本文目录
2026 年 10 月 26 日，Artificial Analysis 发布 Code2Video-AA：对 HeyGen Code2Video Bench 的独立实现。评测对象是用代码设计短片产品／品牌动效的能力，不是「谁更像可灵／Sora 那样直接出像素」。选型 UI 动效、动能字幕或产品演示解说模型时，这张榜更贴近工作。HeyGen 视频产品线近况可对照：HeyGen 不只做数字人了，新视频模型能从描述生成整场戏。
下文数字以 Artificial Analysis 2026 年 10 月 26 日发榜文为准（dataset 0.3.0）。AA 另有可刷新的榜页；榜刷新后，这篇只代表该日快照，不是永久排名。
「用代码做视频」在本榜里指什么
流程故意收得很窄：
- AA 把设计 brief 与 HeyGen 系统提示一并发给模型；
- 单次调用、无工具——没有浏览、没有多步 agent；
- 模型返回一份 HyperFrames 构图：
index.html，HTML 负责版式，GSAP 负责动画； - AA 把构图 render 成视频；
- Gemini 4 Argon 做五轴 Pairwise Elo，总分为五轴均值，锚点 GPT-5.5（xhigh）＝1000。
模型比的是「代码写出的短片动效像不像合格的动态设计师一稿」，不是扩散视频生成器里的运镜发明。公开 split 示例包括锁定机位的线框工具录屏风、动能字进产品 reveal、聊天气泡色循环等——偏产品营销动效语言。方法细节在 AA intelligence-benchmarking 页的 Code2Video-AA 节。下文整理发榜文与方法说明；本站未复跑这张榜。
发榜谁领先
规模：27 个模型 × 114 条 brief。关键 Elo 与 AA 任务成本：
| 模型（发榜切面） | Code2Video-AA Elo | AA 成本／任务 |
|---|---|---|
| Claude Opus 5.5 (max with fallback) | 1536（第一；五轴皆第一） | 约 $3.08 |
| Claude Sonnet 5.5 (max with fallback) | 1443（第二档） | — |
| GPT-6 Astra (max) | 1427（与 Sonnet 接近） | 约 $1.62 |
| GPT-6.1 Sol (max) | 1369（第四） | 约 $0.31（约 Opus 十分之一） |
| Claude Haiku 5.5 (max) | 1192（Pareto 点） | 约 $0.08 |
Opus 领先下一名 93 Elo。相对 Sonnet，craft 轴领先最大（128），prompt intent 最小（48）；temporal consistency 区分度最低。各轴名次与总分几乎一致（单轴相对总分最多移动六名），均值没有藏大幅换位。
说白了：演示常栽在间距／层级／缓动上，就多看 craft；brief 里写死「锁机位、不准 zoom、指定色板」却老被模型忽略，就盯 prompt intent。temporal consistency 区分度最低，说明在本切面上「几秒内动效是否连贯」不如「看起来是否成品、是否跟 brief」更能拉开名次。
GPT-6.1 Sol 的 1369／约 $0.31 是多数产品团队会截的成本故事：总分第四，AA 任务成本约为 Opus（$3.08）的十分之一。Astra Elo 靠近 Sonnet，但约 $1.62——相对 Sol 约 5× 成本换 58 Elo，适合问「这点工艺差值不值五倍评测账单」。若一天要跑大量 HTML 动效草稿，Sol 通常是表里第一行；销售关键或上线成片再升到 Opus，并接受 AA 口径下约每任务 $3 的模型调用成本。
成本跨度、Pareto 与开源权重
全场 AA 单次任务成本约 $0.01–$3.89（＞300×）。八个模型落在 Elo–成本 Pareto 前沿；文中可点的有 Haiku 5.5（1192／$0.08）与 Sol（1369／$0.31）。
开源权重至少落后 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 约 1052。必须可下载权重时当作地板，不是与 Opus 同档承诺。
以上美元均为 Artificial Analysis 单次任务评测成本，不是客户成片报价、代理工时、素材或配音。若供应商另报「每条视频」创意套餐，那通常含人工、修改与交付——Code2Video-AA 的 $/task 只是 AA 在固定 brief、单次调用规则下量到的模型调用切片。
渲染率与 token 形态
构图须先 render 成视频 裁判才看得见。发榜 3042／3078（98.8%）成功；8 个模型 114／114；最低 GLM-5.3 (max) 110／114。渲染失败会对成功出片的对手全败。
每任务输出 token 约 ~11k–176k，差异多来自 reasoning；最终答案（构图）约 ~4k–12k。Claude 5.5 三款输出最多（约 152k–176k／任务），其余 24 模型均值约 ~42k、中位数约 ~34k。这与 Claude 5.5 系 Elo／AA 成本双高、以及 Sol 以更低账单拿到第四，是同一条故事线。
怎么用这张榜选型
先把三种常被混谈的工作拆开：
- 像素视频生成（可灵、Sora 一类）——不是 Code2Video-AA 的对象；
- 视频理解（时间轴问答／检索）——更宜看：Gemini 视频分析怎么选：逐秒采样还是按需检索；
- 代码设计的短片动效（HTML／GSAP 产品演示、动能字、UI 解说）——本榜。
发榜数字的实用切法：
- 只要本评测最高工艺分 → Opus 5.5 的 1536 与五轴全第一；
- 要强设计、压低 AA 单次账单 → Sol 第四约 $0.31，或 Haiku Pareto 约 $0.08／1192；
- 在 GPT-6 系里加钱 → Astra 约 $1.62 相对 Sol 多约 58 Elo，看演示是否吃这点差；
- 必须开源权重 → 预期 ≥483 Elo 差距，并自查渲染率与 HTML／GSAP；
- 做产品站演示或字幕动效 → 对照 brief→HTML→render；即便不用 AA 裁判，断 GSAP、烂版式、渲染崩溃仍是本榜加压的失败模式。
可落地的工作流：默认用便宜前沿模型（本榜上的 Haiku 或 Sol）出草稿；人眼设计审过的再升到更高 Elo 模型出终稿 HTML；自己的播放器里 render 与 QA 后再交给市场。这样 AA 的成本跨度不会直接变成整笔制作预算，榜分仍可当相对工艺信号。
另两点放在表旁：裁判是 Gemini 4 Argon——同生态模型也以参赛行出现在榜上（发榜 Elo 中游）。这不等于两两对比无效，但 Elo 应读成「Gemini 4 Argon 怎么排这些成片」，不是人类创意总监盲评。brief 来自 HeyGen 公开 split（CC BY 4.0）；各团队品牌规范、法务与本地化仍在分外。
站内另一条 Artificial Analysis 相关报道：蚂蚁 Ming-3.0-tts 进入 Artificial Analysis 开源 TTS 榜前列。
对于中日文字排版与在本榜设定下的实际制作效果，本站暂时还没有测试；用过的话可通过网站底部站长联系方式反馈。