Artificial Analysis ने Code2Video-AA लॉन्च किया, जो कोड से बनाए गए मार्केटिंग वीडियो का बेंचमार्क है

Artificial Analysis ने HeyGen के साथ साझेदारी में बनाया गया, HeyGen के Code2Video Bench का अपना कार्यान्वयन Code2Video-AA पेश किया। मॉडल को उत्पादों और ब्रांडों के मार्केटिंग से जुड़े 114 ब्रीफ़ दिए जाते हैं और उन्हें हर ब्रीफ़ के जवाब में, बिना टूल इस्तेमाल किए, एक ही प्रतिक्रिया में HyperFrames HTML कंपोज़िशन देना होता है; फिर नेटवर्क ऐक्सेस के बिना उस कंपोज़िशन को वीडियो में रेंडर किया जाता है। एक जज मॉडल (Gemini 4 Argon, high) एंगेजमेंट, प्रॉम्प्ट के इरादे, कंपोज़िशन, समयगत निरंतरता और शिल्प के आधार पर वीडियो के जोड़ों की तुलना करता है। पाँचों पहलुओं की Elo रेटिंग का औसत ही मुख्य स्कोर बनता है। 35,000 से अधिक फैसलों के आधार पर 27 मॉडल की रैंकिंग की गई है। ये नतीजे Artificial Analysis के अपने हैं।

इसके द्वारा बताए गए नतीजे:

• Claude Opus 5.5 (max with fallback) 1536 Elo के साथ सबसे आगे है—अगले मॉडलों से 93 अंक आगे—और पाँचों पहलुओं में शीर्ष पर है। इसकी सबसे बड़ी बढ़त शिल्प में है। इसकी प्रति टास्क लागत $3.08 है।
• Claude Sonnet 5.5 (1443) और GPT-6 Astra (1427) दूसरे स्थान के लिए सांख्यिकीय रूप से बराबरी पर हैं।
• GPT-6.1 Sol (max) $0.31 प्रति टास्क की लागत पर 1369 के साथ चौथे स्थान पर है—Opus 5.5 की लागत का लगभग दसवाँ हिस्सा। मॉडलों में प्रति टास्क लागत $0.01 से $3.89 तक है, और Elo बनाम लागत के Pareto फ्रंटियर पर आठ मॉडल हैं।
• ओपन-वेट मॉडल कम-से-कम 483 अंकों से पीछे हैं: DeepSeek V4.1 Flash (max, 1053), MiMo-V2.6-Flash (1052) और MiMo-V2.6-Pro (1052) इनमें सबसे आगे हैं; इनकी प्रति टास्क लागत $0.01 से $0.08 तक है।