Tencent Cloud WAND: Zehn Generierungen für eine brauchbare Einstellung – wie sich die Kosten rechnen lassen
Laut einem Bericht von InfoQ China vom 8. November 2026 sagte Zhu Lin, Leiterin von Tencent Cloud WAND, dass bei KI-Kurzdramen im Comic-Stil etwa zehn Generierungen nötig sind, bis ein zufriedenstellendes Ergebnis entsteht. Tencent Cloud gibt an, WAND habe Kunden die Gesamtkosten um rund 20 Prozent gesenkt. Ein befragter Kunde, Mansen Culture, nennt eine gestiegene Trefferquote der Einstellungen von etwa 30 auf 50 bis 80 Prozent. Der Bericht nennt weder Preise noch Abrechnungsmodell, Gewichte oder eine öffentliche API von WAND.

Was sich geändert hat
Laut einem Artikel von InfoQ China vom 8. November 2026 sagte Zhu Lin, Leiterin für multimodale Anwendungen bei Tencent Cloud WAND, am 30. Oktober auf der Fachveranstaltung für multimodale Anwendungen im Rahmen der Tencent Global Digital Ecosystem Summit und in einem anschließenden Interview, nach Branchenerfahrung könne ein KI-Kurzdrama im Comic-Stil vom Storyboard bis zum fertigen Film etwa zehn Generierungsversuche erfordern, bis ein zufriedenstellendes Ergebnis entsteht. Der Artikel folgert daraus, dass multimodale Dienste üblicherweise nach Aufrufen, Videolänge oder Ausgabespezifikation abgerechnet werden und der Preis pro Generierung nicht den Kosten des fertigen Produkts entspricht, und demonstriert dies mit angenommenen Zahlen: Kostet eine Generierung 10 Yuan und sind etwa zehn nötig, um eine brauchbare Einstellung zu erhalten, liegen allein die Generierungskosten bei rund 100 Yuan; steigt die Trefferquote auf etwa 50 Prozent, genügen im Schnitt zwei Versuche und die Kosten liegen bei rund 20 Yuan. Diese Zahlen sind eine beispielhafte Rechnung des Artikels und kein Angebot eines Herstellers. Tencent Cloud gibt an, die in diesem Jahr eingeführte Audio-Video-KI-Produktfamilie WAND habe Kunden die Gesamtkosten der Content-Produktion um rund 20 Prozent gesenkt. Die befragten Kunden machen genauere Angaben: Tan Lin, stellvertretende Generalmanagerin von Mansen Culture, sagt, die Trefferquote der Einstellungen sei von etwa 30 auf 50 bis 80 Prozent gestiegen und lasse sich mit sorgfältigem Betrieb stabil bei etwa 80 Prozent halten; die Kosten einer einzelnen hochwertigen KI-Kurzdramaproduktion des Unternehmens lägen bei etwa 100.000 bis 200.000 Yuan, und mit den WAND-Funktionen ließen sich weitere rund 30 Prozent Kosten sparen sowie die Gesamteffizienz um rund 30 Prozent steigern. Du Yusheng, Mitgründer von Zixun Technology, sagt, nach der Anbindung von WAND-Vega sei die effektive Nutzungsrate von Bildmaterial von 50 bis 60 auf 70 bis 80 Prozent gestiegen. Zum technischen Ansatz sagt Li Zhicheng, Vizepräsident von Tencent Cloud und Produktverantwortlicher für Medien-KI, WAND-Vega sei kein von Grund auf trainiertes universelles Basismodell, sondern basiere auf Tencent Hunyuan und teils auf Open-Source-Basismodellen und werde per Post-Training und Feinabstimmung optimiert; es gebe eine auf Preis-Leistung ausgerichtete Lite-Variante und eine auf Generierungsqualität ausgerichtete Pro-Variante. Der Bericht schreibt, bei weitgehend vergleichbaren Ergebnissen mit einigen führenden Branchenmodellen könne die Lösung für kostenempfindliche Kunden die Modellkosten um rund 20 bis 30 Prozent senken. Tencent Cloud beschreibt zwei technische Mittel: Erstens das Vorschalten eines 3D-Weißmodells für komplexe Filmszenen, bei dem zunächst mit 3D-Software ein vereinfachtes Szenenvideo erzeugt wird, um Objektpositionen, räumliche Beziehungen und einen Teil der Bewegungsinformationen festzulegen, das dann als Referenz an das Videomodell geht; zweitens WAND-EraseVibe+, eine videobasierte Löschung und Bildrekonstruktion auf Basis eines Latent-Space-Transformers, bei der das Bild zuerst in Latent-Space-Merkmale kodiert, die zu reparierenden Bereiche auf Merkmalsebene abgeleitet und rekonstruiert und anschließend dekodiert werden. Dass Agent-Workflows Drehbuch, Storyboard, Bildgenerierung, Nachbearbeitung und Schnitt verbinden, ist dagegen die Art, wie Mansen Culture die Videogenerierungs- und Bildqualitätsverbesserungsfunktionen von WAND in seine selbst entwickelte Produktionsplattform integriert hat, und keine von Tencent Cloud offengelegte Produktfunktion. Ein weiterer Geschäftsverantwortlicher sagte vor Ort, 82 Prozent der Video-Modellaufrufe in der Creative OS seiner Plattform würden von Agenten ausgelöst; der Bericht nennt weder das Unternehmen, zu dem die Plattform gehört, noch den Erhebungszeitraum. Li Zhicheng sagte zugleich, selbst führende Videogenerierungsmodelle der Branche hätten in Filmszenen mit komplexer Lichtführung und komplexen physikalischen Gesetzmäßigkeiten noch ungelöste Probleme. Der Artikel verweist zudem auf eine im September dieses Jahres veröffentlichte Studie zur Filmgenerierung aus sehr langen Erzählungen (CineCrew), die annimmt, dass bestehende promptbasierte Workflows leicht fehlschlagen, unter anderem weil zwischen Drehbuch und Videomodell eine strukturierte Zwischenschicht fehlt, die Vorgaben zu Einstellungen, Figuren und Kontinuität ausreichend ausdrücken kann.
Auswirkungen für Entwickler
Die Bedeutung dieses Berichts für Entwickler liegt nicht in einem weiteren Videogenerierungsprodukt, sondern darin, dass er den Kostenmaßstab verschiebt: Bei Abrechnung pro Aufruf oder pro Länge entscheidet tatsächlich, wie viele Generierungen hinter jedem brauchbaren Material stecken. Rechnet man mit der beispielhaften Rechnung des Artikels weiter – bei unverändertem Einzelpreis und unveränderten Abnahmekriterien –, ändern sich die Generierungskosten pro brauchbarem Material ungefähr mit dem Kehrwert der Trefferquote im ersten Durchlauf: Steigt die Trefferquote von einem Zehntel auf die Hälfte, sinken die Kosten auf etwa ein Fünftel und nicht auf die Hälfte. Die Kosten der Serienproduktion reagieren also sehr empfindlich auf die Trefferquote; Retry-Budget, Wartezeiten in der Warteschlange und manuelle Sichtung wachsen oder schrumpfen mit. Das ist eine Folgerung aus dem Rechenbeispiel des Berichts und keine Bestätigung der Wirkung von WAND. Der Bericht nennt weder API-Namen, Ratenlimits, Regionen, Parallelität noch SLA von WAND und erläutert auch nicht, ob nach Aufrufen, Länge oder Ausgabespezifikation abgerechnet wird. Vor der Integration in eine Pipeline sollten daher Retry-Anzahl, Idempotenz von Aufgaben und Materialbuchhaltung auf den ungünstigsten Fall ausgelegt werden: Mehrere Versuche für dasselbe Storyboard sollten als dieselbe Aufgabe erkennbar sein, und abgenommenes Material sollte festgeschrieben werden, damit spätere Reparaturen oder Neuanordnungen nicht erneut Generierungen auslösen. Die Einschränkung vor der Generierung verdient eine eigene Bewertung: Das Weißmodell trennt „was das Drehbuch sagt“ von „wie die Einstellung gedreht wird“; wer bereits Storyboard-Werkzeuge oder 3D-Assets hat, bekommt dadurch eine zusätzliche Ebene der Datenkonvertierung und -prüfung statt eines einzelnen Modellaufrufs. Ob lokale Reparaturen Kosten sparen, hängt ebenfalls von den technischen Bedingungen ab: Nur wenn sich der Fehler lokalisieren lässt und die Reparatur abgenommene Bereiche nicht verändert, ist sie günstiger als eine vollständige Neugenerierung. Zur Agent-Orchestrierung fehlen der Zahl von 82 Prozent im Bericht Bezugsgröße und Erhebungszeitraum, und die Befragten betonen, professionelle Teams verlangten überprüfbare und bearbeitbare Zwischenergebnisse; die Obergrenze der Automatisierung hängt also davon ab, ob die Zwischenprodukte strukturiert gespeichert werden.
Integration und Bewertung
Die folgenden Hinweise sind bedingte Empfehlungen auf Basis des Berichts und keine Tatsachen aus dem Bericht. Die erste Entscheidung ist, zuerst die Kennzahl festzulegen und erst dann über den Einzelpreis zu sprechen. Bezogen auf den Erfahrungswert von zehn Generierungen und den Trefferquotenbereich von 30 bis 80 Prozent im Bericht: Wählen Sie die Trefferquote im ersten Durchlauf und die Anzahl der Generierungen pro brauchbarem Material (einschließlich fehlgeschlagener Versuche) als Hauptkennzahlen, statt zuerst Einzelpreise zu vergleichen. Voraussetzung ist, dass Ihnen eine Reihe von Aufgaben mit Abnahmeergebnissen vorliegt und die Abnahmekriterien schriftlich festgehalten werden können; lassen sich die Kriterien automatisch prüfen (etwa ob ein E-Commerce-Bild Form, Farbe und Markenzeichen bewahrt), können Sie direkt in größerem Umfang testen, bei mehrteiligen Erzählungen sollten Sie zunächst mit einer kleinen Stichprobe beginnen. Eine messbare Größe ist der Vergleich der Trefferquote im ersten Durchlauf und der Gesamtzahl der Generierungen pro brauchbarem Material vor und nach der Integration auf dem Testdatensatz. Die zweite Entscheidung ist, ob vor der Generierung eine strukturierte Einschränkung eingefügt wird. Bezogen auf das im Bericht für komplexe Filmszenen eingeführte 3D-Weißmodell als Referenz: Wählen Sie, zwischen Prompt und Videomodell eine Ebene mit expliziten Vorgaben zu Szenenlayout, Objektpositionen und Einstellungsübergängen einzufügen. Voraussetzung ist, dass in Ihren Fehlerbeispielen räumliche Beziehungen und Kontinuität zwischen Einstellungen einen größeren Anteil haben als Probleme mit der Bildqualität; liegen die Fehler vor allem bei Bildqualität oder Stil, ist der Nutzen dieser Investition gering. Eine messbare Größe ist die Differenz der Trefferquote im ersten Durchlauf und der Anzahl vollständiger Neugenerierungen bei derselben Storyboard-Reihe mit und ohne Einschränkung. Die dritte Entscheidung ist die Aufteilung zwischen lokaler Reparatur und vollständiger Neugenerierung. Bezogen auf die generative Latent-Space-Reparatur von WAND-EraseVibe+ im Bericht: Wählen Sie, „Fehler lokalisieren, lokal reparieren, abgenommene Bereiche erhalten“ in den Prozess aufzunehmen, und beschränken Sie dies auf Fälle, in denen das Motiv bereits abgenommen ist. Voraussetzung ist, dass sich der Fehler einem konkreten Zeitintervall und Bildbereich zuordnen lässt und Sie prüfen können, dass unveränderte Bereiche tatsächlich unverändert bleiben. Eine messbare Größe ist der Anteil der Änderungen in ursprünglich abgenommenen Bereichen nach der Reparatur und ob die Anzahl der Generierungen pro brauchbarer Einstellung sinkt. Die vierte Entscheidung ist das Routing nach Stufen. Bezogen auf die Angabe im Bericht, WAND-Vega habe eine Lite- und eine Pro-Stufe und die kostenorientierte Lösung solle die Modellkosten um rund 20 bis 30 Prozent senken: Wählen Sie, Einstellungen nach ihrem Gewicht im fertigen Film aufzuteilen, statt den ganzen Film einheitlich mit derselben Stufe zu erzeugen. Voraussetzung ist, dass Sie Einstellungen nach Wichtigkeit einstufen können und akzeptieren, dass die Abnahmeschwellen je Stufe unterschiedlich sein können. Eine messbare Größe sind die Durchsatzrate und die Modellkosten pro brauchbarer Einstellung je Stufe bei gleicher Abnahmeschwelle; sinkt die Durchsatzrate der niedrigeren Stufe bei Schlüsseleinstellungen deutlich, sollte man dafür nicht den niedrigeren Preis in Kauf nehmen. Bei Agent-Orchestrierung kommt ein Punkt hinzu: Setzen Sie manuelle Eingriffe bei Änderungen an bereits abgenommenem Material an und messen Sie anhand der Eingriffsrate und der Rate des nach Eingriff erhaltenen Materials, ob sich weitere Automatisierung lohnt.
Grenzen und offene Fragen
Alle hier genannten Zahlen stammen aus Angaben von Tencent Cloud und seinen Kunden auf der eigenen Konferenz und in Interviews und sind Herstellerangaben; der Bericht nennt weder die genaue statistische Grundlage noch die Stichprobe für die Trefferquote von 30 bis 80 Prozent, die Einsparung von 20 Prozent Gesamtkosten und die Senkung der Modellkosten um 20 bis 30 Prozent, und es gibt keine unabhängige Reproduktion. Bei der Zitierung sollte diese Zuordnung erhalten bleiben. WAND und WAND-Vega erscheinen derzeit nicht im Modellkatalog von KimiSeek; dieser Stand beruht auf einer Katalogprüfung vom 12. November 2026. Verfügbarkeit, Versionsstufen und Integrationswege im Bericht beziehen sich auf die eigenen Kanäle von Tencent Cloud und sind anhand deren offizieller Dokumentation zu prüfen. Der Bericht erwähnt nur, dass WAND-Vega auf Tencent Hunyuan und teils auf Open-Source-Basismodellen per Post-Training und Feinabstimmung basiert; ob Gewichte offengelegt werden, wird nicht erwähnt, und daraus lassen sich keine Lizenzbedingungen ableiten – die Verfügbarkeit von Gewichten und Lizenzrechte sind zwei verschiedene Dinge. Der Bericht nennt weder konkrete Preise noch das Abrechnungsmodell von WAND oder WAND-Vega, sondern nur die Kostenrückgänge; Preise und Abrechnung ändern sich, daher sollte man die offizielle Preisseite von Tencent Cloud prüfen. Die beispielhafte Rechnung in diesem Text ist kein Angebot. Bei Creative OS und der Zahl, dass 82 Prozent der Aufrufe von Agenten ausgelöst werden, nennt der Bericht weder das zugehörige Unternehmen noch den Erhebungszeitraum. Die erwähnte CineCrew-Studie (September 2026) und die Aussage, führende Videomodelle hätten in komplexen Lichtszenen noch ungelöste Probleme, sind Hintergrundverweise und Ansichten der Befragten und keine unabhängige Bestätigung der Wirkung von WAND.