بورد ویدیو آرتیفیشال آنالیسیس نوامبر ۲۰۲۶ وان ۳.۰ علی‌بابا را با ۱۱۷۵ اِلو در تبدیل متن به ویدیو در صدر نشاند. مینی‌مکس اچ۳ به عنوان نخستین مدل وزن‌باز در سه رتبه اول هر دو بورد متنی و تصویری ظاهر شد. تحلیل‌های اخیر نشان می‌دهد که هزینه‌های واقعی API می‌تواند ۳۴٪ بالاتر از قیمت‌های اعلامی باشد، همان‌طور که در مقاله مالیات پنهان هوش مصنوعی بررسی شده است.
بورد ویدیو آرتیفیشال آنالیسیس: سه تغییر ساختاری
دوازده ماه پیش مسابقه تولید ویدیو بر روی کلیپ‌های بی‌صدای پنج ثانیه‌ای از آزمایشگاه‌های بسته متمرکز بود. امروز آرنا ویدیو مدل‌ها را بر اساس ترجیح انسانی کور با صدا همگام‌سازی‌شده رتبه‌بندی می‌کند، با کلینگ ۳.۰ ۱۰۸۰پی پرو به عنوان مرجع ۱۰۰۰ اِلو در هر دو بورد. عکس‌برداری ۱۳ نوامبر ۲۰۲۶ بر پایه ۷۶۵۱ رأی برای مدل برتر استوار است، با فاصله اطمینان ±۱۳ تا ±۱۵ اِلو برای نمرات ده اول که رتبه‌های سوم تا هشتم را یک خوشه آماری می‌سازد، نه نردبانی دقیق. این بورد سه تغییر بنیادین را تایید می‌کند:
- پست‌ترنینگ مسیر غالب به کیفیت مرزی شده است.
- قیمت از رتبه جدا شده است.
- مرز وزن‌باز به دو شاخه مجوز تفکیک شده است.
وان ۳.۰: رهبر متن‌به‌ویدیو با ورودی سند
وان ۳.۰ در تبدیل متن به ویدیو با ۱۱۷۵ اِلو و ۷۶۵۱ رأی در صدر است، اما در تصویر‌به‌ویدیو به رتبه یازدهم با ۱۱۰۸ اِلو می‌ریزد. مدل کلیپ‌های ۱۰۸۰پی ۳۰ ثانیه‌ای از متن، پی‌دی‌اف و اسلایدها را با ۰.۲۰ دلار بر ثانیه تولید می‌کند. علی‌بابا وزن‌ها را منتشر نکرده است؛ وان ۲.۲ از ژوئیه ۲۰۲۵ آخرین پرچمدار ویدیوی باز شرکت باقی مانده. قابلیت سند‌به‌ویدیو تمایزکننده کلیدی برای گردش‌های کار توضیحی و تک‌ته طولانی است.
یوتوپای ایکس: پست‌ترن استودیویی در دو رتبه اول هر دو بورد
یوتوپای استودیوز، یک استودیوی فیلم‌سازی در ماونتن ویو، مینی‌مکس اچ۳ را پست‌ترن کرده تا یوتوپای ایکس را بسازد که ۱۱۷۰ اِلو در متن‌به‌ویدیو و ۱۱۵۱ اِلو در تصویر‌به‌ویدیو کسب کرده — تنها مدلی که در هر دو بورد در دو رتبه اول قرار دارد. دسترسی انحصاری از طریق پلتفرم پی‌ای‌آی یوتوپای با ۹۳ اعتبار بر ثانیه و پلن‌ها از ۱۵ دلار برای ۱۰۰۰ اعتبار امکان‌پذیر است. API عمومی وجود ندارد، بنابراین استفاده به فیلم‌سازان درون ابزار استودیو محدود می‌شود.
مینی‌مکس اچ۳: نخستین مدل وزن‌باز در صف اول
مینی‌مکس اچ۳ در متن‌به‌ویدیو رتبه سوم با ۱۱۶۱ اِلو و در تصویر‌به‌ویدیو رتبه چهارم با ۱۱۳۳ اِلو دارد، با قیمت ۰.۰۸ دلار بر ثانیه از طریق API. این ترنسفورمر تک‌جریان متراکم ۳۳ میلیارد پارامتری، Qwen3-VL-32B را به عنوان انکودر به کار می‌برد و صدا استریو ۳۲ کیلوهرتز بومی تولید می‌کند. انتشار هاگینگ فیس دو چک‌پوینت با مجموع ۲۸۸ گیگابایت را شامل می‌شود، برای استنتاج محلی به H100 80GB نیاز دارد و استقرار در آمریکا، اروپا، بریتانیا و کره جنوبی را محدود می‌کند. تنها پایه اچ۳ (H3-Base) ۷۶۸پی باز است؛ بزرگ‌نمایی ۲K مختص API باقی مانده. حداقل چهار مدل دیگر در چهارده اول — یوتوپای ایکس، هِی‌جن ویدیو ۱، فال اچ۳ ماکس و پیکا اچ۳ فلیکس — به عنوان پست‌ترن‌های اچ۳ اعلام شده‌اند که اچ۳ را لایه پایه در واقع تولید ویدیو ۲۰۲۶ می‌سازد.
سیدنس ۲.۵: قهرمان تصویر‌به‌ویدیو با پرمیوم قیمت
سیدنس ۲.۵ بایت‌دنس در تصویر‌به‌ویدیو با ۱۱۶۱ اِلو صدر دارد و در متن‌به‌ویدیو رتبه چهارم با ۱۱۵۵ اِلو است. از ۳۱ ژوئیه از طریق جیمینگ ای‌آی و دوبائو پرو عرضه شده، تا ۳۰ ثانیه تولید با ۳۰ مرجع تصویر، ۱۰ مرجع ویدیو و ۱۰ مرجع صدا را پشتیبانی می‌کند. آرتیفیشال آنالیسیس ۳۴.۱۲ دلار در دقیقه (۰.۵۶۹ دلار بر ثانیه) را قیمتش می‌داند — گران‌ترین بورد — اگرچه بایت‌پلاس ۱.۱۵۶ دلار برای کلیپ ۵ ثانیه‌ای ۷۲۰پی بدون ورودی ویدیو (~۰.۲۳ دلار بر ثانیه) نقل می‌کند. دسترسی API منطقه‌ای باید قبل از برنامه‌ریزی بار کاری تأیید شود.
جمینای اومنی فلش ۱.۲: بهترین نسبت قیمت به کیفیت مرزی
جمینای اومنی فلش ۱.۲ گوگل، از ۵ نوامبر به طور عمومی در دسترس، ۱۱۵۴ اِلو در متن‌به‌ویدیو و ۱۰۸۶ در تصویر‌به‌ویدیو کسب کرده. خروجی ویدیو ۱۲ دلار در میلیون توکن است، حدود ۰.۰۷۰ دلار بر ثانیه در ۷۲۰پی و ۰.۱۰۴ دلار بر ثانیه بر اساس ۱۰۸۰پی نرمال‌سازی شده آرتیفیشال آنالیسیس — کاهش ۳۰ درصدی نسبت به نسخه ۱.۱ و پرش ۲۷ اِلو در متن‌به‌ویدیو. درخواست‌های نسخه ۱.۱ از ۳ دسامبر به ۱.۲ هدایت می‌شوند.
فلاکس ۳ ماکس: تولید نزدیک‌مرزی بهینه‌شده برای تأخیر
فال ریسرچ فلاکس ۳ ماکس را با بلاک فارست لَبز پست‌ترن کرده، در ۱۹ اکتبر با ۱۱۵۳ اِلو متن‌به‌ویدیو و ۱۰۶۸ اِلو تصویر‌به‌ویدیو برای ۰.۱۴۵ دلار بر ثانیه عرضه کرد. فال ادعا می‌کند کلیپ ۱۰ ثانیه‌ای ۷۲۰پی در حدود ۱۲ ثانیه رندر می‌شود در برابر ۲۷۷.۸ ثانیه برای سیدنس ۲.۵ در مقایسه خودشان. مدل یک نقطه پایانی API با فال اچ۳ ماکس مشترک دارد که تعویض مدل با یک شناسه مدل امکان‌پذیر می‌سازد.
هِی‌جن ویدیو ۱: بهترین ارزش در ده اول
هِی‌جن ویدیو ۱، یک مولد صحنه عمومی متمایز از موتور آواتار شرکت، مینی‌مکس اچ۳ را پست‌ترن کرده تا ۱۱۵۲ اِلو متن‌به‌ویدیو و ۱۱۲۴ اِلو تصویر‌به‌ویدیو با ۰.۰۴ دلار بر ثانیه بدست آورد — نصف قیمت پایه اچ۳ برای کیفیت مشابه. در بورد متن‌به‌ویدیو بی‌صدا با ۱۱۴۶ اِلو صدر دارد. شناسه مدل API heygen-video-1 است، هدف‌گذاری بر کلیپ‌های اجتماعی حجم بالا و واریانت‌های تبلیغاتی که نرخ دفع هزینه را هدایت می‌کند.
فال مینی‌مکس اچ۳ ماکس: واریانت سریع اچ۳ برای کاربران فال
فال اچ۳ ماکس پست‌ترن ۱۱۴۹ اِلو متن‌به‌ویدیو و ۱۱۱۵ اِلو تصویر‌به‌ویدیو با ۰.۱۶ دلار بر ثانیه، فقط API. در اوت ۲۰۲۶ با تمرکز بر پایبندی به پرامپت و کیفیت بصری منتشر شد، فال ادعا می‌کند کلیپ ۵ ثانیه‌ای در حدود ۳ ثانیه تولید می‌شود. به طور کوتاه در تصویر‌به‌ویدیو صدر داشت قبل از اینکه پست‌ترن‌های جدیدتر آن را پشت سر بگذارند.
اسکایریلز وی۴ و فلاکس ۳: ورودی‌های مارس و اکتبر
اسکای‌ورک ای‌آی اسکایریلز وی۴ مارس ۲۰۲۶ در متن‌به‌ویدیو رتبه نهم با ۱۱۳۷ اِلو و در تصویر‌به‌ویدیو رتبه پنجم با ۱۱۲۵ اِلو برای ۰.۳۵ دلار بر ثانیه — توجیه در متن‌به‌ویدیو دشوار وقتی جمینای اومنی فلش ۱.۲ نمره بالاتر را با کمتر از یک‌سوم قیمت می‌دهد. بلاک فارست لَبز فلاکس ۳ با ۱۱۳۷ اِلو متن‌به‌ویدیو و ۱۰۷۱ اِلو تصویر‌به‌ویدیو برای ۰.۲۹ دلار بر ثانیه با کلیپ ۲۰ ثانیه‌ای و صدا بومی عرضه شده؛ BFL نسخه‌های باز Dev را در ادامه ۲۰۲۶ وعده داده.
بورد وزن‌باز: دروازه‌های قلمرو و درآمد
رده وزن‌باز توسط مینی‌مکس اچ۳ با ۱۱۶۱ اِلو تحت مجوز جامعه مینی‌مکس اچ۳ (مسدودیت قلمرو، سقف ۷۶۸پی) رهبری می‌شود. پیکا اچ۳ فلیکس با ۱۱۲۴ اِلو با آداپتور لورا روی اچ۳ تحت همان مجوز دنبال می‌کند. لایت‌ریکس ال‌تی‌اکس ۲.۵ فست با ۹۴۳ اِلو تحت مجوز جامعه ال‌تی‌اکس ۲.اکس که برای موجودیت‌هایی با درآمد سالانه بیش از ۱۰ میلیون دلار مجوز پولی می‌طلبد — که آن را پیش‌فرض عملی برای تیم‌های آمریکا و اروپا می‌سازد با وجود عقب ماندن حدود ۲۰۰ اِلو از اچ۳. ویدئو ریبیرث هایپرفلو اچ۳ فلش اچ۳ را به ۱۳.۷ میلیارد پارامتر فشرده کرده، از یک GGUF ۹.۱ گیگابایت روی GPU ۲۴ گیگابایت اجرا می‌شود.
تحلیل ارزش: اِلو بر دلار از رتبه جدا شده
کیفیت و قیمت دیگر هم‌راه هم نیستند. هِی‌جن ویدیو ۱ ۳۸۰۰ اِلو-بالای-مرجع بر دلار-ثانیه تحویل می‌دهد، در پی آن پیکا اچ۳ فلیکس با ۳۵۴۳ و مینی‌مکس اچ۳ با ۲۰۱۲. وان ۳.۰ تقریبا ۲۳ اِلو بر هِی‌جن ویدیو ۱ می‌خرد با ۵ برابر هزینه بر ثانیه. معیار ارزش (اِلو − ۱۰۰۰) ÷ قیمت-بر-ثانیه تفاوت‌های تفکیک‌پذیری و طول کلیپ را نادیده می‌گیرد اما برجسته می‌کند که سه مدل ارزان‌ترین صف اول همه مشتقات اچ۳ یا خود اچ۳ هستند.
گمشده‌های سنگین: وِئو، کلینگ ۴.۰، سورا، رن‌وی
گوگل وِئو ۳.۱ در متن‌به‌ویدیو ۹۶۴ اِلو کسب کرده، زیر مرجع کلینگ ۳.۰، با وِئو ۳.۱ لایت که قیمت پایه اچ۳ ۰.۰۸ دلار را دارد اما ۲۱۳ اِلو عقب‌تر است. کلینگ ۴.۰ در klingai.com به طور عمومی در دسترس شد با کلیپ ۳۰ ثانیه‌ای بومی اما تا زمان انتشار API یا قیمت‌گذاری اعلام نشده بود. اوپن‌ای‌آی سورا ۲ و رن‌وی جن-۴.۵ در بوردهای فعلی با صدا ظاهر نشده‌اند و برای جلوگیری از ترکیب نمرات غیرقابل مقایسه خارج شدند.
بورد سه تغییر ساختاری را تایید می‌کند. اول، پست‌ترنینگ مسیر غالب به کیفیت مرزی شده: حداقل پنج مدل چهارده اول از مینی‌مکس اچ۳ مشتق شده‌اند، یک انتشار وزن‌باز را به بستر اکوسیستم تبدیل کرده. دوم، قیمت از رتبه جدا شده — هِی‌جن ویدیو ۱ و پیکا اچ۳ فلیکس اِلو نزدیک‌مرزی را برای ۰.۰۳۵–۰.۰۴ دلار بر ثانیه عرضه می‌کنند، لایه پرمیوم را یک مرتبه کم می‌کنند. سوم، مرز وزن‌باز به دو شاخه مجوز تفکیک شده: مینی‌مکس اچ۳ در کیفیت پیشتاز است اما بازارهای غربی بزرگ را خارج می‌کند، در حالی که ال‌تی‌اکس ۲.۵ ۲۰۰ اِلو فدای دروازه درآمد می‌دهد که استقرار در آمریکا و اروپا را مجاز می‌سازد.
برای تیم‌های فنی، ماتریس انتخاب تیز شده است:
- بالاترین کیفیت متن‌به‌ویدیو با دسترسی API به وان ۳.۰ اشاره دارد.
- تصویر‌به‌ویدیو و گردش‌های کار پرمرجع سیدنس ۲.۵ را ترجیح می‌دهند اگر بودجه اجازه دهد.
- بهترین کیفیت بر دلار به هِی‌جن ویدیو ۱ یا جمینای اومنی فلش ۱.۲ می‌رسد.
- پایین‌ترین تأخیر برای حلقه‌های تکرار روی فلاکس ۳ ماکس یا اچ۳ ماکس از طریق فال می‌رسد.
- میزبانی شخصی خارج از قلمروهای محدود شده از مینی‌مکس اچ۳ یا پیکا اچ۳ فلیکس استفاده می‌کند؛ در آن‌ها، ال‌تی‌اکس ۲.۵ یا وان ۲.۲ آپاچی ۲.۰ پیش‌فرض‌های عملی می‌شوند.
گوگل وِئو ۳.۱ افتادن زیر مرجع کلینگ ۳.۰ در هر دو بورد کور نشان می‌دهد که استراتژی ویدیوی جستجوی‌گران با موج پست‌ترنینگ هم‌قدم نشده. کلینگ ۴.۰ با عرضه مصرف‌کننده بدون هم‌ارزی API نشان می‌دهد کوای‌شو استفاده مستقیم را بر پذیرش توسعه‌دهنده ترجیح می‌دهد. غیبت سورا ۲ و جن-۴.۵ از بوردهای با صدا یک کوربین برای دو آزمایشگاه ویدیوی غربی پرمخاطب باقی می‌گذارد.
برای اصلاح مجوز مینی‌مکس اچ۳ یا انتشار فلاکس ۳ Dev که استقرار وزن‌باز در بازارهای غربی را باز کند، منتظر بمانید. افزونه کروم GPULeaderboard.com که در منبع لینک شده است، مشخصات استقرار و به‌روزرسانی قیمت زنده را در لحظه ورود مدل‌های جدید به API فراهم می‌کند.
گام بعدی شما
- اگر کیفیت متن‌به‌ویدیو اولویت اول است و بودجه API دارید، وان ۳.۰ را از طریق پلتفرم علی‌بابا تست کنید.
- برای تولید حجم بالا با حساسیت هزینه، هِی‌جن ویدیو ۱ (شناسه
heygen-video-1) یا **جمینای اومنی فلش ۱.۲` بهترین تعادل را می‌دهند. - تیم‌هایی که نیاز به استقرار داخلی در غرب دارند، **ال‌تی‌اکس ۲.۵
یا **وان ۲.۲را به عنوان پیش‌فرض‌های مجاز در نظر بگیرند تا مجوز مینی‌مکس باز شود.
گفتگو