Artificial Analysis、コードで作るマーケティング動画のベンチマーク「Code2Video-AA」を公開

Artificial Analysisは、HeyGenとの共同開発による、HeyGenのCode2Video Benchの独自実装「Code2Video-AA」を公開しました。モデルには114件の商品・ブランドマーケティングのブリーフが提示され、それぞれに対し、ツールを使わず単一の応答でHyperFramesのHTMLコンポジションを作成する必要があります。コンポジションはネットワークアクセスなしで動画にレンダリングされます。評価モデル（Gemini 4 Argon、high）が、エンゲージメント、プロンプトの意図、構図、時間的な一貫性、完成度の5項目で動画をペア比較し、5項目のEloレーティングを平均して総合スコアを算出します。3万5,000件を超える判定に基づき、27モデルを順位付けしています。結果はArtificial Analysis独自のものです。

同社が報告した結果:

• Claude Opus 5.5（max with fallback）が1536 Eloで首位。次点のモデルを93ポイント上回り、5項目すべてでトップです。特に完成度で最大の差をつけています。1タスクあたりのコストは$3.08です。
• Claude Sonnet 5.5（1443）とGPT-6 Astra（1427）は、統計的に同率2位です。
• GPT-6.1 Sol（max）は1369で4位、1タスクあたり$0.31です。これはOpus 5.5の約10分の1のコストです。モデルごとの1タスクあたりのコストは$0.01～$3.89で、8モデルがEloとコストのパレートフロンティアに位置しています。
• オープンウェイトモデルは少なくとも483ポイント差で後れを取っています。上位はDeepSeek V4.1 Flash（max、1053）、MiMo-V2.6-Flash（1052）、MiMo-V2.6-Pro（1052）で、1タスクあたりのコストは$0.01～$0.08です。