Glif

Glif 是一款基于云端的无代码工作流构建器，让创作者能够将各种 AI 模型串联成可复用的微型应用。Glif 由 Fabian Stelzer（视觉 AI 公司 EyeQuant 前 CEO）和 Jamie Wilkinson（Know Your Meme 联合创始人、凭借 Star Wars Uncut 获得艾美奖）于 2022 年创立，并于 2023 年 10 月作为可共享 AI 创意流水线的社区平台公开发布。2026 年 4 月，该公司宣布了由 Andreessen Horowitz 领投的种子轮融资，并围绕“创意超级代理（Creative Super Agent）”的定位进行了品牌重塑：一个界面，几乎涵盖所有主流 AI 模型，并拥有一个基于数百万次历史运行构建的预设创意配方库。

该平台支持通过 FLUX（Ultra、Dev、Schnell）和 Stable Diffusion 生成图像，通过 Runway 和 Kling（包括 Kling 4K）生成视频，通过 ElevenLabs 进行语音合成，以及通过 GPT-4、Claude 3.5 和 Google Gemini 生成文本。用户通过堆叠可视化区块来构建工作流，其中包括用于导入完整节点图的 ComfyUI 集成、Web Fetcher 区块、JSON 操作、画布合成和音频生成。您构建的每个 Glif 默认都是公开且可二次创作的，社区画廊中包含数百个随时可复刻（fork）的创意流水线。

Glif 在 2026 年 4 月的生成能力

Glif 的区块库涵盖四种输出类型：图像、视频、音频和文本，它们可以在单个工作流中以任何顺序串联。在图像方面，该平台运行 FLUX Schnell 以实现快速且低积分消耗的生成，运行 FLUX Ultra 以获得更高质量，并提供完整的 ComfyUI 区块，可接受导入的工作流 JSON 文件，支持 ControlNet、AnimateDiff、IP-Adapter、LoRAs 和放大器（upscalers）。视频生成运行 Runway 和 Kling 4K，其中 Kling 3.0 可用于较短的片段，而 Seedance 2.0 节点则用于电影级序列。音频区块连接到 ElevenLabs 进行语音合成，并可与视频帧结合用于唇形同步工作流。

工作流执行模型是顺序的：每个区块接收前一个区块的输出作为输入。一个典型的图像工作流将文本输入馈送到重写提示词的 LLM 区块，将其传递给 FLUX，然后通过 Canvas 区块路由结果，将图像与模板合成。多步视频链（LLM 生成脚本，文本到图像区块创建帧，视频生成器将其动画化）是可行的，但在更复杂的序列上经常会触及平台 2 分钟的执行上限。

在 a16z 支持的 v2 版本中引入的 Skills 系统，是一个由预设 Glifs 组成的库，这些 Glifs 是从平台数百万次运行中最常重复的模式组装而成的。Skills 涵盖短视频、AI 影响者内容、信息图表、音乐视频唇形同步和模因（meme）格式。用户无需从头开始构建工作流，而是可以从一个 Skill 开始并修改输入。

“刚刚在 5 分钟内用 Glif 构建了一个全自动的 Wojak 模因生成器：Claude 3.5 区块将模因生成为 JSON，ComfyUI 区块使用 Wojak Lora 生成合适的图像，JSON 提取器 + Canvas 区块将所有内容结合在一起” - fabianstelzer (@fabianstelzer)，X，2024 年 6 月 24 日

Glif 与 ComfyUI 和 Krea 的定位对比

最常见的两个对比对象是用于图像/视频生成工作流的 ComfyUI，以及用于 AI 辅助视觉创作的 Krea。

ComfyUI 是自托管、开源的，并在您自己的 GPU 或租用的云硬件上运行。它支持数千个社区节点，仅需硬件成本即可无限生成，并对扩散过程中的每个参数进行精细控制。其节点图比 Glif 的区块界面更复杂，需要了解扩散架构才能有效使用。Glif 的 ComfyUI 区块允许用户将 ComfyUI 工作流 JSON 导入到 Glif 中，本质上是在更大的多模型链中添加一个 ComfyUI 节点，但它没有暴露独立 ComfyUI 所具备的完整节点深度。实际的区别在于：ComfyUI 适合想要完全像素级控制且不介意管理依赖项的用户；而 Glif 适合想要 ComfyUI 风格的可组合性但无需本地硬件，并且能够串联 LLM 和音频模型的用户。

Krea 运行在一种根本不同的工作流模型上。其核心功能是实时、低于 50 毫秒的画布生成：您绘画或打字，图像就会实时更新，使其成为一个实时创意指导工具，而不是批处理流水线。Krea 针对迭代探索进行了优化，您可以在其中实时完善视觉效果。Glif 则针对可重复的流水线进行了优化，其中固定的工作流从可变输入产生一致的输出类型。Krea 没有公开的社区二次创作系统；而 Glif 的社区画廊是产品的核心。Krea 在概念草图和实时迭代方面胜出；Glif 在您需要对不同输入重复运行的任何工作流方面胜出。

运行 Glif 的实际成本

Glif 的积分系统是基于消耗的，而不是基于订阅的。积分以套餐形式购买：$1.99 购买 200 个积分（Tinkerer），$9.99 购买 1,000 个积分（Creator），$100 购买 10,500 个积分（Builder，包含 5% 奖励），以及 $1,000 购买 110,000 个积分（Studio，包含 10% 奖励）。免费层提供每天 10 个积分，每 24 小时重置一次，且不可结转。

积分消耗随工作流复杂度的增加而急剧上升。简单的文本或基础图像生成花费 1-5 个积分。一个多步信息图表工作流大约需要 17 个积分。视频生成每次运行的范围从 50 到 100+ 积分不等，具体取决于模型和片段长度。一个 Creator 套餐（$9.99）大约支持 10 次复杂的视频生成或约 200 次简单的图像生成。这使得 Glif 在低频使用时与专用图像工具的按图计费相比具有成本竞争力，但在大规模处理重度视频用例时则显得昂贵。

截至 2026 年初，平台文档中已注明月度订阅计划“即将推出”，但在撰写本文时尚未发布。积分套餐模式意味着没有可预测的月度成本：重度用户支付更多，而且多模型链消耗积分的速度可能比单模型运行快 10 倍。

“创意生产的瓶颈不再是人才或预算。而是在混乱中导航。” - Justine Moore，Andreessen Horowitz，a16z 投资公告，2026 年 4 月 23 日

Glif 的明显局限性

2 分钟的执行上限是最常被提及的硬性限制。无论工作流有多复杂，所有 Glif 运行都会在 2 分钟计算时间后终止。复杂的视频链、高分辨率 ComfyUI 导入或具有多个视频生成步骤的工作流经常会触及此上限并失败，消耗了积分却无法产生输出。Glif 的文档承认了这一限制，但除了简化工作流之外，没有提供其他解决方案。

积分系统给新用户带来了不可预测的成本。因为多模型链中的每个区块都是单独计费的，一个表面上看起来很简单的工作流很容易就会消耗 30-50 个积分。不熟悉每个模型积分费率的用户经常在一次测试运行中就耗尽了一天的免费积分。免费层积分（10/天）不足以支持任何涉及视频生成的工作流。

移动端使用实际上是只读的。区块编辑器在手机上无法运行。移动用户可以运行现有的 Glifs，但无法构建或编辑工作流。对于主要在移动设备上工作的创作者来说，这完全阻碍了他们使用平台的工作流构建功能。

无代码的定位低估了学习曲线。ComfyUI 区块和多模型参数调整需要了解模型输入、输出类型以及区块之间的变量传递。大多数评论者报告说，在构建超出画廊模板的一致且有效的工作流之前，需要 2-3 小时的适应期。那些期望获得拖拽式简单体验的初学者经常报告在他们的第一次使用中感到困惑。

最后，没有持久的资产存储，也没有工作流调度。用户必须在每次会话中重新上传参考图像。工作流无法自动触发；每次运行都是手动的或通过 API 启动的。

Glif 适合谁，谁又该选择其他工具

Glif 非常适合需要大量生产的内容创作者：社交频道、新闻通讯运营者、营销团队以及需要可重复视觉流水线的 YouTube 创作者。社区画廊提供了快速上手的路径，二次创作模式缩短了从“我有一个想法”到“我有一个可用的 Glif”的时间，多模型链结构在单个工作流中处理跨模态内容（图像 + 字幕 + 画外音）。v2 版本的 Skills 库进一步加速了常见内容格式的这一过程。

开发人员和技术用户受益于 API 访问，这允许使用命名输入参数以编程方式运行任何 Glif。构建内容自动化工具的团队可以将 Glifs 作为内部工具公开，而无需编写模型集成代码。

当您需要基于触发器的自动化工作流执行时，请跳过 Glif。它没有调度，没有 webhook 触发器，也没有事件驱动的执行。对于需要在无需人工干预的情况下运行的自动化流水线，n8n 或 Make.com 是更好的选择。当您需要对图像生成参数进行最大程度的控制并且不介意管理本地硬件时，请跳过它；完整独立形式的 ComfyUI 为您提供更多节点、更多 LoRA 支持和无限生成。当您的主要用途是大规模的重度视频内容时，请跳过它；与直接访问 Runway 或 Kling 相比，2 分钟的上限和积分成本使得视频生成变得昂贵。如果您在移动设备上工作，也请跳过它，因为工作流构建器在移动端根本无法运行。