8 月 7 日前后的案例是两批东西：二维动画涨到 2.6 倍，提示词长了 36%

Alpha Lay · 2026-09-26

上一篇我们发现案例只覆盖 47 天。这一篇看那 47 天里，内容本身有没有变。

按发布时间的中位数（2026-08-07 05:15 UTC）把 980 条切成前后两半，各 489 和 491 条，然后逐维度对比。

数据是怎么来的

时间从 X 推文 ID 解码得到（雪花 ID 高位含毫秒时间戳）。切分点取发布时间的中位数，所以两半的样本量天然接近。风格与技法标签仍是自动候选 + 人工复核的口径，未复核的已排除。

发现一：二维动画从 9.2% 涨到 24.4%

这是所有维度里变化最大的一项：

二维动画在后期增长了 2.6 倍。 我们的解读是：早期大家先试「能不能做出像实拍的画面」——那是模型能力最直观的证明；等这一步被验证过了，注意力才转向动画这类对模型来说更「安全」的风格（不受人脸真实度的束缚）。

发现二：后期案例明显更「多镜头」

括号里那一组是唯一在减少的。「切镜时间」「多镜切换」上涨，而「武器状态」下降——这是从「单镜头里的特效展示」转向「多镜头之间的剪辑」的信号。

「环境拟音」涨了 3 倍也是个强信号：早期案例基本只有画面和配乐，后期开始处理镜头内的声音细节。

而「参考图」下降 3.5pp，说明后期更多是纯生成而不是拿参考图去复刻。

发现三：提示词长度涨了 36%

+35.8%。 这跟「多镜切换 +9.1pp」是同一件事的两个侧面：要写多镜头，提示词自然就得变长——每个镜头都要交代机位、动作和转场。

发现四：题材从「炫技」滑向「商业」

「口播UGC」掉了 71%，「动作物理」掉了 48%，而「时尚美妆」「转场编辑」翻了一倍以上。

前期的两个大品类（产品广告、口播）都是演示型内容——用来证明「这工具能干活」。后期成长起来的是审美型内容（时尚美妆、人物表演）和技术型内容（转场编辑）。

顺带一个画幅的变化：竖屏从前半段的 59 条涨到后半段的 84 条（+42%），与「时尚美妆 +143%」方向一致——竖屏率最高的正是这一类。

这些数字能拿来干什么

如果你在照着公开案例学提示词：注意你参考的那条是什么时候发的。8 月初和 9 月初的案例在结构上不是一回事——前者的提示词平均短 500 字符，且多半只写一个镜头。

如果你是做工具的：「多镜切换」和「切镜时间」在后期大幅上涨，意味着分镜管理正在成为真实需求。这也解释了为什么后来会出现专门做「首尾帧」的工具功能。

如果你在做选题：早期的热门品类（口播、动作）已经在退潮，而时尚美妆和转场编辑在涨。这不是「什么内容好」的判断，只是「公开案例的注意力在哪」的分布。

方法与局限

• 样本 980 条（能解出时间的部分），非全部 1,274 条。GitHub / 教程类来源缺失时间戳，那部分通常滞后，可能让本文的时间趋势被低估。
• 切分点取中位数，所以是「相对早晚」而不是自然分期。换一个切分点，各维度的变化幅度会移动（方向应大体一致）。
• 标签口径不变：风格与技法仍是自动候选 + 人工复核，未复核项已排除；因此「二维动画」等标签的绝对水平受复核进度影响，本文只比较前后相对变化。
• 不做因果归因：本文陈述的是同期变化，不主张「因为模型变强所以动画变多」这类因果。「早期先验证实拍能力」是我们的解读，不是数据结论。
• 全部数字基于 1,274 条索引记录中的 980 条。

数据可查

案例库每条记录带发布日期（从原始链接解码），可按时间排序查看：https://cases.aishifu.shop/