本文目錄
2026 年 10 月 26 日，Artificial Analysis 發布 Code2Video-AA：對 HeyGen Code2Video Bench 的獨立實現。評測對象是用程式碼設計短片產品／品牌動效的能力，不是「誰更像可靈／Sora 那樣直接出像素」。選型 UI 動效、動能字幕或產品演示解說模型時，這張榜更貼近工作。HeyGen 影片產品線近況可對照：HeyGen 不只做數位人了，新影片模型能從描述生成整場戲。
下文數字以 Artificial Analysis 2026 年 10 月 26 日發榜文為準（dataset 0.3.0）。AA 另有可刷新的榜頁；榜刷新後，這篇只代表該日快照，不是永久排名。
「用程式碼做影片」在本榜裡指什麼
流程故意收得很窄：
- AA 把設計 brief 與 HeyGen 系統提示一併發給模型；
- 單次呼叫、無工具——沒有瀏覽、沒有多步 agent；
- 模型返回一份 HyperFrames 構圖：
index.html，HTML 負責版式，GSAP 負責動畫； - AA 把構圖 render 成影片；
- Gemini 4 Argon 做五軸 Pairwise Elo，總分為五軸均值，錨點 GPT-5.5（xhigh）＝1000。
模型比的是「程式碼寫出的短片動效像不像合格的動態設計師一稿」，不是擴散影片生成器裡的運鏡發明。公開 split 示例包括鎖定機位的線框工具錄屏風、動能字進產品 reveal、聊天氣泡色循環等——偏產品行銷動效語言。方法細節在 AA intelligence-benchmarking 頁的 Code2Video-AA 節。下文整理發榜文與方法說明；本站未複跑這張榜。
發榜誰領先
規模：27 個模型 × 114 條 brief。關鍵 Elo 與 AA 任務成本：
| 模型（發榜切面） | Code2Video-AA Elo | AA 成本／任務 |
|---|---|---|
| Claude Opus 5.5 (max with fallback) | 1536（第一；五軸皆第一） | 約 $3.08 |
| Claude Sonnet 5.5 (max with fallback) | 1443（第二檔） | — |
| GPT-6 Astra (max) | 1427（與 Sonnet 接近） | 約 $1.62 |
| GPT-6.1 Sol (max) | 1369（第四） | 約 $0.31（約 Opus 十分之一） |
| Claude Haiku 5.5 (max) | 1192（Pareto 點） | 約 $0.08 |
Opus 領先下一名 93 Elo。相對 Sonnet，craft 軸領先最大（128），prompt intent 最小（48）；temporal consistency 區分度最低。各軸名次與總分幾乎一致（單軸相對總分最多移動六名），均值沒有藏大幅換位。
說白了：演示常栽在間距／層級／緩動上，就多看 craft；brief 裡寫死「鎖機位、不准 zoom、指定色板」卻老被模型忽略，就盯 prompt intent。temporal consistency 區分度最低，說明在本切面上「幾秒內動效是否連貫」不如「看起來是否成品、是否跟 brief」更能拉開名次。
GPT-6.1 Sol 的 1369／約 $0.31 是多數產品團隊會截的成本故事：總分第四，AA 任務成本約為 Opus（$3.08）的十分之一。Astra Elo 靠近 Sonnet，但約 $1.62——相對 Sol 約 5× 成本換 58 Elo，適合問「這點工藝差值不值五倍評測帳單」。若一天要跑大量 HTML 動效草稿，Sol 通常是表裡第一行；銷售關鍵或上線成片再升到 Opus，並接受 AA 口徑下約每任務 $3 的模型呼叫成本。
成本跨度、Pareto 與開源權重
全場 AA 單次任務成本約 $0.01–$3.89（＞300×）。八個模型落在 Elo–成本 Pareto 前沿；文中可點的有 Haiku 5.5（1192／$0.08）與 Sol（1369／$0.31）。
開源權重至少落後 483 Elo：本切面靠前的是 DeepSeek V4.1 Flash (max) 1053，以及 MiMo-V2.6-Flash／MiMo-V2.6-Pro 約 1052。必須可下載權重時當作地板，不是與 Opus 同檔承諾。
以上美元均為 Artificial Analysis 單次任務評測成本，不是客戶成片報價、代理工時、素材或配音。若供應商另報「每條影片」創意套餐，那通常含人工、修改與交付——Code2Video-AA 的 $/task 只是 AA 在固定 brief、單次呼叫規則下量到的模型呼叫切片。
渲染率與 token 形態
構圖須先 render 成影片 裁判才看得見。發榜 3042／3078（98.8%）成功；8 個模型 114／114；最低 GLM-5.3 (max) 110／114。渲染失敗會對成功出片的對手全敗。
每任務輸出 token 約 ~11k–176k，差異多來自 reasoning；最終答案（構圖）約 ~4k–12k。Claude 5.5 三款輸出最多（約 152k–176k／任務），其餘 24 模型均值約 ~42k、中位數約 ~34k。這與 Claude 5.5 系 Elo／AA 成本雙高、以及 Sol 以更低帳單拿到第四，是同一條故事線。
怎麼用這張榜選型
先把三種常被混談的工作拆開：
- 像素影片生成（可靈、Sora 一類）——不是 Code2Video-AA 的對象；
- 影片理解（時間軸問答／檢索）——更宜看：Gemini 影片分析怎麼選：逐秒取樣還是按需檢索；
- 程式碼設計的短片動效（HTML／GSAP 產品演示、動能字、UI 解說）——本榜。
發榜數字的實用切法：
- 只要本評測最高工藝分 → Opus 5.5 的 1536 與五軸全第一；
- 要強設計、壓低 AA 單次帳單 → Sol 第四約 $0.31，或 Haiku Pareto 約 $0.08／1192；
- 在 GPT-6 系裡加錢 → Astra 約 $1.62 相對 Sol 多約 58 Elo，看演示是否吃這點差；
- 必須開源權重 → 預期 ≥483 Elo 差距，並自查渲染率與 HTML／GSAP；
- 做產品站演示或字幕動效 → 對照 brief→HTML→render；即便不用 AA 裁判，斷 GSAP、爛版式、渲染崩潰仍是本榜加壓的失敗模式。
可落地的工作流：預設用便宜前沿模型（本榜上的 Haiku 或 Sol）出草稿；人眼設計審過的再升到更高 Elo 模型出終稿 HTML；自己的播放器裡 render 與 QA 後再交給市場。這樣 AA 的成本跨度不會直接變成整筆製作預算，榜分仍可當相對工藝信號。
另兩點放在表旁：裁判是 Gemini 4 Argon——同生態模型也以參賽行出現在榜上（發榜 Elo 中游）。這不等於兩兩對比無效，但 Elo 應讀成「Gemini 4 Argon 怎麼排這些成片」，不是人類創意總監盲評。brief 來自 HeyGen 公開 split（CC BY 4.0）；各團隊品牌規範、法務與在地化仍在分外。
站內另一條 Artificial Analysis 相關報導：螞蟻 Ming-3.0-tts 進入 Artificial Analysis 開源 TTS 榜前列。
對於中日文字排版與在本榜設定下的實際製作效果，本站暫時還沒有測試；用過的話可透過網站底部站長聯絡方式回饋。