这 1,274 条案例只覆盖 47 天，而且 8 月 12 日之后基本停了
案例库里每条记录都保存了原始发布链接。做数据卫生检查时我们注意到：里面嵌着 X（Twitter）的推文 ID，而那个 ID 是可以解出精确发布时间的。
解完之后，这批数据的时间形状比预想的陡峭得多。
数据是怎么来的
X 的推文 ID 是雪花 ID（snowflake）：ID 的高位里编码了毫秒级时间戳。解码公式是 (id >> 22) + 1288834974657。
1,274 条里 980 条（76.9%）的来源链接是 x.com/<user>/status/<id> 形式，可以解出发布时间。剩下 294 条的来源是 GitHub 仓库页、教程页这类没有时间戳的地址。
所以下面所有结论的样本是这 980 条，不是全部 1,274 条。这个偏差方向需要注意：GitHub 与教程类来源往往滞后于社交媒体，所以真实的时间分布可能比下图更晚、更平缓。
发现一：全部案例落在 47.2 天内
| 指标 | 值 |
|---|---|
| 最早一条 | 2026-07-29 15:42 (UTC) |
| 最晚一条 | 2026-09-14 20:20 (UTC) |
| 跨度 | 47.2 天 |
一个 1,274 条规模的案例库，时间跨度只有七周。这说明公开案例的存量极薄——它不是「过去两年的积累」，而是「一个短窗口里的集中爆发」。
发现二：前 14 天贡献了七成，之后断崖
| 区间 | 天数 | 条数 | 占比 | 日均 |
|---|---|---|---|---|
| 07-29 → 08-11 | 14 天 | 683 | 69.7% | 48.8 条/天 |
| 08-12 → 09-14 | 34 天 | 297 | 30.3% | 8.7 条/天 |
日均差了 5.6 倍。
单日曲线更能说明问题：
| 日期 | 条数 |
|---|---|
| 07-29 | 24 |
| 07-30 | 137 |
| 07-31 | 80 |
| 08-01 | 29 |
| … | |
| 08-06 | 85 |
| … | |
| 08-11 | 24 |
| 08-12 | 1 |
| 08-13 | 2 |
| 08-14 | 3 |
| … | 此后长期在个位数到 20 之间 |
从 24 条掉到 1 条，只用了一天。 之后三十多天里没有任何一天超过 25 条。
发现三：两个波峰，不是一个
如果只看总量，很容易得出「7 月底发布、8 月初退潮」的结论。但曲线其实有两个峰：
- 第一峰 07-30（137 条）——紧跟在 7 月 29 日之后，典型的「发布首日效应」
- 第二峰 08-06（85 条）——比第一峰晚一周，规模约六成
第二峰更值得注意。它说明热度不是一次性衰减，而是在七天后有一次明显的二次聚集——常见于「第一批人试完之后，第二批开始跟进并发布」。这个间隔（约一周）与「拿到工具→试出效果→整理成案例发出来」的周期是吻合的。
发现四：8 月 12 日之后仍然有案例，但性质不同了
断崖之后的 297 条不是没有价值的零散记录——它们和前 489 条在构成上有系统性差别，这一点我们在另一篇里单独展开（二维动画占比从 9.2% 涨到 24.4%，提示词长度中位数涨了 36%）。
这里只说一个数字：后半段（08-07 之后）的「首尾帧生视频」案例是 37 条，前半段只有 10 条。
这些数字能拿来干什么
如果你在评估「学 AI 视频该看多少案例」：注意存量只有七周。想要更早的参考，公开渠道里基本没有——这不是你没找到，是它不存在。
如果你在做内容或工具选题：第二峰（08-06）是个可复用的信号。一个新模型发布后约一周会出现第二波案例聚集，那一波的内容质量通常高于首日（首日多为「跑起来了」的验证贴）。要抓案例，盯第 7 天。
如果你在判断这个赛道还热不热：8 月中旬后的低谷不能直接读成「热度退潮」。我们的采集窗口在 2026-09-19 截止，而公开案例的自然衰减本身就会拉低后期数字。这一条是本文最大的不确定项。
方法与局限
- 样本是 980 条，不是 1,274 条：只统计来源为 X 推文链接的记录。GitHub / 教程类来源没有时间戳，且它们的发布节奏通常滞后，所以真实时间分布可能更平缓。
- 推文时间 ≠ 视频生成时间：解出的是发布时刻。创作者可能在发布前几天就做好了视频，这个前置量我们无法测量。
- 采集窗口造成右截断：索引生成于 2026-09-19，最后一条案例是 09-14，之后没有数据。不要把 9 月中旬的低值当作趋势。
- 「热度退潮」是推断：本文只陈述发布条数的分布，不退潮的成因做归因。8 月 12 日的断崖也可能是平台侧（推荐算法、话题热度）或采集侧的原因。
- 全部数字基于 1,274 条索引记录中的 980 条。
数据可查
案例库的每条记录都保留原始发布链接，可按来源站点分组查看：https://cases.aishifu.shop/