Google DeepMind

对短漫剧团队，模型卡最有价值的不是总结模型多强，而是把不可忽略的限制提前带入镜头设计。人物、物体恒存、因果、声音和安全过滤应分别成为验收字段。

采购或接入决定应保存模型卡版本、访问入口和测试日期。否则产品更新后，团队无法解释镜头差异来自模型变化、参数变化还是素材变化。

对于短漫剧公司，Google DeepMind 这个机构名本身不能回答最关键的问题：某一类对白镜头、动作镜头或物体交互镜头，能否在指定画幅、声音要求和交付日期下稳定通过。Veo 产品页适合建立候选能力表，模型卡则适合建立失败分类。两者合并后，团队仍需用自己的角色、场景、道具和对白建立代表镜头，而不是用官方演示画面判断项目可行性。

项目采用会同时受到产品入口和组织流程约束。制片需要记录测试发生在哪个入口、使用哪个版本、账号所在地区、输入素材是否相同、由谁审片以及什么叫合格。安全过滤或人物限制导致的失败，应与提示词不清、动作逻辑错误和后期可修复问题分开。只有失败原因被稳定分类，技术团队才知道继续迭代、切换备用模型还是回到传统拍摄与后期。

模型卡也应进入预算讨论。它不会直接给出一集短漫剧的成本，但可以帮助团队预先标记高风险镜头，减少在明显不适配任务上的重复生成。预算表要把生成、排队、审片、人工修复、声音制作和重新交付都纳入，并以最终通过的镜头为分母。厂商页面上的速度或样片质量不能替代这一项目账本。

发行环节还要关注证据能否随镜头移动。最终母版不能只保存下载文件，还应连接模型版本、输入资产、生成日期、人工修改和生成内容标识。若同一镜头后来用于另一个地区、平台或语言版本，团队应能说明它如何产生、哪些部分被修改、由谁批准，而不是重新依赖已经变化的产品界面。

研究人员可以持续跟踪模型卡版本、产品字段和安全说明的变化，但应抵制把机构研究声望直接转换为市场结论。没有客户、合同、收入或统一项目样本，就不能声称 Google DeepMind 在短漫剧生产中更便宜、更稳定或占据更高份额。专业资源档案的价值，正是让公开事实、项目分析和未知商业信息并列存在。