这周 AWS 发了一篇技术博客：用同一个容器镜像（可理解为打包好的运行环境）在 SageMaker 上部署两个 API 接入点，一个跑 40 亿参数的 FLUX.2-klein 生成图片，一个跑 13 亿参数的 Wan2.1-VACE 把图片变成短视频。看起来只是工程师的一次例行更新，但背后是一个被低估的信号——目前最主流的开源 AI 推理框架 vLLM（"推理"即运行训练好的模型、对外提供服务的整个过程），已经从只能处理文字扩展到能同时处理图片、音频、视频。

这是什么

简单说，AWS 在教工程师怎么在租来的云上，部署 AI 生图和生视频能力。流程是：写一句话，让 FLUX.2-klein-4B 生成一张静态图，再用 Wan2.1-VACE-1.3B 把这张图变成几秒钟的短视频。

值得关注的不是这两个具体模型，而是底层用的 vLLM-Omni 框架。vLLM 是开源大模型推理的事实标准，过去主要服务文字大模型；现在它的"全模态"版本把图片、音频、视频都纳入进来，而且接口与 OpenAI 兼容——意思是原来调 OpenAI API 的代码，改个地址就能切到自建服务上。

行业怎么看

支持者认为这是开源阵营的标志性时刻：过去企业要用 AI 生图生视频，要么调 Stability、Runway、字节即梦这些闭源 API，要么从零搭。现在 vLLM-Omni 提供了一条中间路线——开源模型 + 开源推理框架 + 云厂商托管，理论上"既控成本，又不锁死在一家供应商"。

但反对意见同样值得听。第一，自建不是零成本——FLUX.2 和 Wan2.1-VACE 都依赖高端 GPU（图形处理器，AI 训练和运行所需的昂贵芯片），部署、运维、扩容的真实账单可能超过直接调 API。第二，教程里的两个模型都是小尺寸开源版本，生成质量和闭源旗舰仍有差距，电商、广告这类对画质敏感的场景未必能直接用。第三，AWS 把这件事写成博客，本质是卖云资源——教程越简单，越多企业被引导到 SageMaker 上长期付费。

对普通人的影响

对企业 IT 部门：多了一种"自建 vs 调 API"的选项，但要不要真做，需要算清楚 GPU 闲置率和团队运维成本，不建议盲目跟进。

对个人职场：短期最直接的变化是，你日常用的国内 AI 工具（豆包、即梦、可灵）背后多了一层竞争压力，长期看 AI 生图生视频的边际成本可能继续下降。

对消费市场：现在还看不到直接影响——消费者接触到的 AI 生图生视频产品，体验差距更多取决于产品团队水平，而不是底层框架。