Ett enda kommando slår ut fem API:er: Alibaba Cloud öppnar koden för Bailian CLI – striden om agenternas vatten, el och gas har börjat

Den 29 maj gjorde Alibaba Cloud något som fick agentutvecklare att jubla kollektivt – Bailians kärnförmågor blev officiellt CLI-baserade, och med ett enda kommando kan en AI-agent automatiskt koppla upp sig mot över 150 modeller, ett tiotal applikationer, kunskapsbas, minne, webbsökning och hela den övriga uppsättningen förmågor.

Ännu viktigare: Bailian CLI är nu öppen källkod på GitHub (modelstudioai/cli), med inbyggt stöd för ledande agentramverk som Claude Code, Qoder, OpenClaw och Hermes Agent.

Sammanfattat i en mening: de agentförmågor som förr krävde tio manuella API-anrop löses nu med ett enda kommando, bl.

Vad är Bailian CLI egentligen?

Alibaba Cloud Bailian (Model Studio) är en allt-i-ett-utvecklingsplattform för stora modeller och agentapplikationer. Tidigare skedde interaktionen via webbkonsol + API-SDK – du fick skriva kod, konfigurera miljö och hantera tokens.

Nu har Bailian CLI flyttat alla kärnförmågor till kommandoraden:

• textchatt: ledande modeller som Qwen3.7-max
• multimodal (Omni): fullt stöd för text + bild + ljud + video
• bildgenerering/redigering: Qwen-Image 2.0, med professionell textrendering, fotografisk bildkvalitet och sammansättning av flera bilder
• videogenerering/redigering: HappyHorse-1.0-serien, text-till-video/bild-till-video/referensvideo, upp till nio referensbilder
• taligenkänning/talsyntes: CosyVoice strömmande TTS + röstklon från 5–20 sekunders ljud; FunAudio-ASR stödjer 30 språk, däribland 7 kinesiska dialekter
• bild-/videoförståelse: Qwen-VL, med analys av långa videor, tolkning av diagram och dokument, visuellt resonerande och flerspråkig OCR
• kunskapsbas + minne: multimodal RAG-hämtning + minne över sessioner
• applikationsanrop: anropa direkt agenter och arbetsflöden publicerade på Bailian-plattformen
• webbsökning: sökning på internet i realtid
• konsolförmågor: bläddra i applistningar, kontrollera gratisanspråk
• automatisk uppladdning av lokala filer: varje URL-parameter tar också emot lokala sökvägar, som laddas upp automatiskt till gratis tillfällig lagring (giltig i 48 timmar)

Och varje kommando kan användas som ett strukturerat tool call – AI-agenter kan alltså anropa dem direkt, utan att du behöver skriva wrapper-kod.

Installation i tre steg, igång direkt

Systemkrav: Node.js >= 22.12.

Steg 1: installera CLI + Skills

npm install -g bailian-cli
npx skills add modelstudioai/skills --all -g

Steg 2: autentisering

bl auth login --api-key sk-xxxxx

API-nyckeln hämtas från Bailian-konsolen; kostnadsfria användare får 1 miljon tokens per modell, upp till 50 miljoner att hämta.

Steg 3: börja använda

Chatta med Qwen:

bl text chat --message "What is DashScope?"

Multimodal konversation (text + bild + ljud + video):

bl omni --message "描述这张图" --image ./photo.jpg

Generera bilder:

bl image generate --prompt "A cat in a spacesuit" --out-dir ./images/

Generera video (från lokal bild):

bl video generate --image ./cat.png --prompt "Make the cat move" --download cat.mp4

Kontrollera gratisanspråk:

bl usage free --model qwen3-max

Bläddra i Bailians applikationer:

bl app list

Uppdatera CLI:n själv:

bl update

En mening genererar en två minuter lång japansk ungdomsfilm: officiell riktig demo

I Bailian CLIs GitHub-README finns en officiell demo som lämnade mig helt stum.

Ursprunglig prompt:

Hjälp mig att generera en video i japansk filmbetonad stil, berättelsen om en gymnasiejentas oskuldsfulla första kärlek, med en mycket söt handling som får en att längta efter att bli förälskad – cirka 2 minuter lång, i formatet 16:9

Slutresultatet: en komplett kortfilm på 2 minuter i 16:9, filmisk kvalitet, hela vägen utan manuell redigering.

Exekveringskedjan bakom ser ut så här:

• Qwen Code (en agentic coding-modell) tolkar användarens avsikt, planerar berättelsens rytm och bestämmer vilka verktyg som ska anropas
• spark-video Skill delar upp berättelsen i scener, skriver en prompt för varje scen och upprätthåller den visuella sammanhållningen (karaktärer, belysning, färgton, filmspråk)
• Bailian CLIs bl video generate distribuerar varje scen parallellt till HappyHorse 1.0 för generering
• Skill-komponenten sätter ihop alla klipp till den färdiga 16:9-filmen på 2 minuter

Ingen tidslinje att dra i, ingen redigering bildruta för bildruta – en mening in, en video ut.

Detta är den största vinsten med CLI-formen: komplexa arbetsflöden förvandlas till atomära förmågor som agenter kan orkestrera automatiskt.

Varför CLI-formen är trumfkortet i agentepoken

Du kanske tycker: CLI är ju bara kommandorad, en urgammal teknik – är det värt att bli så upphetsad?

Poängen ligger i hur väl CLI-formen passar agenterna.

Traditionell API-integration:

• kräver kod (Python/Node/Go – en uppsättning för varje)
• kräver hantering av SDK-versioner
• kräver hantering av autentisering, timeouts, omförsök och felkoder
• och agentanrop kräver dessutom wrapper-kod

CLI-integration:

• agenten arbetar ju via skalet – CLI är dess naturliga språk
• ett kommando är ett verktygsanrop, med strukturerad utdata som matas direkt tillbaka till modellen
• helt språköberoende – bash, Python, Node och Go anropar alltihop
• uppgradering kräver bara bl update – agentens kod behöver inte ändras

Ännu mer intressant: Bailian CLI är direkt och inbyggt kompatibel med ledande agentramverk som Claude Code, Qoder, OpenClaw och Hermes Agent. Det innebär:

• i Claude Code säger du ”generera en bild åt mig” – den anropar bl image generate direkt
• i OpenClaw säger du ”analysera den här videon” – den anropar bl:s videoförståelse direkt
• i Qoder, medan du skriver kod, anropar du bara bl när en förmåga saknas

Agenten behöver ingen extra konfiguration för att få tillgång till hela Bailians uppsättning på över 150 modeller.

Vad ligger bakom de 150+ modellerna?

Bailian-plattformen samlar inte bara Alibabis egen Tongyi-familj, utan även:

• hela Qwen-familjen (Qwen3-Max, Qwen-Image 2.0, Qwen-VL, Qwen Code m.fl.)
• DeepSeek-serien
• GLM-serien (Zhipu)
• Kimi-serien (Moonshot AI)
• MiniMax-serien
• Alibabas egna multimodala modeller: HappyHorse, CosyVoice, FunAudio-ASR
• stora mängder integrerade tredjepartsmodeller med öppen källkod

Fördelen med denna sammanslagning: du behöver inte ansöka om API-nyckel, fylla på konto och integrera separat hos varje modellföretag. Ett enda Bailian-konto räcker för allt.

Tillsammans med Alibaba Clouds andra vapen, Coding Plan (ett fast månadsabonnemang som samlar flera modeller), kan utvecklare med en fast månadskostnad använda alla ledande modeller utan oro för att API-anropen spränger budgeten.

Genomtänkt autentisering

Bailian CLI erbjuder tre autentiseringsmetoder:

• miljövariabel: export DASHSCOPE_API_KEY=sk-xxxxx
• inloggningskommando: bl auth login –api-key sk-xxxxx (sparas permanent i ~/.bailian/config.json)
• engångskommando: bl text chat –api-key sk-xxxxx –message Hello

Konsolförmågorna (app list, usage free) kräver inloggning via webbläsare:

bl auth login --console

Kunskapsbassökning kräver AccessKey för RAM-underkonto:

export ALIBABA_CLOUD_ACCESS_KEY_ID=LTAI5t...
export ALIBABA_CLOUD_ACCESS_KEY_SECRET=...
export BAILIAN_WORKSPACE_ID=ws-...

Den officiella dokumentationen påminner också om att använda RAM-underkonto och inte rotkontots AK/SK – ett mycket professionellt säkerhetsråd.

Den verkliga signalen i Alibabis drag

Sätter man Bailian CLI i kontexten av Alibaba Clouds satsningar i år blir takten tydlig:

• 28 januari: Alibaba Cloud lanserar en komplett molntjänstsvit för OpenClaw och levererar infrastrukturen som agenter behöver
• april: Qwen3.7-Max släpps, med programmeringsförmåga i klass med Claude
• maj: abonnemangspaketet Coding Plan lanseras, från 49 yuan/månad med en samling av fyra ledande modeller
• 29 maj: Bailian CLI blir officiellt öppen källkod, redo att användas direkt av agenter

Avsikten med denna kombination är mycket tydlig:

Alibaba Cloud tänker inte enbart sälja modell-API. Målet är att bli agentepokens vatten, el och gas – vill du bygga agentapplikationer täcker de hela kedjan, från infrastruktur (OpenClaw-molntjänster) och modellval (Coding Plan) till förmågeanrop (Bailian CLI) och kompatibilitet med agentramverk (Claude Code/OpenClaw/Hermes/Qoder).

Detta är exakt samma logik som när AWS i molnepoken byggde S3+EC2+Lambda – sälj inte bara enskilda tjänster, sälj hela ekosystemet.

Förhållandet till projekt som OpenClaw och Hermes

Den som känner agentekosystemet frågar sig: eftersom Alibaba har både Qwen Code och Bailian, varför då aktivt välja att vara kompatibel med tredjepartsramverk som OpenClaw och Hermes?

Svaret är mycket konkret: utvecklarnas arbetsflöden har redan tagits över av dessa agentramverk med öppen källkod.

• OpenClaw har 356 000 stjärnor och är ett av de snabbast växande projekt med öppen källkod i GitHubs historia
• Hermes Agent nådde 71 000 stjärnor på knappt två månader och har den mest entusiastiska flytten bland självständiga utvecklare
• Claude Code och Qoder är ledande AI-programmeringsverktyg både i Kina och utomlands

Alibaba Clouds val: i stället för att konkurrera om användarnas sinnen med dessa projekt är det bättre att stå som infrastrukturleverantör – oavsett vilket agentramverk du använder kan du anropa våra förmågor.

Detta är en extremt mogen strategi att sälja skyfflar. Guldletarna byts ut, men skyfflarna säljs alltid.

Praktiska råd till utvecklare

Om du vill prova redan i dag, gör så här:

Steg ett: hämta gratis-tokens

Öppna konto i Bailian-konsolen; varje modell ger 1 miljon tokens gratis, upp till totalt 50 miljoner. Det räcker långt för en vanlig utvecklare i två månader.

Steg två: installera CLI:n

npm install -g bailian-cli
bl auth login --api-key sk-xxxxx

Steg tre: testa de mest värdefulla förmågorna

Prova i tur och ordning:

• bl image generate (bildgenerering, jämför med MidJourney)
• bl video generate (videogenerering, HappyHorse 1.0)
• bl omni (multimodal konversation)
• bl text chat (Qwen3.7-Max, jämför med Claude)

Steg fyra: anslut din agent

Om du använder Claude Code, OpenClaw, Hermes eller Qoder konfigurerar du bl som tillgängligt verktyg – då kan agenten anropa det på egen hand.

Steg fem: kör videodemon

Prova den officiella spark-video Skill för att generera en kortfilm från en enda mening – och upplev hur ett komplett agentarbetsflöde känns.

Avslutningsvis

Konkurrensen i AI-agentepoken handlar inte längre om vem som har högst modellpoäng, utan om vem som gör det enklast för agenter att använda multimodala, flerkapabla och verktygsöverskridande kombinationer.

Den verkliga vikten av att Bailian CLI blir öppen källkod är att det utjämnar det mest smärtsamma steget: att anropa förmågor. Tidigare krävde en agent som kunde tolka bilder, skriva text, generera video, söka på nätet och anropa kunskapsbas integration av fem eller fler API:er. Nu klarar ett enda kommando, bl, alltihop.

För den enskilda utvecklaren: 80 % mindre boilerplate-kod, mer fokus på produktlogik.

För företagsteam: en hel hög med driftkostnader för API-integrationer försvinner, plus Bailian-plattformens inhemska compliance-stöd.

För agentekosystemet i stort: Bailian CLIs mönster – atomära förmågor + agentvänlig design – kommer sannolikt att efterliknas av andra storföretag. Under det kommande året eller två är det troligt att Tencent Cloud, Huawei Cloud och ByteDance Volcano Engine följer efter med liknande CLI-verktyg.

Striden om agenternas vatten, el och gas har officiellt börjat.

GitHub-adress: github.com/modelstudioai/cli