Higgsfield Supercomputer im Praxistest: ein echter Markenfilm im Mai 2026

Am 14. Mai brachte Higgsfield den Higgsfield Supercomputer auf den Markt. Vier Tage später gab ich ihm ein echtes Kundenbriefing, für das ich normalerweise vier Tools und drei Tage Regiearbeit brauche. In einem orchestrierten Durchlauf lieferte er einen nahezu fertigen 45-Sekunden-Markenfilm – und verließ die Markenwelt genau an den zwei Stellen, die ich in einem menschlichen Schnitt korrigiert hätte.

Der Higgsfield Supercomputer im Test: 45 Sekunden in einem Durchlauf

Das Briefing galt einer Wellnessmarke, deren visuelles System wir bei DVNC.studio bereits entwickelt hatten: eine kühle, fast monochrome Welt, ein einzelner Akzent in elektrischem Cyan, ein ruhiger Schnittrhythmus und eine fest definierte Bewegungssprache (keine Reißschwenks, keine umkreisenden Kamerafahrten mit Push-in). Gefordert waren ein 45-sekündiger Hero-Film in 16:9 plus ein Social Cut in 9:16. Bei dieser Art Projekt sind nicht die Bilder das eigentliche Ergebnis, sondern ihre Markenkonsistenz.

Ich lud das Brand-Kit hoch – Farbfelder der Palette, Schrifthierarchie, drei Referenzframes und die Bewegungsregeln als einseitiges PDF –, schrieb ein Treatment mit 180 Wörtern und startete die Orchestrierung. Siebenundvierzig Minuten später lieferte der Supercomputer beide Fassungen: vom Skript gesteuert, nach Storyboard getaktet, mit generierten Einstellungen, unterlegter Musik, abgemischten Dialogen und Virality-Score.

Beim ersten Ansehen waren ~80% verwendbar. Die Kamerasprache wirkte glaubwürdig, das Tempo stimmte, und der Audiomix war präziser als das, was ein Junior-Editor an einem Tag liefern würde. Zwei Mängel verhinderten die Auslieferung: In der zweiten Hälfte des Films wanderte die Akzentfarbe ins Warme, und der Agent baute eine langsame umkreisende Push-in-Fahrt ein, obwohl das Briefing sie ausdrücklich ausgeschlossen hatte. Beides sind Fehler der Art Direction, nicht der Produktion.

Die manuelle Pipeline, mit der ich das Ergebnis verglichen habe – Storyboards in Midjourney, Einstellungen in Runway, Stimme mit ElevenLabs, Farbe und Schnitt in DaVinci –, kostet mich drei Tage zum Regiesatz. Bei den Produktionskosten ist der Vergleich daher eindeutig. Offen bleibt die entscheidende Frage: Lässt sich der Film ausliefern, ohne dass ich ihn anfasse? Noch nicht. Hier ist der Grund.

Das Briefing: eine echte Markenwelt statt bloßer Stimmung

Genau solche Systeme bringen generative Tools an ihre Grenzen. Die Palette ist festgelegt: eine fünfstufige Grauskala von fast Schwarz bis fast Weiß, ergänzt um einen ganz bestimmten Cyan-Akzent (etwa im Bereich von Pantone 312, kühl und leicht entsättigt). Die Schrifthierarchie kombiniert eine Displayschrift für die Wortmarke mit einer Neo-Grotesk für den Fließtext. Schrift selbst taucht im Film nicht auf, Einblendungen aber schon – und sie müssen auf demselben Grundlinienraster sitzen wie das Printsystem.

In der KI-Videoproduktion ist die Bewegungssprache meist der Bruchpunkt: Schnittabstände zwischen 1.4 und 2.2 Sekunden, keine Reißschwenks, keine umkreisenden Push-ins, keine Dolly-Zooms; als Kamerabewegung sind nur langsame seitliche Fahrten oder statische Einstellungen erlaubt. Die Objektivsprache ist auf 35mm- und 50mm-Äquivalente begrenzt, ohne Weitwinkelverzerrung. Die Farbwelt muss über die gesamte Laufzeit kühl bleiben – ohne Drift ins Warme und ohne Verschiebung der Hauttöne.

Das ist keine Stilpräferenz. Es ist das System, für das der Kunde bezahlt hat und an das alle anderen Kontaktpunkte – Print, Web, Retail – bereits gebunden sind. Genau bei der Markenkonsistenz über mehrere Einstellungen hinweg versagt autonomes Routing häufig. Deshalb habe ich dieses Briefing gewählt.

Was der Hermes Agent übernahm – Skill für Skill

Der Supercomputer ist kein einzelnes Modell. Dahinter steckt ein cloudnativer Agenten-Stack auf Basis der Logik des Hermes Agent – eines speziell angepassten Hermes 3 von Nous Research. Er orchestriert 40+ integrierte Tools, wählt aus 61 Produktions-Skills und verteilt Teilaufgaben parallel an GPT-5.5, Claude Opus, Gemini, Seedance 2.0, Veo und Kling – je nachdem, was der einzelne Schritt verlangt.

Die Videogenerierung läuft über Seedance 2.0, den hier entscheidenden Baustein: ein Dual-Branch-DiT mit einem Visual Branch (Pixel-Latents für Frames) und einem Audio Branch (Waveform-Latents für synchronisierte Soundeffekte und Dialoge). Es erzeugt 4–15-sekündige Clips mit bis zu 1080p und verarbeitet multimodale Referenzen aus bis zu 3 Video- / 9 Bild- / 3 Audioeingaben.

Nach Skript, Storyboards und Einstellungsgenerierung sah die sichtbare Kette der nachgelagerten Schritte so aus:

1. Upscaling – der interne Upscaler brachte die ausgewählten Takes auf 1080p. 120 Credits.
2. Audiomix – Ambient-Bett, zwei Soundeffekt-Cues, kein Dialog. 80 Credits.
3. Virality Predictor – wurde auf beide Fassungen in 16:9 und 9:16 angewendet. 60 Credits.
4. Social Cut – der Agent beschnitt die gleichen Seedance-Ausgangsclips für 9:16 neu und passte ihren Rhythmus an. 100 Credits.

Die Speicher- und Konnektorenebene machte sich in Schritt 3 bezahlt. Das einmal zu Beginn geladene Brand-Kit sorgte über die ersten sechs oder sieben Einstellungen hinweg für Konsistenz. Danach ließ die Referenztreue von Seedance sichtbar nach – passend zur Obergrenze für multimodale Referenzen. Der Agent musste das Kit zwischen den Einstellungen weder erneut in den Prompt aufnehmen noch dazu aufgefordert werden. Dieser Teil des Supercomputer-Versprechens ist real.

Wo das Ergebnis die Markenwelt verließ

Zwei Mängel, beide in der Art Direction – und beide diagnostisch aufschlussreich.

Drift eins: Die Akzentfarbe wurde wärmer. Der Cyan-Akzent – in drei Einstellungen als Requisit, in einer als grafische Einblendung – war in den Einstellungen 1 bis 6 markenkonform und in den Einstellungen 8 bis 14 sichtbar wärmer. Nicht katastrophal warm, aber deutlich genug, um bei der Qualitätssicherung im direkten Vergleich mit dem Printsystem durchzufallen. Hier zeigt sich die Obergrenze der multimodalen Referenzen in der Praxis. Seedance akzeptiert bis zu 9 Bildreferenzen. Nach sechs oder sieben Einstellungen in einer Kette wird das Referenzsignal schwächer, und das Modell fällt auf die in seinen Trainingsdaten angelegte Ästhetik zurück – warm und cineastisch. Ein Mensch in der Regie erkennt das im Schnitt. Der Agent nicht, denn er gleicht die Farbkorrektur nicht mit einem Markenfarbfeld ab, sondern bewertet nach dem Prinzip „looks like the references, mostly.“

Drift zwei: eine verbotene Kamerabewegung. Einstellung 11 kam mit einer langsamen umkreisenden Push-in-Fahrt um das Hero-Objekt zurück. Ein wunderschönes Bild. Und das falsche. Im Treatment stand ausdrücklich no orbit, no push, locked or lateral only. Der Agent las „cinematic product reveal“ und routete die Aufgabe an einen Seedance-Prompt, der genau das erzeugte, was laut Trainingsdaten zu einer cineastischen Produktenthüllung gehört. Autonomes Routing optimiert für „cinematic“ – ein vertretbarer Standard für generische Arbeiten, aber der falsche für ein fest definiertes Markensystem.

Der diagnostisch entscheidende Moment war der Score des Virality Predictor: Er bevorzugte den nicht markenkonformen Schnitt. Höherer Hook-Score, höhere Hold Rate, etwas wärmere Farbe, die verbotene umkreisende Push-in-Fahrt unverändert enthalten. Die Kennzahl, die der Agent optimiert, ist nicht die Kennzahl, für die der Kunde bezahlt. Bei UGC in großen Mengen ist das ein Feature; bei einem Markensystem ist es der Fehlermodus.

Higgsfield Supercomputer: Kosten je Produktions-Skill

Die Zahlen stammen aus meinem Test im Creator-Tarif ($29/Monat, ~3,500 Credits) im Mai 2026. Die aktuellen Werte sollten auf der Preisseite geprüft werden, denn Tarife und Credit-Kosten haben sich seit dem Start bereits zweimal geändert.

Der komplette Durchlauf verbrauchte 2,140 Credits. Damit blieben für weitere Arbeiten im selben Monat noch 1,360 Credits. Pro fertiger Sekunde sind das rund 47 Credits/Sekunde beziehungsweise im Creator-Tarif etwa $0.40 aus dem Tarifkontingent je fertiger Filmsekunde.

Die Falle sind die Kosten für Neugenerierungen. Um die beiden Drift-Probleme zu beheben, war Folgendes nötig:

• Die Einstellungen 8 bis 14 mit einem enger geführten Referenz-Seed erneut erzeugen und die umkreisende Push-in-Fahrt im Prompt sperren: +820 Credits.
• Ein zweiter Upscaling-Durchlauf für die Ersatzbilder: +60 Credits.
• Ein weiterer Durchlauf des Virality Predictor für die korrigierte Fassung: +30 Credits.

Die korrigierte Auslieferung kostete 3,050 Credits – 42% mehr als der erste Durchlauf. Bei einem sauberen Lauf ist die rechnerische Ersparnis gegenüber der manuellen Pipeline real. Sie schrumpft jedoch schnell, sobald die Qualitätssicherung der Marke Neugenerierungen erzwingt. Bei einem Briefing mit größerem Markenspielraum spricht die Kostenbilanz klar für den Supercomputer. In einem streng definierten Markensystem kippt sie nach zwei oder drei Neugenerierungszyklen zugunsten der manuellen Pipeline.

Dasselbe Muster zeigte sich beim agentenbasierten Durchlauf mit Canva AI 2.0 und bei der Style-Transfer-Kette von Krea 2: Die Wirtschaftlichkeit des ersten Agenten-Durchlaufs ist hervorragend. Die tatsächlichen Kosten stecken in den Neugenerierungen.

Wo ich den Schnitt zurückholte – und wann ich es nicht tun würde

Für dieses Briefing funktionierte folgende Übergabe: Der Agent erledigt Skript → Storyboards → Einstellungsgenerierung → Roh-Audio. Ein Mensch übernimmt Farbabgleich, finalen Schnitt, Einhaltung der Bewegungsregeln und Einblendungen. Beim nächsten Durchlauf werde ich die verbotenen Kamerabewegungen bereits im Treatment per Prompt sperren und das Brand-Kit alle fünf Einstellungen um einen zusätzlichen Referenzframe mit festgelegtem Cyan ergänzen. Ich verlasse mich aber nicht darauf, dass beides den Drift beseitigt. Beides soll ihn nur so weit reduzieren, dass der manuelle Durchgang 90 Minuten statt eines halben Tages dauert.

Der Supercomputer ist die richtige Wahl für:

• Social Cuts, bei denen Geschwindigkeit zählt und die Markentoleranz groß ist
• interne Pitch-Filme und Previsualisierungen, deren Publikum das Team und nicht der Kunde ist
• große Mengen UGC, wenn die Markenvorgabe lautet: „stay in the visual neighborhood“
• jedes Briefing, bei dem die Alternative lautet: „we don't have the budget to make this at all“

Er ist nicht die richtige Wahl für:

• fest definierte Markensysteme zahlender Kunden ohne menschliche Konsistenzprüfung
• Arbeiten, die ohne Farbkorrektur direkt neben bestehendem Print- oder Webmaterial bestehen müssen
• Briefings, bei denen Schnittrhythmus und Kamerasprache Teil des geistigen Eigentums sind

Runways agentenbasiertes Studio bleibt innerhalb eines einzigen Tools und bietet engere Kontrolle über einen kleineren Funktionsumfang. Der Supercomputer gewinnt bei der Breite der Orchestrierung und verliert bei der direkten Steuerbarkeit. Beide scheitern an derselben Stelle – der Markenkonsistenz über eine Kette hinweg – und beide verkürzen die Produktion, nicht aber die Art Direction.

Die Erkenntnis aus Designsicht: Der Supercomputer komprimiert die Produktion, nicht die Art Direction. Der menschliche Durchgang gehört ins Budget. Wegdenken lässt er sich nicht.

Ist der Higgsfield Supercomputer gut genug, um Markenfilme für Kunden ohne menschlichen Schnitt auszuliefern?

Nicht bei fest definierten Markensystemen. Bei einem echten Briefing kam er auf ~80%, ließ aber nach Einstellung sechs die Akzentfarbe ins Warme driften und fügte eine verbotene Kamerabewegung ein, die ein Kunde schon beim ersten Ansehen ablehnen würde. Für lockerere Briefings – Social, Pitch, UGC – ist das Ergebnis bereits gut genug, um es unbearbeitet auszuliefern.

Welches Modell erzeugt die Videos des Supercomputers?

Seedance 2.0 – ein Dual-Branch-DiT mit getrenntem Visual Branch und Audio Branch, der 4–15-sekündige Clips mit bis zu 1080p generiert. Orchestriert wird er von der Logik des Hermes Agent, die andere Schritte je nach Skill an GPT-5.5, Claude Opus, Gemini, Veo und Kling verteilt.

Wie viele Credits kostet ein fertiger Markenfilm tatsächlich?

Im getesteten Creator-Tarif kostete ein sauberer 45-Sekunden-Durchlauf 2,140 Credits (~$18 des Kontingents, ~47 Credits pro fertiger Sekunde). Nach der Neugenerierung der beiden Marken-Drift-Probleme lag die korrigierte Auslieferung bei 3,050 Credits – 42% über dem ersten Durchlauf. Die Kosten je Skill stehen oben im Credit-Abschnitt.

Worin unterscheidet sich das vom agentenbasierten Videostudio von Runway?

Der Agent von Runway bleibt in einem Tool und bietet enge Kontrolle über einen kleineren Funktionsumfang. Der Supercomputer routet zwischen vielen Modellen – Seedance, Veo, Kling, GPT-5.5, Claude, Gemini – und führt 61 Produktions-Skills durchgängig aus. Die Fehlermuster unterscheiden sich: Runway greift zu kurz, der Supercomputer routet zu viel.

Hilft der Virality Predictor bei der Wahl des besten Schnitts?

Er bewertet Hook und Hold Rate, nicht die Markentreue. Bei diesem Briefing bevorzugte er die markenfremde Fassung mit dem wärmeren Akzent und der verbotenen umkreisenden Push-in-Fahrt. Er ist ein Signal für Reichweite, kein Freigabekriterium für die Auslieferung.

---

Wer kreative KI-Pipelines für echte Kundenprojekte einsetzt und nach Prompts sucht, die Markenkonsistenz über eine generative Kette hinweg sichern, findet mein System in einem kostenlosen Prompt-Paket für KI-Poster und -Kampagnen – mit genau den Treatments, Referenzstrukturen und Prompt-Sperren, die sich in den Durchläufen dieses Beitrags bewährt haben.