当图像生成和视频生成被放进同一条工作流，创意到成片的距离就不再由人力预算决定，而由模型能力决定。
发生了什么
OpenAI 在其官方渠道披露，Pollo AI 正在使用 GPT-5.6、GPT-6 Astra 以及 GPT-Image-2.5 三款模型，帮助创作者把创意想法转化为细节丰富的图像和具有电影质感的视频广告。按照 OpenAI 的描述，这套组合覆盖了从概念到视觉素材、再到视频成片的完整链路，目标是让营销campaign的生产更直接。
需要说明的是，目前公开信息只到「使用了哪些模型、能产出什么」这一层，具体的调用方式、工作流编排细节、生成时长与成本结构均未披露。
为什么重要
这条消息的价值不在于又一家产品接入了新模型，而在于它标注了模型厂商当前的落地重心：广告与营销内容。
过去一年，图像模型和视频模型的能力提升基本是分轨进行的——图像侧解决一致性和细节，视频侧解决时序稳定和镜头语言。而这次披露把两者放进同一个产品叙事里，意味着模型侧开始把「campaign」当作一个完整的交付单位，而不是一堆待拼接的素材。
另一个值得注意的信号是模型命名。GPT-5.6、GPT-6 Astra、GPT-Image-2.5 同时出现在一个应用案例中，说明 OpenAI 的产品线正在按能力层级和模态分化，而不是靠单一旗舰模型包打天下。对应用层来说，这意味着选型空间变大，但也意味着要更清楚每个模型该放在流程的哪一环。
影响与看点
对营销与创意团队而言，最直接的变化是试错成本。过去做一支视频广告，脚本、分镜、拍摄、剪辑是串行的，改一版意味着重来一轮；当图像和视频生成被整合进同一条链路，迭代会变成并行的、可批量比较的。这不会让创意人员消失，但会把他们的工作重心从「执行」推向「判断」——判断哪一版值得继续做下去。
对开发者和工具厂商来说，Pollo AI 的案例是一个可参照的集成范式：多模型协同、按模态分工、面向具体业务场景封装。真正难的部分不在调用 API，而在于如何把模型的输出稳定地约束在品牌调性和投放规范之内。
一个独立判断是：这类整合短期内不会替代专业制作团队，但会显著抬高「中等预算广告」的产出效率下限，而这部分市场恰恰是过去最依赖外包和人力的地带。
