Es gibt einen Satz, den man in der KI-Videobranche seit Jahren hört: „Irgendwann rendert das Modell schneller, als du zuschauen kannst." Ende August 2026 ist genau das passiert – und zwar nicht in einem Forschungspapier, sondern als öffentlich laufender Live-Stream. Das Inferenz-Unternehmen fal hat das Videomodell MiniMax H3 Max so weit optimiert, dass es Bewegtbild schneller als in Echtzeit erzeugt. Das Ergebnis ist kein Clip mehr, den man exportiert und herunterlädt, sondern ein Bilderstrom, der nie stehen bleibt.

fal nennt das Ganze H3 Max Live und hat es mit einer eigenen Website – fal.live – als dauerhaft laufenden Kanal ins Netz gestellt. Der Clou: Das Publikum steuert per Chat mit. Man tippt einen Prompt, und wenige Sekunden später ist die neue Szene auf dem Bildschirm. Für eine Branche, die bisher in Sekunden-Clips gedacht hat, ist das ein konzeptioneller Bruch – und einer, der weit über die technische Spielerei hinausweist.

Was fal genau gebaut hat

Ausgangspunkt ist H3 beziehungsweise H3 Max von MiniMax. Das Basismodell H3 kam im Juli 2026 als Open-Weights-Modell heraus; die von fal nachtrainierte Variante H3 Max rangiert in mehreren Vergleichstests vorn. Der entscheidende Beitrag von fal ist aber nicht das Modell selbst, sondern die Geschwindigkeit: Statt H3 Max über die offiziellen Endpunkte laufen zu lassen, hat fal es auf der eigenen Inferenz-Engine deployt und dabei nach eigenen Angaben eine 35-fache Beschleunigung gegenüber dem offiziellen Endpoint erreicht.

Dieser Faktor 35 ist der eigentliche Durchbruch. Frühere Ansätze für „schnelles" KI-Video – etwa Consistency-Modelle – schafften grob ein Bild pro Sekunde. Das reicht für eine Vorschau, aber nicht für etwas, das man tatsächlich ansehen möchte. Erst wenn die Erzeugung schneller läuft als die Wiedergabe, kippt die Logik: Dann muss man nicht mehr auf ein fertiges Video warten, sondern kann einem Modell beim Erfinden der Welt in Echtzeit zusehen. Genau diese Schwelle – von Beobachtern halb im Scherz „the infinite videogen barrier" getauft – hat fal überschritten.

H3 Max Director: der Bruch mit dem Clip-Denken

Technisch steckt hinter dem endlosen Strom eine spezielle Modellvariante namens H3 Max Director. fal beschreibt sie als autoregressive, „nativ kontinuierliche" Version von H3 Max. Der Unterschied zu klassischer Videogenerierung ist fundamental: Ein normales Text-zu-Video-Modell erzeugt einen abgeschlossenen Clip von wenigen Sekunden und beginnt für den nächsten bei null. H3 Max Director dagegen hält bis zu zwei Minuten Kontext und baut jeden neuen Abschnitt aus dem auf, was das Modell bereits erzeugt hat. Es gibt keinen harten Schnitt, keinen Reset – die Bilder wachsen kontinuierlich weiter.

„Wir haben fal.live als Experiment gestartet, um zu sehen, was passiert, wenn Video kontinuierlich, nahezu in Echtzeit und mit dem Publikum am Steuer entsteht. Angetrieben wird das Ganze von H3 Max Director, einer autoregressiven und nativ kontinuierlichen Version von H3 Max mit bis zu zwei Minuten Kontext." – fal auf X

Diese Architektur ist der Grund, warum der Stream nicht wie eine Aneinanderreihung von Wackelclips wirkt, sondern wie ein – zugegeben oft fiebriger – zusammenhängender Traum. Das Modell „vergisst" nicht bei jedem Schnitt, wo es gerade war.

Videoschnitt-Arbeitsplatz mit zwei Monitoren und Timeline
Foto: Ron Lach via Pexels (Pexels License)

fal.live: „Twitch Plays Pokémon" für generiertes Video

Der öffentliche Kanal fal.live macht die Technik greifbar. Es handelt sich um einen dauerhaft laufenden Stream, in den Zuschauerinnen und Zuschauer über einen Chat eingreifen. Wer !prompt plus eine Beschreibung eintippt, wirft eine Idee in den Ring. Ein vorgeschaltetes Sprachmodell fasst die Abstimmungen und Vorschläge des Publikums zu konkreten Prompts zusammen, die dann in den laufenden Bildstrom einfließen. Beobachter haben das treffend mit „Twitch Plays Pokémon" verglichen – nur eben für generiertes Video statt für einen Game-Controller.

Das Prinzip klingt nach Spielerei, ist aber ein echtes Testfeld: Zum ersten Mal lässt sich beobachten, wie ein Modell auf einen ununterbrochenen Strom widersprüchlicher, spontaner Anweisungen reagiert – und wie schnell es Themenwechsel, Stilbrüche und absurde Wünsche in Bewegtbild übersetzt.

Empfohlener Beitrag auf X

Beim Laden werden Daten an X übertragen.

Infinite Slop: Pieter Levels und die 4.000-Dollar-Frage

Dass die Technik nicht nur ein Labor-Gag ist, zeigt ein zweites Projekt auf derselben Grundlage. Der bekannte Indie-Entwickler Pieter Levels betreibt mit „Infinite Slop" einen eigenen 24-Stunden-Stream, der ebenfalls auf fals beschleunigtem Modell läuft und vom Publikum gesteuert wird. Ein Segment daraus ist besonders aufschlussreich: Levels lässt aktuelle Schlagzeilen von X und von Hacker News automatisch in Videoszenen übersetzen – ein erster, roher Blick darauf, wie „News-TV" aussehen könnte, wenn es vollständig generativ und in Echtzeit entsteht.

Interessant ist die Zahl, die Levels dazu nennt: Der Betrieb kostet ihn nach eigener Aussage rund 4.000 US-Dollar pro Tag. Das ist einerseits viel für ein Ein-Personen-Experiment – andererseits erstaunlich wenig für einen rund um die Uhr laufenden, individuell generierten Videokanal. Zur Einordnung: Ein einziger klassischer Werbespot in professioneller Produktion kann ein Vielfaches davon kosten. Die Ökonomie generativer Dauerkanäle beginnt sich damit gerade erst zu formen.

„Pure slop" – warum die Qualität (noch) zweitrangig ist

Man sollte ehrlich sein: Was aktuell über fal.live und Infinite Slop läuft, ist optisch alles andere als kinoreif. Beobachter von Latent Space beschrieben die Ausgabe als „pure slop – ein Fiebertraum". Bildfehler, morphende Gesichter, logische Sprünge gehören dazu. Entscheidend ist aber der zweite Teil ihrer Einschätzung: Das, was man jetzt sieht, markiert den schlechtesten Punkt, den diese Technik je haben wird. Von hier aus geht es nur nach oben.

Diese Perspektive ist wichtig, weil sich Durchbrüche in der KI-Videobranche fast immer in zwei Phasen abgespielt haben: Zuerst kommt eine neue Fähigkeit in erkennbar unfertiger Form (man erinnere sich an die ersten wabernden Text-zu-Video-Clips), dann folgt in erstaunlich kurzer Zeit die Politur. Wer die Echtzeit-Generierung heute wegen der Bildqualität abtut, wiederholt einen Fehler, den viele schon bei den ersten Sora-, Runway- und Kling-Demos gemacht haben.

Einordnung: vom Clip zur Sendung

Der eigentliche Paradigmenwechsel liegt nicht in schöneren Bildern, sondern im Format. Bisher war KI-Video ein Asset: Man beschreibt eine Szene, wartet, erhält eine Datei, schneidet sie. H3 Max Live macht daraus ein Medium: einen fortlaufenden, reaktiven Kanal. Das öffnet Anwendungsfelder, die mit clipbasierten Werkzeugen schlicht nicht denkbar waren:

  • Interaktive Live-Formate: Streams, in denen das Publikum den Verlauf in Echtzeit mitbestimmt – von Musik-Visuals über Spiel-ähnliche Erlebnisse bis zu partizipativen Shows.
  • Generatives „Ambient Video": endlose, nie wiederkehrende Hintergrundwelten für Events, Installationen, Schaufenster oder digitale Bühnenbilder.
  • Echtzeit-Nachrichtenvisualisierung: das von Levels demonstrierte Prinzip, aktuelle Ereignisse sofort in Bewegtbild zu übersetzen.
  • Reaktive Markenkanäle: ein Firmen-Stream, der auf Kommentare, Wetter, Uhrzeit oder Live-Daten reagiert, statt eine feste Playlist abzuspielen.

Gleichzeitig verschärft die Technik bekannte Debatten. Ein Kanal, der rund um die Uhr ungefiltert generiert und vom Publikum gesteuert wird, ist ein Moderations- und Rechte-Albtraum: Wer haftet für problematische Prompts? Wie greift die seit August 2026 in der EU geltende Kennzeichnungspflicht für KI-Inhalte bei einem nie endenden Live-Strom? Und was bedeutet „urheberrechtlich sauber", wenn der Output in dem Moment entsteht, in dem er gesendet wird? Klare Antworten gibt es noch nicht – die Fragen kommen aber mit Ansage.

Was das für eure Projekte bedeutet

Für uns als KI-Videoproduktion ist H3 Max Live weniger ein neues Werkzeug im Tagesgeschäft als ein Signal, in welche Richtung sich das Feld bewegt. Kurzfristig ändert sich am Kern unserer Arbeit – geplante, kuratierte, exportierte Clips in hoher Qualität – wenig: Für einen präzisen Markenfilm bleibt der Weg über gezielte Generierung, Auswahl und Postproduktion überlegen. Echtzeit heißt bislang eben auch: weniger Kontrolle über jedes einzelne Frame.

Mittelfristig lohnt es sich aber, jetzt Kompetenz aufzubauen. Konkret raten wir zu drei Dingen. Erstens: Das Format-Denken erweitern. Wer Kundinnen und Kunden bisher nur „Videos" verkauft hat, kann künftig „Kanäle", „reaktive Installationen" oder „Live-Erlebnisse" anbieten – ein Angebot, das mit klassischer Produktion niemand liefern kann. Zweitens: Die Inferenz-Ebene ernst nehmen. Der entscheidende Hebel kam hier nicht vom Modellhersteller, sondern von einem Infrastruktur-Anbieter, der 35-fache Geschwindigkeit herausholte. Für Produktionen heißt das: Nicht nur „welches Modell?", sondern „über welchen Anbieter, mit welcher Latenz, zu welchen Kosten?" wird zur strategischen Frage. Drittens: Kostenmodelle neu denken. Levels' 4.000 Dollar pro Tag zeigen, dass generative Dauerformate kalkulierbar werden – ein Argument, das man in Pitches für langlaufende Kampagnen oder Event-Bespielungen ins Feld führen kann.

Unser Fazit: H3 Max Live ist heute ein rohes, faszinierendes Experiment und noch kein Produktionswerkzeug. Aber die Schwelle, die fal überschritten hat – Video schneller als Echtzeit – ist irreversibel. Wer früh versteht, dass aus dem „Video-Asset" ein „Video-Medium" wird, verschafft sich einen Vorsprung, den man später nur schwer aufholt. Wir behalten die Entwicklung eng im Blick und testen, sobald H3 Max Director oder vergleichbare Echtzeit-Modelle in kontrollierbarer, produktionstauglicher Form verfügbar sind.