专业软件的门槛正在消失，我们还在用旧的能力边界限制自己吗？2026 年 9 月，GPT-6 Astra 发布，博主猿大侠连测数日，把视频工作全流程交给了 Codex。
2026 年 9 月，GPT-6 Astra 发布，博主猿大侠连测数日，把视频工作全流程交给了 Codex。结论写在一篇万字长文里：过去要打开剪映、Pr、AE、达芬奇才能干的活，它接连干了出来，有些还得开会员。
只给一个片名，27 分钟出片
最能说明问题的是电影解说。他只发了一句话：“请做一个电影解说视频，详细解说《肖申克的救赎》，3 分钟。”不给视频文件，不给素材链接。
Codex 自己查资料核对剧情，找官方预告片和场景片段下载，确定叙事角度，写解说稿，生成中文男声配音，做字幕，合成导出。用时 27 分 22 秒，交付 3 分钟整、1080p 横屏成片，覆盖屋顶啤酒、图书馆、越狱、瑞德与海边重逢，附解说文案和素材来源。
一句简短要求，AI 把找素材到交付成片的整条流程接了起来。
12 类任务实测，全流程打通
其余测试同样有具体数字：
- 下载：苹果官网发布会视频禁止直接下载，9 分 43 秒拿到 4K SDR、1 小时 17 分、4.35 GB 的完整 MP4
- 解说剪辑：1 小时发布会剪成 2 分 25 秒解说片，52 个镜头、55 段字幕；说一句“字幕下的小字不要了”，它回工程里改完重新交付
- 双语字幕：1 小时 17 分视频配出 1678 条中英字幕，还查出原片与官方字幕有 0.975 秒偏移，先校准再烧录
- Keynote 提取：从视频截出 337 页发布会演示页整理成材料包，他以前对着视频一帧帧截图
- Vlog 快剪：和田二街的旅行素材变成 60 秒竖屏短片，21 个镜头，“米饭好好吃”这句现场声做过语音识别核对
- MG 动画：60 秒《什么是 Agent》解释动画，19 个镜头，背后是 Remotion，用 React 写视频，告别逐帧 K 关键帧
注意两点：Codex 不操作剪辑软件界面，靠写代码调用工具完成任务；GPT-6 原生输入目前只有文字和图像，音视频要靠抽帧和转写喂给它。
冷静剂：先别急着全信
文章最有价值的部分是泼冷水。0.975 秒的字幕偏差，看几秒无感，连看一小时难受；Vlog 做过全片解码和画面抽检，但没有人工全片听审；调色对比视频好看，不代表人脸跟踪、局部蒙版、HDR 母版已解决。
他没给“节省 90% 时间”这类数据，因为没做统一对照实验：配环境、修报错、等渲染都是真实成本。
他的判断标准是：原来需要人重复操作的环节，现在能否由 AI 可靠执行，并留下能复查、能修改的结果。
结语：把什么交出去
素材盘点、字幕、初剪、批量导出可以交出去；叙事、节奏、肤色、最后的质感，留在自己手里。
熟练操作依然有价值，但提出目标、组织资源、判断结果，并为最终的作品负责，会占据更重要的位置。工具扩大了行动能力之后，比“Codex 能不能干掉某款软件”更值得追问的是：我们是否还在用过去的能力边界，限制今天的想象。
来源：公众号「猿大侠」·《深度：Codex + GPT-6打通视频处理全流程，干掉剪映、Pr、AE、达芬奇》（2026-09-14）· 阅读原文
说明：本文为提炼式读后整理，版权归原作者所有。
整理 / 哈雷彗星
评论0