Un agente monta un vídeo 4K en Blender y lo renderiza en 10 GPU en 51 minutos por 5,75 $

Un vídeo 3D al estilo de un anuncio suele llevar días: modelado, animación, iluminación, granja de render, sonido. El canal de Telegram «Tochki nad II» («Los puntos sobre la IA») compartió un vídeo que montó por completo un agente con Fable 5.2 a partir de un solo prompt. Resultado: 4K, 51 minutos de render y 5,75 $ de gasto. Repasamos qué ocurrió realmente y qué se puede aprovechar en el trabajo.

Qué montó exactamente el agente

El prompt pedía poco: crear en Blender una habitación con un portátil donde ocurren cosas de vibe coding, como en un anuncio de Anthropic, mostrar a la mascota Clawd y renderizarlo todo en RunPod. Después, el agente actuó por su cuenta.

Primero escribió un script de Python que construyó toda la escena: la habitación, un MacBook con 77 teclas independientes y al propio Clawd. Blender se controla mediante Python, así que para el agente es una tarea de programación corriente: escribir el código, ejecutarlo y mirar el resultado.

El detalle más bonito es la pantalla. El modelo maquetó él mismo una página web, la guardó fotograma a fotograma en 1345 imágenes y la aplicó sobre la tapa del portátil. Las teclas se hunden justo en el fotograma en que aparece la letra correspondiente en pantalla. En la práctica, el agente sincronizó dos capas: el contenido de la pantalla y la física del teclado. Son precisamente estos detalles los que distinguen un trabajo cuidado del «así vale».

Las cifras y la estructura del pipeline

Luego llegó la escala: 13 cámaras, un sol simulado del atardecer al amanecer y un render en 4K en diez tarjetas gráficas alquiladas. Todo llevó 51 minutos y costó 5,75 $. La música y los sonidos los generó el modelo en ElevenLabs.

Fíjese en la estructura. El agente no «dibuja vídeo» con una red neuronal, sino que orquesta herramientas convencionales: el código construye la escena, la maquetación web aporta el contenido de la pantalla, las GPU en la nube se reparten el render pesado y un servicio aparte genera el sonido. Este enfoque es radicalmente distinto del vídeo generativo. Cada elemento de la escena sigue siendo un objeto en un script que se puede corregir: cambiar el color de las paredes, quitar una cámara o reescribir el texto de la pantalla y relanzar el render sin rehacerlo todo.

Para un product manager o un fundador, lo importante aquí es la economía. Un vídeo con 13 ángulos y render 4K cuesta unos pocos dólares de alquiler de GPU y cerca de una hora de espera. Cuando producir cuesta tan poco, el cuello de botella pasa a ser la idea y el gusto, no el render.

Límites y conclusión práctica

Ahora, con honestidad, sobre los límites. Es una sola publicación en Telegram, no un experimento reproducible. No se sabe cuántos intentos y correcciones hicieron falta, cómo verificó el agente el resultado ni si los 5,75 $ incluyen el coste de los tokens del modelo. Es probable que se muestre una ejecución exitosa y no una media. La publicación no ofrece detalles técnicos sobre Fable 5.2, y al final el propio autor pregunta si alguien ha probado a usar Blender con un agente en el nuevo modelo. Por tanto, la repetibilidad aún no está confirmada.

Qué hacer con esto en la práctica. Primero, revise sus herramientas programables: muchos editores de 3D, CAD, vídeo y gráficos tienen una API de scripting, así que pueden entregarse a un agente como entorno de trabajo. Empiece con una escena pequeña de tres o cuatro objetos y una cámara para entender dónde se equivoca el agente. Segundo, incorpore el render en la nube desde el principio: alquilar varias GPU en paralelo durante una hora costó en este ejemplo apenas unos dólares. Tercero, pida al agente que guarde los resultados intermedios y los scripts en un repositorio, para que la escena pueda editarse y versionarse como código normal.

La señal principal no es el 5,75 $, sino el tipo de tarea. El agente llevó a término una larga cadena de código, maquetación, computación en la nube y sonido sin exigir trabajo manual humano entre medias. Por ahora es una demostración aislada, pero son justo estos casos los que conviene repetir con los datos propios antes de planificar un producto sobre ellos.