiT，配合渐进式课程训练与推理时思考扩展，并构建 ThinkV2V-150K 数据集与 ThinkV2V-Bench 基准；在两种评判模型下，该 5B 规模模型在复杂与标准编辑场景中均取得最佳总分，并超过若干 10B 级基线。
已读完全部报道