营销视频榜Opus领先九十三分贵十倍

营销视频榜 Opus 领先九十三分，代价是十倍的价钱。

要点照录。Code2Video-AA 上线，这是 ArtificialAnlys 对 HeyGen 的 Code2Video Bench 做的独立实现，考的是模型怎么用代码做出产品和品牌营销视频。

题量和做法摆开：114 条 design briefs，每条要求把营销需求变成一份 @HyperFrames_ 的 HTML 组合，再渲染成视频；输出之间两两比较，五个轴打分，Engagement、Prompt Intent、Composition、Temporal Consistency、Craft，各自算 Elo 再平均，得出头条那个 Code2Video-AA Elo；这活是和 @HeyGen 合作搭的。

成绩那几条：Claude Opus 5.5（max with fallback，1536）领先 93 分，但每题 $3.08，比 GPT-6.1 Sol（max，1369）贵约十倍，Sol 落后 167 分；Opus 5.5 把五个评审轴全拿下，Claude Sonnet 5.5（1443）和 GPT-6 Astra（1427）统计上并列第二；单题成本的跨度超过 300 倍，从 $0.01 到 $3.89，第四名的 GPT-6.1 Sol 每题 $0.31，比 Opus 的 $3.08 低约九成；开源权重那档落后至少 483 分，头三名是 DeepSeek V4.1 Flash（1053）、MiMo-V2.6-Flash（1052）和 MiMo-V2.6-Pro（1052），每题只要 $0.01 到 $0.08。

细节也留着：模型单次作答不带工具，HyperFrames 渲染时断网；评审是 Gemini 4 Argon（high），两两比对五个轴，总分由各轴 Elo 组合算出；超过 35,000 次裁决把 27 个模型排出 Elo，带 95% 置信区间。更多结果和示例视频在 thread 里，链接没展开。

"九十三分的领先，十倍的价钱"这半句是场重心。前面那份基准尺讲的是量是真，这条讲的是账真。跟前面那场酒吧访谈呼应，那条在小桌上谈模型即产品，这条在榜单边上看产品把质量和成本摆上了同一根轴。两头都在提醒同一件事，视频生成这行的榜单从来不能只看名次，Opus 拿满五轴是本事，一题三块和一题三毛的选择题留给了用的人。

"我不这么认为"这半句我单独拎出来。前面那份专用模型路线讲的是把自己那摊事做好，这条讲的是把"Opus 全面领先"当定论放一放。114 条营销 brief 是一条窄赛道，不代表叙事视频；Gemini 4 Argon 当裁判自己也有偏好；开源那档落后 483 分看着惨，可每题一分钱的价钱根本不在一个赛场。榜单这东西，名次是一维的，把成本那维加进去才见真章。

我留的疑问有三处。五轴的权重怎么配没在这条列出；35,000 次裁决的裁判一致性没说；HyperFrames 断网渲染会不会削弱复杂场景也没讲，这些都在 thread 里才看得到。

这周把开源那三个一分钱模型拉出来，看 483 分的差距在自己那条 brief 上差多少。