Hypit: Wir haben den KI-Agenten-Skill getestet, der virale Videos klont

Hypit landete am 29. Juli 2026 auf GitHub und knackte innerhalb weniger Tage 8.000 Stars. Bis zum 22. September hatte es mehr als 13.000 Stars und 1.500 Forks – und stand an der Spitze von Trendshifts Tageschart. Der Pitch ist unverblümt: Klonen Sie jedes virale Video mit KI-Agents. Wir haben es installiert, sieben echte Aufgaben durch Codex und Claude Code gejagt und festgehalten, was dabei herauskam, wie es unter der Haube funktioniert und was es tatsächlich gekostet hat. Das ist dieser Teardown. Quelle: github.com/hypit-ai/hypit.

Was ist Hypit?

Hypit von Hypit.AI gibt KI-Coding-Agents wie Claude Code und Codex „eine Sprache und ein System, um Videos zu erstellen“. Es ist kein gehosteter Editor. Es kommt als Skill für Agents, als Command-Line-Tool und als TypeScript-Monorepo mit 122 Packages: Konnektoren für Seedance, GPT Image, Nano Banana, Grok Imagine, MiniMax, ElevenLabs und Fish Audio sowie Untertitel, Hintergrundentfernung, B-Roll-Tracks, Filmeffekte und einen Renderer.

Die Kernidee ist SVML, Hypits eigene Markup-Sprache. Ihr Agent schreibt das Video als SVML; Hypit kompiliert es und rendert die Frames (in den Beispielen werden 64 parallele headless-Chromium-Prozesse genutzt). Das Timing ist an Wörter gebunden, nicht an Sekunden. WhisperX richtet jedes gesprochene Wort aus, und die Visuals hängen an Spannen des Skripts. Das ist echter Code aus dem Fußball-Tier-List-Beispiel des Repos:

<HOST>Ronaldo is <D | Dee> tier. || Bro has @{hair-gel} more ||
  hair gel than @{trophy} trophies || at this point.@{/trophy}@{/hair-gel}

<media-track:Item id="hair-gel" image={broll-hair-gel.image}
  extent={hair-gel-extent} during={story.selection.hair-gel}
  motion={recipes.motion.broll-left}/>

Das hair-gel-B-Roll-Bild ist genau so lange im Bild, wie diese Wörter gesprochen werden. Schreiben Sie die Zeile um, fließt das Timing automatisch neu – deshalb kann ein Projekt Dutzende Varianten ausspucken.

Drei weitere Dinge, die Sie wissen sollten, bevor Sie es installieren:

• Generierungsmodelle sind optional. Ein Projekt kann Untertitel, Motion Graphics und codegerenderte Visuals zu einem fertigen Video kompilieren, ohne irgendein Videomodell aufzurufen.
• Sie bezahlen die Services, nicht Hypit. Hypit ist kostenlos; Ihr Coding-Agent und die Model-Provider rechnen separat ab. Der empfohlene Hosting-Service HypiHub hat in unserem Run Credits für $15 pro 2.000 verkauft, und Sie können stattdessen auch Ihre eigenen API-Keys oder lokale Modelle anbinden.
• Die Lizenz hat Bedingungen. Die „Hypit Open Source License“ ist Apache 2.0 mit Zusatzklauseln: Sie dürfen Hypit kommerziell innerhalb Ihrer eigenen Organisation nutzen, aber das Hosting als Multi-Tenant-Service für andere oder ein Weiterverkauf erfordert eine kommerzielle Lizenz. Die Videos, die Sie erstellen, gehören Ihnen.

So funktioniert es: was wir in unseren Runs gesehen haben

Die Installation ist ein einziger Befehl: npx skills add hypit-ai/hypit -g. Beim ersten Einsatz findet oder installiert der Agent das Hypit-Executable (Node.js 22.15 oder neuer). Ab da folgte jede Aufgabe derselben Schleife.

1. Der Agent schaut sich die Referenz an und zerlegt sie

Wir gaben Codex einen 34-sekündigen Finance-Explainer und tippten „Hypit, copy this video.“ Es schaute den Clip, beschrieb seine Struktur (ein Talking-Head-Intro, gefolgt von fünf direkt aufeinanderfolgenden Market-Charts, mit Zooms und überzeichneten Kontrasten) und schlug einen Plan vor: Host, Stimme und Skript beibehalten und die Charts, Untertitel und Kamerabewegungen als bearbeitbare Elemente nachbauen. Dann fragte es, was wir ersetzen wollen.

2. Es bepreist den Job, bevor es irgendetwas ausgibt

Das war der beruhigendste Teil. Vor jedem bezahlten Call legte der Agent eine Kostentabelle vor und wartete. Für einen chinesischen Talking-Head-Clip veranschlagte er 4,39 Credits (ca. $0,03), um das Original zu transkribieren und lokal nachzubauen, versus $5,69–9,34, vor Retries, um alle 132 Sekunden On-Camera-Footage in 720p neu zu generieren. Dann bat er um Erlaubnis, für die reine Transkription maximal 10 Credits (ca. $0,075) zu belasten – mit dem Hinweis, dass „noch keine bezahlten Calls gemacht wurden“.

3. Es baut, rendert und gibt Ihnen ein bearbeitbares Projekt

Nach Freigabe generiert der Agent die Bausteine, kompiliert das SVML und rendert. Sie erhalten eine fertige Datei und das Projekt dahinter, das sich in Hypit Studio öffnet: Source links, Vorschau in der Mitte, Properties rechts und unten eine Multi-Track-Timeline. Sie können per Hand editieren oder den Agenten bitten, den Schnitt selbst zu prüfen und zu fixen.

Wir haben es wirklich laufen lassen: sieben Tasks

Wir haben sieben Aufgaben in den Desktop-Apps von Codex und Claude Code laufen lassen und Seedance 2 Mini für Video sowie GPT Image 2 für Bilder genutzt. Das kam jeweils heraus:

• Talking-Head-Motion-Graphics. Wir baten es, den Torn-Paper-, Sticker-und-Tape-Editing-Style eines Creators auf einen unserer Talking-Head-Clips zu übertragen. Es hat den Look überzeugend nachgebaut.
• Outfit-Swap. Ein angesagtes Try-on-Video, bei dem das Outfit durch ein Videospiel-Kostüm ersetzt wurde. In den meisten Shots hielt es stand.
• Style Transfer. Ein Meme-Clip, neu gezeichnet in einem bekannten Adult-Animation-Style. Es nutzte den Originalclip als Basis und restylte darüber – das Ergebnis war wirklich gut.
• Subject Swap. Ein virales Gesangsvideo mit etwa einer Million Likes, bei dem die zwei Performer durch zwei Katzen ersetzt wurden. Es gab kleine Schwächen, aber insgesamt war es stark (erster Clip unten).
• Gleicher Stil, neuer Inhalt. Aus einem populären Finance-Explainer schrieb der Agent ein neues „Why HBM matters“-Skript, zeichnete die Diagramme in Code und generierte einen On-Camera-Presenter für die obere linke Ecke. Sein Report: „Exported, 37.1 s, 1080p … only the first round of generation ran; no additional paid generation.“ Die gesamte Aufgabe kostete 1 Stunde 8 Minuten Agent-Zeit.
• Die Blender-Überraschung. Als wir ihn baten, die mit Dominosteinen gelegten Initialen in einem Tech-Reviewer-Video auszutauschen, hat er Videomodelle komplett übersprungen. Er baute die Szene in Blender nach, renderte 87 Frames (2,9 Sekunden bei 30 fps) und setzte sie in ansonsten unverändertes Footage ein. Das war der chirurgischste Fix der Woche.
• Filmisches Smartphone-Review. Ein filmisches Produkt-Review, neu gemacht mit einem digitalen Presenter und generierter B-Roll (zweiter Clip unten). Insgesamt das schwächste Ergebnis: Der KI-Look war offensichtlich, und es liegt klar hinter einem menschlichen Editor.
• E-Commerce-Skit. Aus einem Referenzbild und dem Quellvideo baute er ein kurzes Sales-Skit nach, in dem eine Puppe Eier mit einem Hammer zerschlägt. Wir bewerteten es ungefähr auf dem Niveau des Originals, das selbst KI-generiert war.

Hinweis zu dem, was wir hier zeigen: Die meisten dieser Tests starteten mit Videos anderer Creators – und diese Gesichter, Stimmen und Aufnahmen dürfen wir nicht erneut veröffentlichen. Daher sind die Clips unten Outputs ohne Personen im Bild, und ihr Audio ist stummgeschaltet.

Demo-Clips aus unseren Runs

Zwei ungeschnittene Outputs aus den Tests oben, aus unserer Bildschirmaufnahme herausgeschnitten.

Ehrliches Urteil: Stärken und echte Grenzen

Was uns beeindruckt hat:

• Es klont Struktur, nicht nur ein Skript. Das Ergebnis ist ein erneut ausführbares Projekt – Host, Produkt oder Sprache zu tauschen ist ein neuer Run, kein neuer Schnitt.
• Wortverankertes Timing. Schreiben Sie eine Zeile um, bleiben B-Roll, Untertitel und Schnitte synchron.
• Es wählt das günstigste Tool, das funktioniert. Es nutzt Videomodelle, wenn es generieren muss, und Code oder sogar Blender, wenn ein chirurgischer Fix reicht.
• Kostentransparenz. Es schätzt jeden Schritt und fragt vor bezahlten Calls nach – das ist bei Agent-Tools selten.

Wo es schwächelt:

• Der Agent ist die eigentliche Rechnung. Hypits eigene README-Beispiele nennen etwa $1,10 an Model-Fees pro Klon. In unseren Tests war der größere Kostenblock der Coding-Agent: Sieben Aufgaben brachten unseren $100-ChatGPT-Plan von 50 % auf 3 % seines Usage-Kontingents.
• Es ist langsam. Ein Klon brauchte mehr als eine Stunde Agent-Zeit.
• Realistische Remakes sehen trotzdem nach KI aus. Das filmische Review war klar synthetisch, und generierte Shots zeigten kleine Artefakte.
• Sie brauchen einen Agent-Workflow. Sie brauchen einen Coding-Agenten, Node.js 22.15+ und Model-Accounts. Es ist developerfreundlich – nicht für jemanden, der einfach nur ein Video will.
• Die Lizenz ist nicht vollständig permissiv. Ohne kommerzielle Lizenz dürfen Sie Hypit weder als Service für andere Teams hosten noch weiterverkaufen.
• Die Rechteklärung liegt bei Ihnen. Hypit sagt, Ihre Outputs gehören Ihnen – aber die Gesichter, Stimmen, Aufnahmen und Musik der Referenz gehören ihren Eigentümern. Behandeln Sie ein virales Video als Struktur, aus der man lernt, nicht als Material zum Wiederveröffentlichen.

Hypit vs. ein gehostetes KI-Video-Tool

Hypit und gehostete Tools wie VisionStory enden beide in einem fertigen Video, aber sie starten an unterschiedlichen Punkten und rechnen unterschiedlich ab.

Wählen Sie Hypit, wenn Sie Ads- oder UGC-Varianten in großem Umfang produzieren, sich ein Gewinnerformat als Template lohnt und ein Developer im Team ist. Wählen Sie ein gehostetes Tool, wenn Sie heute ein Presenter-Video möchten und lieber nicht Stunden Agent-Zeit bezahlen wollen, um es zu bekommen.

Was Hypit uns gelehrt hat

Nach einer Woche Runs ist unser Fazit: „clone any viral video“ ist die Headline, nicht der Punkt. Die nachhaltige Idee ist, die Struktur eines Videos in ein Template zu verwandeln, das ein Agent erneut ausführen kann. Sie zerlegen, was in den Videos anderer und in Ihren eigenen funktioniert, behalten das Skelett und lassen den Agenten die Teile generieren, die sich ändern. Dorthin steuert KI-Video – und es ist dieselbe Richtung wie bei unserem eigenen KI-Video-Agenten: Beschreiben Sie das Video, das Sie wollen, und lassen Sie es von einem Agenten zusammensetzen – ohne Setup und ohne Agent-Rechnung.

Für eine weitere Sicht auf agentgetriebenes Video sehen Sie sich unseren Teardown von OpenMontage an, das eine ähnliche Idee mit einer anderen Pipeline verfolgt.