Artificial Analysis meluncurkan Code2Video-AA, benchmark video pemasaran yang dibuat dengan kode

Artificial Analysis memperkenalkan Code2Video-AA, implementasi mereka sendiri dari Code2Video Bench milik HeyGen, yang dibuat melalui kemitraan dengan HeyGen. Model menerima 114 brief pemasaran produk dan merek, lalu harus menjawab masing-masing dengan komposisi HTML HyperFrames dalam satu respons, tanpa alat; komposisi tersebut dirender menjadi video tanpa akses jaringan. Model penilai (Gemini 4 Argon, high) membandingkan pasangan video berdasarkan keterlibatan, kesesuaian dengan maksud prompt, komposisi, konsistensi temporal, dan keterampilan pengerjaan; rating Elo dari kelima aspek dirata-ratakan menjadi skor utama. Lebih dari 35.000 penilaian menentukan peringkat 27 model. Hasil ini merupakan hasil pengujian Artificial Analysis sendiri.

Hasil yang dilaporkan:

• Claude Opus 5.5 (max with fallback) memimpin dengan 1536 Elo, unggul 93 poin dari model berikutnya, dan berada di posisi teratas pada kelima aspek, dengan keunggulan terbesar pada keterampilan pengerjaan. Biayanya $3.08 per tugas.
• Claude Sonnet 5.5 (1443) dan GPT-6 Astra (1427) secara statistik imbang di posisi kedua.
• GPT-6.1 Sol (max) berada di posisi keempat dengan 1369 dan biaya $0.31 per tugas, sekitar sepersepuluh biaya Opus 5.5. Biaya per tugas untuk semua model berkisar dari $0.01 hingga $3.89, dan delapan model berada di frontier Pareto Elo terhadap biaya.
• Model open-weight tertinggal setidaknya 483 poin: DeepSeek V4.1 Flash (max, 1053), MiMo-V2.6-Flash (1052), dan MiMo-V2.6-Pro (1052) menjadi yang teratas, dengan biaya $0.01 hingga $0.08 per tugas.