Ein Video aus einem einzigen Satz generieren? Noch vor einem Jahr klang das für gewöhnliche Nutzer unglaublich. OpenClaw, eine Open-Source-Plattform für KI-Agenten, hebt dies mit seiner neuesten Version 2026.4.5 auf ein neues Niveau.
Was genau hat sich geändert? Das integrierte Tool video_generate ist hinzugekommen. Der Agent erhält automatisch Zugriff darauf, sobald Sie den API-Schlüssel eines beliebigen unterstützten Anbieters einrichten. Kein manuelles Hinzufügen zur Liste erlaubter Tools, keine zusätzliche Konfiguration.
Zwölf Anbieter und ein Befehl
Vielleicht überrascht es Sie, wie viele Dienste OpenClaw unterstützt. Google Veo, OpenAI Sora, Runway, MiniMax, xAI, fal, Alibaba, BytePlus, Qwen, Together AI, ComfyUI und Vydra. Alle diese Anbieter sind in einer einheitlichen Schnittstelle gebündelt. Der Agent wählt anhand der verfügbaren Schlüssel und der festgelegten Konfiguration selbst den passenden Anbieter aus.
Die gesamte Auswahl erfolgt in dieser Reihenfolge: zuerst der Parameter direkt im Befehl, dann das primäre Modell aus der Konfiguration, anschließend die Ersatzmodelle, und wenn nichts davon eingerichtet ist, beginnt die automatische Erkennung. Fällt ein Anbieter aus? Dann wird zum nächsten gewechselt, ohne dass Sie sich um etwas kümmern müssen.
Wenn Nutzer ein Standardmodell fest vorgeben möchten, genügt eine einzige Zeile:openclaw config set agents.defaults.videoGenerationModel.primary "google/veo-3.1-fast-generate-preview"
Drei Modi für alles
OpenClaw unterscheidet drei Arten der Videogenerierung, und diese Unterscheidung ist ziemlich wichtig. Text zu Video (generate) funktioniert ganz ohne Ausgangsmaterial. Bild zu Video (imageToVideo) verwendet ein Referenzfoto und animiert es. Video zu Video (videoToVideo) verwendet eine vorhandene Aufnahme und gestaltet sie um.
Jeder Anbieter unterstützt unterschiedliche Kombinationen dieser Modi. Beispielsweise unterstützt Runway alle drei, doch die Umwandlung von Video zu Video erfordert das konkrete Modell gen4_aleph. Google Veo verarbeitet Text und Bilder, doch die gemeinsamen Tests überspringen die Video-Transformation, da das dortige Eingabeformat bislang nicht mit dem gemeinsamen Standardtest übereinstimmt. MiniMax oder fal wiederum arbeiten nur mit Text oder einem einzigen Referenzbild. So kann jeder passend zum jeweiligen Bedarf wählen.
Die Videogenerierung erfolgt nicht sofort. OpenClaw berücksichtigt das und wickelt den gesamten Prozess asynchron ab. Nach dem Absenden der Anfrage erhalten Sie umgehend eine Aufgaben-ID zurück. Der Anbieter verarbeitet das Video im Hintergrund, üblicherweise 30 Sekunden bis 5 Minuten lang, abhängig vom Anbieter und von der Auflösung. Sobald es fertig ist, reaktiviert OpenClaw die ursprüngliche Sitzung und sendet das Video zurück in die Unterhaltung.
Den Status der Aufgabe können Sie mit folgendem Befehl überprüfen: openclaw tasks list openclaw tasks show <taskId>
Falls der Agent zwischenzeitlich versucht, die Generierung erneut zu starten, stoppt OpenClaw ihn und gibt lediglich den aktuellen Status der bereits laufenden Aufgabe zurück. Keine Duplikate, keine Verschwendung von API-Guthaben.
Weitere Neuerungen im Update
Die Videogenerierung ist zweifellos die größte Neuerung, doch die Version 2026.4.5 hat noch deutlich mehr gebracht. Hinzugekommen ist die Musikgenerierung über das Tool music_generate mit Unterstützung für Google Lyria und MiniMax. Außerdem wurden neue Anbieter von Sprachmodellen ergänzt: Qwen, Fireworks AI und StepFun. Plattformübergreifend wurden Dutzende Fehler behoben: bei Telegram, Discord, WhatsApp, Matrix, Slack und MS Teams. Sicherheitsupdates verschärften die Berechtigungsverwaltung für Plugins, die Gerätekopplung sowie den SSRF-Schutz des Browsers.
Mehr als tausend Commits seit der Veröffentlichung der letzten Version. Und über neunzig Mitwirkende aus aller Welt. Diese Plattform verschläft die Entwicklung ganz sicher nicht.
