之前介绍过的 Eddie AI 利用 Qwen3.5 9B 作为学生模型，Kimi K3 为教师模型，蒸馏出了一个专用于视频领域的模型。

这项任务的设定很有针对性：需要在原始素材中找出引人入胜的故事情节，操作层面集中在文本转录阶段，并通过大约 100 个带有真实提示的真实项目来评估实验结果。

在实际应用中，未经训练的 9B 模型在大约 10% 的编辑任务中表现优于 Kimi；而在使用 LoRA 技术对 Kimi 的推理路径进行训练后，这一比例上升到了约 32%；当研究团队调整了学生模型学习的路径后，这一数字最终达到了 47%。

Eddie AI 选择短视频社交媒体剪辑作为测试案例，是因为这类内容受到严格的编辑限制。片段必须迅速吸引观众的注意力，时长也要控制在一定范围内，同时还要保证故事逻辑的连贯性。如果选用的音视频素材不够优质，这些问题就很容易暴露出来。

对于编辑来说，一个能更高效完成这些任务的模型，无疑能够帮助他们更快地构建出故事框架，也能节省在海量素材中寻找叙事主线的时间。这其实也是 Eddie AI 一直在通过“脚本化模式”和“上下文相关的辅助素材编排”功能来解决的难题，只不过这次是从模型的角度来进行探索，而非从用户界面的角度入手。

所以 Eddie AI 在做的其实也是我之前一直说的，通用模型应对广泛需求，专有模型解决特定任务。