Artificial Analysis ra mắt AA-Video-I2V v2.1, một benchmark dành cho các mô hình chuyển ảnh thành video

Artificial Analysis đã ra mắt AA-Video-I2V v2.1 và AA-Video-I2V-Silent v2.1, một benchmark dành cho các mô hình chuyển ảnh thành video. Mỗi prompt ghép một ảnh mở đầu 1080p với prompt được viết riêng cho ảnh đó, đồng thời được gắn thẻ theo trường hợp sử dụng, năng lực và phong cách hình ảnh; các mô hình được đánh giá ở độ phân giải tối đa 1080p và xếp hạng trên 10 trường hợp sử dụng cùng 10 năng lực. Bảng xếp hạng tổng thể lấy mẫu đồng đều từ các nhóm này. Kết quả do chính Artificial Analysis công bố.

Bảng xếp hạng AA-Video-I2V v2.1 dựa trên hơn 58.000 lượt bình chọn từ những người đánh giá kín tại Mỹ và Anh, trên 1.000 prompt; phiên bản Silent dựa trên hơn 44.000 lượt bình chọn trên 500 prompt. Artificial Analysis cho biết chỉ 5% prompt xuất hiện trên arena công khai của họ và prompt được luân phiên hằng tháng để hạn chế việc mô hình bị nhiễm dữ liệu.

Kết quả do họ công bố:

• Dreamina Seedance 2.5 đứng #1 tổng thể, ngang bằng về mặt thống kê với Seedance 2.0 và dòng MiniMax H3, đồng thời dẫn đầu 11 bảng xếp hạng theo danh mục. Với giá $34.12 mỗi phút, đây là mô hình đắt nhất trong top 10.
• Dreamina Seedance 2.0 đứng #2, và #1 ở các hạng mục Đồng bộ hóa âm thanh và Ánh sáng & Chất liệu.
• MiniMax H3 (768p), một mô hình có trọng số mở, đứng #3 với giá $4.80 mỗi phút, khoảng một phần bảy giá của Seedance 2.5, và #1 ở hạng mục Hiển thị văn bản. Mô hình nằm trên đường biên Pareto giữa chất lượng và giá cả của cả hai benchmark.
• MiniMax H3 Max, được fal hậu huấn luyện, đứng #4 ở bảng có âm thanh và #1 ở phiên bản Silent.
• Bach 1.0 Pro của Video Rebirth đứng #3 ở phiên bản Silent, ngang bằng về mặt thống kê với vị trí #1, với giá $7.20 mỗi phút.
• Bảng xếp hạng khác với chuyển văn bản thành video: Wan 3.0, dẫn đầu AA-Video-T2V v2.1, đứng #5 ở đây; còn Gemini Omni Flash 1.1 đứng #9 tổng thể nhưng #3 ở hạng mục Đồng bộ hóa âm thanh.