Artificial Analysis lanza Code2Video-AA, un benchmark de videos de marketing creados con código

Artificial Analysis presentó Code2Video-AA, su propia implementación de Code2Video Bench de HeyGen, desarrollada en colaboración con HeyGen. Los modelos reciben 114 briefs de marketing de productos y marcas, y deben responder a cada uno con una composición HTML de HyperFrames en una sola respuesta, sin herramientas; la composición se renderiza como video sin acceso a la red. Un modelo juez (Gemini 4 Argon, high) compara pares de videos según su capacidad para captar la atención, la intención del prompt, la composición, la coherencia temporal y la ejecución, y las puntuaciones Elo de los cinco ejes se promedian para obtener la puntuación principal. Más de 35.000 evaluaciones clasifican 27 modelos. Los resultados son propios de Artificial Analysis.

Resultados que reporta:

• Claude Opus 5.5 (max with fallback) lidera con 1536 Elo, 93 puntos por delante de los siguientes modelos, y encabeza los cinco ejes, con su mayor ventaja en ejecución. Cuesta $3.08 por tarea.
• Claude Sonnet 5.5 (1443) y GPT-6 Astra (1427) están estadísticamente empatados en segundo lugar.
• GPT-6.1 Sol (max) ocupa el cuarto puesto con 1369 y cuesta $0.31 por tarea, aproximadamente una décima parte del costo de Opus 5.5. El costo por tarea de los modelos oscila entre $0.01 y $3.89, y ocho modelos están en la frontera de Pareto de Elo frente al costo.
• Los modelos de pesos abiertos quedan al menos 483 puntos por detrás: DeepSeek V4.1 Flash (max, 1053), MiMo-V2.6-Flash (1052) y MiMo-V2.6-Pro (1052) son los primeros, con un costo de $0.01 a $0.08 por tarea.