[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-midjourney-21-second-video-model-closed-ai-wrong-deal-zh":3,"article-related-midjourney-21-second-video-model-closed-ai-wrong-deal-zh":31,"series-model-release-003f59ba-8d5a-40cb-8e6b-0b51898bc537":77},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":23,"views":27,"created_at":28,"published_at":29,"topic_cluster_id":30},"003f59ba-8d5a-40cb-8e6b-0b51898bc537","midjourney-21-second-video-model-closed-ai-wrong-deal-zh","為什麼 Midjourney 的 21 秒影片模型證明封閉式 AI 是錯的交易","\u003Cp data-speakable=\"summary\">Midjourney 的 21 秒影片\u003Ca href=\"\u002Fnews\u002Fnext-token-models-plan-ahead-zh\">模型\u003C\u002Fa>證明，封閉式 AI 仍在把創作者的試錯與訓練成果，無償轉成平台資產。\u003C\u002Fp>\u003Cp>我認為，封閉式 AI 對創作者來說是一筆錯的交易。Midjourney 推出最長 21 秒的影片生成能力後，這件事更清楚了：使用者付費、反覆試錯、提供偏好訊號，最後卻把模型變強的成果留給平台。這不是單純買工具，而是把一部分研發、測試與市場研究外包給客戶。\u003C\u002Fp>\u003Cp>影片模型特別能看出這個問題，因為它比靜態圖片更依賴反覆迭代。每一次 prompt 調整、每一次鏡頭節奏修正、每一次風格重跑，都是資料，也是訓練訊號。當平台把這些訊號全部收走，卻不給創作者所有權、分潤或可驗證的控制權，所謂訂閱制就只是把抽取包裝得更體面。\u003C\u002Fp>\u003Ch2>第一個論點：封閉式 AI 把成本留給使用者，把收益留給平台\u003C\u002Fh2>\u003Cp>這種商業模式的核心問題是，平台拿走了上行空間，卻把下行成本留給使用者。創作者要先花錢訂閱，再花時間學習介面，接著花更多時間找出什麼樣的提示詞、風格與節奏真的有效。平台則把這些行為當成改善產品的燃料，下一位使用者看到的模型就更好，卻不需要向前一批貢獻者支付任何回報。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780648396657-oa18.png\" alt=\"為什麼 Midjourney 的 21 秒影片模型證明封閉式 AI 是錯的交易\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>Midjourney 的影片功能把這個交換關係放大了。21 秒看起來很短，但對生成式影片來說已經足夠暴露動作連貫性、風格漂移與角色一致性的問題。要把一個片段做得可用，往往不是一次成功，而是要經過多輪失敗、微調與重跑。每一輪都在替平台累積產品洞察，卻由創作者自己吸收時間成本。\u003C\u002Fp>\u003Cp>這也是為什麼封閉式 AI 常被誤認為「比較成熟」。表面上看，產品更穩定、介面更完整、輸出更一致；實際上，成熟的部分有一大塊是由使用者反覆踩坑堆出來的。當一個平台可以把群體的試錯轉化成下一版模型的優勢，它拿到的不是單純的訂閱收入，而是被隱形化的研發外包。\u003C\u002Fp>\u003Ch2>第二個論點：短影片模型讓「免費訓練平台」這件事更明顯\u003C\u002Fh2>\u003Cp>影片比圖片更昂貴，也更依賴互動回饋。圖片模型常常只需要幾次重抽就能接近可用結果，但影片牽涉到時間軸、動態一致性與鏡頭語法，創作者通常要花更多輪次去修正。這代表平台從同一位使用者身上取得的訊號更多，資料更密，模型也更容易因為這些互動而變好。對公司來說，這是高價值資料流；對使用者來說，這是高頻率的無償除錯。\u003C\u002Fp>\u003Cp>這個現象在影像生成時代就已經出現，只是影片把它推得更極端。過去，提示工程被說成是一種新技能；現在，它更像是一種勞動。因為你不是只在「操作工具」，而是在用自己的審美、語言與時間，替模型標註什麼叫好、什麼叫壞、什麼叫接近你要的結果。平台把這些輸入統一吸收，卻不承認它們具有勞務價值。\u003C\u002Fp>\u003Cp>\u003Ca href=\"\u002Fnews\u002Fspire-evidence-grounded-ai-humanities-zh\">更重\u003C\u002Fa>要的是，封閉式架構讓這種價值轉移很難被看見。使用者看得到的是訂閱費與生成結果，看不到的是自己的行為如何被用來優化下一次發布。這會改變整個創作市場的權力結構：不是創作者在選擇工具，而是平台在透過工具塑造創作習慣。當模型越強，這種塑形能力就越大，最後連審美標準都可能被平台默默定義。\u003C\u002Fp>\u003Ch2>反方可能怎麼說：封閉式 AI 仍有它的現實理由\u003C\u002Fh2>\u003Cp>支持者會說，封閉式 AI 並不是純粹剝削，而是高成本研發的必要結果。訓練與\u003Ca href=\"\u002Fnews\u002Freinforcement-aware-distillation-llm-reasoning-zh\">推理\u003C\u002Fa>影片模型需要龐大算力，內容審核與安全控管也很難做，若完全開放，濫用風險、版權爭議與服務品質都會失控。從商業角度看，公司若不能保留控制權，就很難持續投入資本，這個擔憂並不虛假。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780648394905-okmk.png\" alt=\"為什麼 Midjourney 的 21 秒影片模型證明封閉式 AI 是錯的交易\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這個論點最強的地方在於，它指出了「開放」不等於「免費」，更不等於「可持續」。很多開源或半開放專案確實缺乏長期維護，最後反而讓使用者承擔不穩定、碎片化與安全漏洞。對 PM 和創辦人來說，封閉式產品的確更容易建立一致體驗，也更容易做商業化，這些都是現實，不是口號。\u003C\u002Fp>\u003Cp>但這些理由最多只能說明封閉式 AI 可以存在，不能證明它是好交易。若平台真的需要封閉，就應該把成本與回報說清楚：至少提供可驗證的資料權限、商業輸出分潤、企業級授權，或是對高價值創作行為給出明確補償。否則，使用者付費訓練產品，平台再把成果賣回市場，這仍然是把風險社會化、把收益私有化。限制可以接受，抽取不行。\u003C\u002Fp>\u003Ch2>你能做什麼：把 AI 使用成本與資料權利算進決策\u003C\u002Fh2>\u003Cp>如果你是工程師、PM 或創辦人，不要再把封閉式 AI 當成預設答案。你應該先算清楚三件事：你花了多少時間在 prompt、重試與修正上，這些互動是否會改善平台的下一版模型，以及你的輸入與產出在合約上到底屬於誰。只要答案是「你的使用會讓平台變強，但你拿不到對等回報」，那就是一筆不對稱交易。\u003C\u002Fp>\u003Cp>更務實的做法，是在選型時把資料權、商業權與退出成本一起評估。若你依賴某個封閉模型做內容生產，就要問清楚是否能匯出歷史、是否能限制資料再利用、是否有企業授權或分潤機制。對團隊來說，最危險的不是工具貴，而是你在不知不覺中替別人的模型做了長期訓練，最後還得自己買單。\u003C\u002Fp>","Midjourney 推出 21 秒影片模型，正好證明封閉式 AI 仍在把創作者的試錯與訓練成果，無償轉成平台資產。","www.openpr.com","https:\u002F\u002Fwww.openpr.com\u002Fnews\u002F4532782\u002Fmidjourney-launches-a-21-second-ai-video-model-while-creators",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780648396657-oa18.png","model-release","zh","d8f50dd1-4215-4825-b419-6a64a9ac7211",[17,18,19,20,21,22],"Midjourney","封閉式 AI","生成式影片","創作者權益","資料權利","訂閱制",[24,25,26],"21 秒影片模型放大了創作者反覆試錯卻無法分享成果的問題。","封閉式 AI 的訂閱費，常同時包含了使用費與無償訓練成本。","工程師、PM、創辦人應把資料權、分潤與退出成本納入選型。",1,"2026-06-05T08:32:37.400103+00:00","2026-06-05T08:32:37.378+00:00","0ccb5d2e-69f1-4354-a3e0-cb370221cd95",{"tags":32,"relatedLang":11,"relatedPosts":40},[33,35,36,37,39],{"name":17,"slug":34},"midjourney",{"name":21,"slug":21},{"name":19,"slug":19},{"name":18,"slug":38},"封閉式-ai",{"name":20,"slug":20},[41,47,53,59,65,71],{"id":42,"slug":43,"title":44,"cover_image":45,"image_url":45,"created_at":46,"category":13},"466021f3-b8a4-4ecb-ad64-8070beaf9cbc","gemini-1-5-pro-002-flash-002-2-0-flash-update-zh","Gemini 1.5 與 2.0 Flash 更新上線","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780999389960-97qh.png","2026-06-09T10:02:27.849751+00:00",{"id":48,"slug":49,"title":50,"cover_image":51,"image_url":51,"created_at":52,"category":13},"66ce4542-3c93-4a0c-ab52-5e6f90a36212","minimax-m3-kai-fang-quan-zhong-xie-cheng-shi-reng-neng-ying-zh","MiniMax M3 證明開放權重在寫程式上仍能贏","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780968786191-lele.png","2026-06-09T01:32:30.829528+00:00",{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":13},"948a7dc4-b172-42f9-9bef-abcbbffaca18","gemini-35-flash-pricing-benchmarks-zh","Gemini 3.5 Flash 價格與長上下文解析","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780840978961-6b9n.png","2026-06-07T14:02:29.835438+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":13},"5507f140-5223-4f68-ade6-30d9e5457638","gemma-4-12b-specs-benchmarks-run-locally-zh","怎麼做 Gemma 4 12B 本地部署","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780777971165-4bit.png","2026-06-06T20:32:24.857611+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":13},"ef42a437-8b06-4ff5-a135-ece7662c01f4","best-kimi-models-2026-k2-5-vs-k2-thinking-zh","2026 最佳 Kimi 模型：K2.5 對 K2 Thinking","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780770790333-x3lk.png","2026-06-06T18:32:39.410186+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":13},"fd2ad557-5c09-4758-964d-cda1c3c87a4c","kimi-k2-6-open-source-coding-agent-swarm-zh","Kimi K2.6 開源加上 Agent Swarm","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780761795960-0zg9.png","2026-06-06T16:02:21.702099+00:00",[78,83,88,93,98,103,108,113,118,123],{"id":79,"slug":80,"title":81,"created_at":82},"58b64033-7eb6-49b9-9aab-01cf8ae1b2f2","nvidia-rubin-six-chips-one-ai-supercomputer-zh","NVIDIA Rubin 把六顆晶片塞進 AI 機櫃","2026-03-26T07:18:45.861277+00:00",{"id":84,"slug":85,"title":86,"created_at":87},"0dcc2c61-c2a6-480d-adb8-dd225fc68914","march-2026-ai-model-news-what-mattered-zh","2026 年 3 月 AI 模型新聞重點","2026-03-26T07:32:08.386348+00:00",{"id":89,"slug":90,"title":91,"created_at":92},"214ab08b-5ce5-4b5c-8b72-47619d8675dd","why-small-models-are-winning-on-device-ai-zh","小模型為何吃下裝置端 AI","2026-03-26T07:36:30.488966+00:00",{"id":94,"slug":95,"title":96,"created_at":97},"785624b2-0355-4b82-adc3-de5e45eecd88","midjourney-v8-faster-images-higher-costs-zh","Midjourney V8 變快了，也變貴了","2026-03-26T07:52:03.562971+00:00",{"id":99,"slug":100,"title":101,"created_at":102},"cda76b92-d209-4134-86c1-a60f5bc7b128","xiaomi-mimo-trio-agents-robots-voice-zh","小米 MiMo 三模型瞄準代理、機器人與語音","2026-03-28T03:05:08.779489+00:00",{"id":104,"slug":105,"title":106,"created_at":107},"9e1044b4-946d-47fe-9e2a-c2ee032e1164","xiaomi-mimo-v2-pro-1t-moe-agents-zh","小米 MiMo-V2-Pro 登場：1T MoE 模型","2026-03-28T03:06:19.002353+00:00",{"id":109,"slug":110,"title":111,"created_at":112},"c4b6186f-bd84-4598-997e-c6e31d543c0d","cursor-composer-2-agentic-coding-model-zh","Cursor Composer 2 走向代理式寫碼","2026-03-28T03:13:06.422716+00:00",{"id":114,"slug":115,"title":116,"created_at":117},"e112e76f-ec3b-408f-810e-e93ae21a888a","apple-siri-gemini-distilled-models-zh","Apple Siri 牽手 Gemini 的真相","2026-03-29T04:52:57.886544+00:00",{"id":119,"slug":120,"title":121,"created_at":122},"c679b51f-194a-463b-87fc-7695256ff752","mimo-v2-pro-vs-omni-vs-flash-2026-zh","MiMo V2 Pro、Omni、Flash 怎麼選","2026-04-02T01:18:43.576128+00:00",{"id":124,"slug":125,"title":126,"created_at":127},"3b988fd7-6749-4f01-ba25-c0ad7486dc31","z-ai-glm-5v-turbo-design2code-claude-zh","GLM-5V-Turbo 在 Design2Code 贏了…","2026-04-02T04:03:36.31741+00:00"]