„Wan 3“ prieš „Seedance 2.5“ prieš „MiniMax H3“: AI vaizdo įrašų palyginimas

Įvadas

AI vaizdo įrašai pasiekė tokį lygį, kai vienas demonstracinis vaizdo įrašas beveik nieko neįrodo. Bet kuri iš šių sistemų gali sukurti dešimties sekundžių trukmės vaizdo įrašą, kuris telefono ekrane atrodo baigtas. Skirtumas tampa akivaizdus, kai žmogus peržengia kadrą, kamera pradeda judėti, susiduria du objektai arba užduotis reikalauja, kad vienu metu įvyktų daugiau nei vienas dalykas. Būtent tada kokybė nustoja būti nejudamu kadru ir tampa elgesiu.

„Seedance 2.5“, „MiniMax H3“ ir „Wan 3“ čia vertinami kaip vaizdo generavimo varikliai, veikiantys esant apkrovai, o ne kaip rinkodaros produktai. Trys greiti signalai apibrėžia kovą dar prieš prasidedant raundams. „MiniMax H3“ šiuo metu užima stipriausią patikrinamą kokybės poziciją, nes tai vienintelis iš trijų, turintis viešą realaus laiko palyginimo reitingą ir atsisiunčiamus svorio koeficientus.

„Seedance 2.5“ pasižymi stipriausiais judesio ir pasakojimo tradicijomis, paveldėtomis iš „Seedance“ serijos, kuri užėmė pirmąsias vietas viešuose vaizdo reitinguose. „Wan 3“ siūlo labiausiai ginčytiną vaizdą iš visų: realaus komercinio taško ir antraštės trukmę, apgaubtą specifikacijų rūko, kurių jo paties kūrėjas niekada nėra paskelbęs.

Čempionas dar nėra paskelbtas. Tai nuspręs raundai, o įrodymai yra tokie nevienodi, kad vienam iš trijų modelių kokybės balai negali būti skiriami iš viso.

„Seedance 2.5“, „ByteDance“

„ByteDance“ išleido „Seedance 2.5“ 2026 m. liepos 31 d., pradėdama jo diegimą per „Jimeng“ („Dreamina“) ir „Doubao“ „Pro“ lygį po to, kai birželio 23 d. „Volcano Engine FORCE“ konferencijoje buvo pristatytas jo demonstracinis variantas. Pagrindinė funkcija – natūralus 30 sekundžių garso ir vaizdo generavimas per vieną ciklą, su daugkartinio apdorojimo galimybe ilgesnėms sekcijoms, o įvesties riba siekia iki 50 multimodalių nuorodų (30 vaizdų, 10 vaizdo įrašų, 10 garso įrašų) – tai didžiausias nuorodų skaičius šioje kategorijoje. Svorio koeficientai yra uždari. Straipsnio rašymo metu viešoji API dar nebuvo paleista: „ByteDance“ nukreipė kūrėjus į „BytePlus ModelArk“, prieiga prie kurio turėtų būti atidaryta rugpjūčio pradžioje. Nepriklausomų „2.5“ versijos testų rezultatų dar nėra, nors jos pirmtakas „Seedance 2.0“ užima vieną iš aukščiausių vietų viešuose reitinguose.

„MiniMax H3“, dar vadinamas „Hailuo 3.0“

„MiniMax“ viešai išleido „H3“ 2026 m. liepos 31 d., tą pačią dieną kaip ir „Seedance 2.5“, po liepos 17 d. vykusio WAIC pristatymo. Oficialus modelio pavadinimas yra „MiniMax H3“; „Hailuo 3.0“ – tai programos pavadinimas, kurį naudoja dauguma kūrėjų. Ji generuoja 4–15 sekundžių trukmės klipus iki natūralios 2K raiškos (2560 × 1440), 24 kadrų per sekundę dažniu, tuo pačiu metu sukuriant 32 kHz stereo garso įrašą, o omni-referencinė sistema apdoroja iki 9 vaizdų, 3 vaizdo įrašų ir 3 garso įrašų. „Artificial Analysis“ reitingų lentelėse jis užima antrą vietą kategorijoje „tekstas į vaizdo įrašą“, trečią – „vaizdas į vaizdo įrašą“ ir pirmą – „vaizdo įrašų redagavimas“. 2026 m. rugpjūčio 3 d. „MiniMax“ paskelbė atvirus svorio parametrus (33B transformatorių) „Hugging Face“ platformoje, tačiau yra vienas svarbus apribojimas, apie kurį bus kalbama vėliau: bendruomenės licencija išskiria keletą pagrindinių jurisdikcijų, kuriose negalima diegti šio modelio lokaliai.

„Wan 3“, „Alibaba“

„Wan 3“ šiuo metu yra labiausiai pervertintas modelis dirbtinio intelekto vaizdo srityje. Kas yra patikrinama:

„Alibaba“ savo „Qwen Cloud“ platformoje jį nurodo kaip „wan3.0-video“, su veikiančiu „DashScope“ galiniu tašku, paskelbtomis kainomis už sekundę ir maksimaliu 30 sekundžių trukmės apribojimu tekstiniams, vaizdiniams, garso ir vaizdo įvestims. Kas nėra tiesa, nepaisant to, kad šis produktas dominuoja pačioje pirmoje paieškos rezultatų puslapyje: tai nėra 4K (kainų lentelėje nurodyti tik 480p, 720p ir 1080p lygiai), tai nėra atviro kodo (paskutinis „Wan“ flagmanas, išleistas pagal „Apache 2.0“ licenciją, buvo „Wan 2.2“, prieš daugiau nei metus), ir niekur nėra pateikta jokių nepriklausomų našumo testų rezultatų.

Grupė panašių domenų skelbia įtikinamas specifikacijų lenteles (natūralus 4K, 27B arba 60B „mixture-of-experts“ architektūra, atviras išleidimas 2026 m. balandį), kurios neturi jokio pirminio šaltinio ir prieštarauja viena kitai. Modelis, kuriame būtų įdiegtas 4K, kainuotų kaip 4K. To lygio nebuvimas yra stipresnis įrodymas nei bet koks rinkodaros teiginys. Šioje dvikovoje „Wan 3“ konkuruoja kaip užsakomas produktas su realia trukmės riba ir nežinoma kokybe.

Rezultatų lentelė

Visą palyginimą sudaro septyni aspektai. Kiekvienas aspektas vertinamas pagal 100 balų skalę, o skaičiai nėra apskaičiuojami mechaniškai remiantis specifikacijomis. Jie atspindi turimų įrodymų patikimumą, todėl vietoj atskirų skaičių pateikiami intervalai, o „Wan 3“ atveju jie smarkiai išsiplečia. Artimi balai nėra laboratoriniai matavimai. Jų vienintelė paskirtis – kad palyginamieji skirtumai būtų aiškiai matomi iš pirmo žvilgsnio.

Vertinimo kriterijai	„Seedance“ 2,5	„MiniMax H3“	„Wan 3“ (laikinas)
Vaizdo kokybė	nuo 86 iki 91	89–93	77–88
Judesys	85–90	nuo 84 iki 89	76–86
Scenos stabilumas	85–90	nuo 85 iki 90	79–88
Greitas vykdymas	85–90	nuo 87 iki 92	77–87
Fotoaparato veikimas	85–90	84–89	77–86
Žmogaus nuoseklumas	86–91	nuo 86 iki 91	77–87
Kūrybinis spektras	84–89	nuo 87 iki 92	78–88

1 lentelė. Pradinis rezultatų suvestinės vaizdas. Intervalai atspindi įrodymų patikimumą, o ne matavimo tikslumą.

2 pav. Tas pats rezultatų suvestinės vaizdas, pateiktas kaip horizontalūs intervalai. Taškas žymi kiekvieno intervalo vidurį. „Wan 3“ juostos yra plačios, nes labai mažai jo kokybės aspektų yra patvirtinta.

3 pav. Gebėjimų forma, naudojant intervalų vidurinius taškus. „Seedance 2.5“ linksta į judesį ir kameros darbą; „MiniMax H3“ linksta į vaizdą, užduotis ir diapazoną; „Wan 3“ atsilieka visose ašyse dėl įrodymų trūkumo, o ne dėl įrodytų trūkumų.

1 raundas: vieno kadro grožio testas

Užduotis sąmoningai pasirinkta paprasta: žmogus kinematografiniame apšvietime, peizažas, prabangus interjeras, lėtas artimas planas. Esmė yra ta, kuris modelis sukuria įtikinamiausią pirmąjį kadrą ir išlaiko tą kokybę per visą kadro trukmę. Ryškumas nėra realizmas. Per daug apdorota oda, plastikinės mikrodetalės ir nestabilios tekstūros gali atrodyti įspūdingos miniatiūroje, bet judesyje visiškai sugriūna.

„MiniMax H3“ čia pateikia aiškiausius įrodymus. Natūralus 2K išvesties formatas yra dokumentuota specifikacija, o ne tik teiginys, o jo antroji vieta „teksto į vaizdo įrašą“ reitinge iš dalies grindžiama tuo, kaip atrodo užbaigti pavieniai kadrai. „Seedance 2.5“ akivaizdžiai taip pat orientuotas į aukščiausios kokybės vaizdus, o jo kilmė leidžia tikėtis puikių rezultatų, tačiau „ByteDance“ išleidimo metu nepateikė atitinkamų 2K skiriamosios gebos duomenų apie „2.5“ versiją, todėl jo aukščiausio lygio ryškumas yra tik spėjamas, o ne patvirtintas. „Wan 3“ pasiekia dokumentuotą 1080p ribą, t. y. yra vienu laipteliu žemiau.

**Rundo nugalėtojas: „MiniMax H3“. **Artimiausias konkurentas: „Seedance 2.5“. Priežastis yra paprasta ir sąžininga: „H3“ laimi dėl užfiksuotos skiriamosios gebos reikšmės, o ne dėl akivaizdžiai gražesnio kadro.

2 raundas: realiai judantys žmonės

Sudėtingumas didėja. Ėjimas, apsisukimas, bėgimas, šokis, sėdėjimas, stovėjimas, daiktų pakėlimas, daikto perdavimas iš vienos rankos į kitą. Šiame raunde vertinama laiko kokybė, o ne gražūs kadrai. Nepavykimo požymiai yra sąnarių nestabilumas, slystantys arba netinkamai nusileidžiantys pėdos, staigi galūnių deformacija ir niekada neperkeliama svorio apkrova.

Paskelbtas lygiagretus kovos testas yra naudingiausias atskiras įrodymas šiame raunde. Jame „Seedance 2.5“ liko lengviau sekamas per greičiausius judesius, o baltu kostiumu apsirengęs raudonplaukis subjektas išliko aiškiai matomas, kai kamera judėjo. „H3“ siekė agresyvesnės kadrų įvairovės ir aštresnių perėjimų, kurie atrodo energingi, bet tai yra kitokio pobūdžio privalumas. Nei vienas rezultatas neišsprendė choreografijos klausimo: gynybinės pozicijos nukrypo, o kai kurioms reakcijoms trūko matomos priežasties. Kalbant apie siaurą klausimą, ar judesiai atrodo sąmoningi, o ne tik animuoti, „Seedance“ šiek tiek pranašesnis.

**Rundo nugalėtojas: „Seedance 2.5“. **Judesių aiškumas greitėjant yra „Seedance“ serijos paveldėjimas, ir vienintelis galimas tiesioginis palyginimas tai patvirtina.

3 raundas: kamera pradeda judėti

Sekimas, priartėjimai, nutolimai, apsisukimai, panoraminiai judesiai, pakreipimai, filmavimas iš žemo kampo, judančio objekto sekimas. Bandoma patikrinti, ar scena išlieka struktūriškai stabili keičiantis žiūrėjimo taškui, ir ar kameros judesys atitinka užduoties reikalavimus, o ne yra atsitiktinis kinematografinis nukrypimas, kuris tiesiog atrodo kaip kino kadras.

„Seedance 2.5“ perima aiškų AI kameros valdymą iš savo pirmtako ir prideda žiūrėjimo taško bei kameros redagavimą kaip pagrindinius valdymo elementus. Tame pačiame „fight-test“ vaizdo įraše buvo parodytas objektas, išlaikantis savo tapatybę per plačius judesius, o tai yra būtent ta fono rekonstrukcijos problema, kurią siekiama išspręsti šiame raunde. „H3“ gerai tvarkosi su judesiais ir siūlo kinematografinio ritmo judesius, tačiau jo valdymo elementai aprašomi bendresniais terminais. Palyginus pageidaujamą ir atsitiktinį kameros elgesį, pranašumą turi modelis, kuris aiškiai nurodo kameros kryptį.

**Rundo nugalėtojas: „Seedance 2.5“. **Aiškiai apibrėžti kameros valdymo elementai nugalėjo bendrą kinematografinio judėjimo pažadą.

4 raundas: per daug visko vienu metu

Šiame raunde bandoma viską sugriauti. Trys ar daugiau žmonių, minios, judrios gatvės, restoranai, gamyklos, festivaliai, turgūs, eismas. Vertinami scenos organizavimas, objekto išlikimas, fono nuoseklumas, objektų skaičius ir tai, ar modelis išlaiko kelis vienu metu duotus nurodymus. Nuostabus klipas, kuriame tyliai praleidžiama pusė pageidaujamos scenos, neturėtų gauti balų.

Čia įrodymai tampa atviri. Pati „ByteDance“ pažymi, kad sudėtingi fiziniai judesiai ir scenos su labai daug sąveikaujančių objektų vis dar turi tobulėjimo galimybių – tai retas ir naudingas prisipažinimas apie „Seedance“. „H3“ neturi jokių miniai skirtų etalonų, kuriais galėtų remtis, o jo privalumai atsiskleidžia artimesniuose kadruose. Nė vienas įrašas nepadeda su įsitikinimu atskirti šių dviejų sistemų tankiose scenose, ir abi akivaizdžiai sunkiai susidoroja.

**Rundo rezultatas: lygiosios. **Minios tvarkymas yra neišspręsta problema abiem atvejais, o apsimetinėjimas, kad yra kitaip, būtų būtent tas demonstracinis pagyrimas, kurio šis straipsnis siekia išvengti.

5 raundas: rankos, daiktai ir kontaktas

Vienas iš sudėtingiausių skyrių. Gėrimo pilimas, dėžutės atidarymas, telefono laikymas, įrankio naudojimas, maisto gaminimas, rašymas, daikto perdavimas, kito asmens palietimas, mažo produkto tvarkymas. Svarbiausia stebėti fizinę sąveiką: pirštų mutacijas, daiktų susiliejimą, daiktus, kurie išnyksta ar keičia formą, neįmanomą kontaktą, nutrūkiusį suėmimą. Tai raundas, kuris nusprendžia, ar reklamos ir produkto vaizdo medžiagą galima naudoti be didelio valymo.

Nė vienas patikimas šaltinis neparodo patikimo rankos ir daikto sąlyčio nė vienoje iš trijų programų, atsižvelgiant į įvairias užduotis. Vienas sėkmingas klipas nieko neįrodo, nes sąlytis yra sritis, kurioje svyravimai yra didžiausi, o geriausių kadrų atranka – lengviausia. „H3“ testuotojai praneša apie nepriekaištingus rezultatus konkrečiuose kadruose; „Seedance 2.5“ redagavimas regionų lygiu siūlo taisymo galimybę, kai sąlytis nepavyksta, o tai yra darbo eigos pranašumas, o ne generavimo pranašumas. Nė viena iš jų nepasiekia užtikrintos pergalės.

**Rundo rezultatas: lygiosios, su atsargumu. **Sėkmė viename klipe nereiškia patikimumo visoje kampanijoje.

6 raundas: fizika esant spaudimui

Vandens purslai, dūmai, ugnis, audiniai, plaukai, krentantys daiktai, besisukantys automobiliai, šoktelėjantys kamuoliai, pilamas skystis, lūžtančios medžiagos, vėjas. Generatyvinis vaizdo įrašas dažnai sukuria judesį, kuris atrodo įtikinamas visiškai nemodeliuojant fizikos, todėl vertinimas grindžiamas suvokiamu fiziniu tikroviškumu: pagreičiu, gravitacija, susidūrimo elgsena, skysčių tęstinumu, kaip medžiagos iš tikrųjų elgiasi.

Tai yra analizė, o ne reklama, ir sąžiningai vertinant, nė vienas iš trijų dalyvių nėra paskelbęs fizikos vertinimo. „Seedance“ judesio istorija leidžia manyti, kad ji turi pranašumą pagreičio ir sklandumo atžvilgiu, o „ByteDance“ pačios išlyga dėl sudėtingų fizinių judesių tuo pačiu metu šį pranašumą šiek tiek sumažina. „H3“ fizikos elgsena dideliu mastu nėra įrodyta. „Wan 3“ visiškai neįvertinta.

**Rundo rezultatas: lygiosios. **Fizinis patikimumas lieka silpniausia visos kategorijos vieta, ir nė vienas varžovas dar neužsitarnavo teisės į ją pretenduoti.

7 raundas: personažo tapatybė

Ar personažas išlieka atpažįstamas per visą klipą, o dar sudėtingiau – skirtingose kartose? Veido struktūra, plaukai, drabužiai, aksesuarai, matomas amžius, proporcijos, oda. Būtent čia sprendžiasi trumpametražių dramų sėkmė ar nesėkmė, nes žandikaulis, pasislinkęs pusę centimetro ketvirtajame kadre, praranda žiūrovą.

Abu modeliai šią problemą sprendžia naudodami atskaitos sistemas, ir būtent čia įrodymai tyliai palankūs „H3“. Praktinis testuotojas, vykdęs realų projektą naudodamas „H3“ visapusišką atskaitos sistemą su vaizdais, vaizdo įrašu ir garso įrašu, pranešė, kad personažo nuoseklumas buvo pastebimai geresnis nei tikėtasi, o tekstas ekrane – aiškus, be to, „H3“ užima pirmąją vietą vaizdo redagavimo srityje, kuri yra glaudžiai susijusi su tapatybės išsaugojimu. „Seedance 2.5“ atsako žymiai didesniu atskaitos išteklių skaičiumi – iki 50 elementų – ir gamybinio lygio nuoseklumo užtikrinimu, tačiau 2.5 versijos atveju tai lieka tik gamintojo teiginiu, o ne patvirtintu rezultatu. Didesnis atskaitos išteklių skaičius yra perspektyvus; tačiau testuotojo patvirtintas rezultatas yra įtikinamesnis.

**Rundo nugalėtojas: „MiniMax H3“. **Patvirtintas nuoseklumas pranoksta didesnį, bet nepatikrintą etalonų skaičių. Etaloninių vaizdų kontrolė keičia abiejų programų rezultatus, ir neturėtų būti daroma prielaida, kad be jos jos išlaikytų vaizdo tapatumą.

8 raundas: greitas paklusnumas

Skirtingos užduočių formos reikalauja skirtingų modelių: paprasta vizualinė linija, pasakojimas, daug kameros reikalaujanti užduotis, daug veiksmo reikalaujanti užduotis, tankus kinematografinis aprašymas ir užduotis su keliais nuosekliais veiksmais. Vertinimas apima instrukcijų įsimenimą, temos ir veiksmo tikslumą, aplinką, stilių, kameros reikalavimų laikymąsi ir laiko seką. Įspūdingas vaizdo įrašas, kuris ignoruoja užduotį, yra nesėkmė, o ne triumfas.

„H3“ turi du konkrečius privalumus. Jo užimta antroji vieta teksto į vaizdo įrašą konvertavimo reitinge savaime rodo gebėjimą laikytis nurodymų, o jo API nurodo 7 000 simbolių nurodymų limitą, kuris suteikia erdvės tikrai daugiasluoksnėms instrukcijoms. „Seedance 2.5“ gerai vykdo nurodymus ir siūlo puikų daugiakalbį palaikymą, o jo laiko žymių valdymas puikiai tinka konkrečiam atvejui, kai veiksmai turi būti atlikti nustatytu laiku. Kalbant apie bendrą paklusnumą įvairių formų nurodymams, pirmauja išmatuotas modelis; o kalbant konkrečiai apie laiko žymėmis pažymėtas veiksmų sekas, „Seedance“ yra tikslesnis įrankis.

**Rundo nugalėtojas: „MiniMax H3“. **Subalansuotas nurodymų vykdymo lygis ir labai didelis nurodymų biudžetas, o „Seedance“ yra geriausias pasirinkimas, kai veiksmai turi būti suderinti su ritmu.

9 raundas: kinematografinis instinktas

Neįvertinamos savybės: kadro kompozicija, apšvietimo pasirinkimai, atmosfera, mastelio pojūtis, kameros ritmas, spalvų santykiai, dramatiškumas, vizualus pasakojimas. Po šiuo raundu slypi tikrasis klausimas. Kai kurie modeliai tyliai pagražina paprastą užduotį; kiti instrukcijas vykdo pažodžiui. Automatinis patobulinimas yra dovana, kai užduotis yra nekonkreti, ir trūkumas, kai užduotis yra tiksli, o modelis ją ignoruoja.

„Seedance“ kilmė giliai įsišaknijusi kinematografijoje, o jo aiškios kameros ir perspektyvos priemonės leidžia kūrėjui pačiam nustatyti ritmą, o ne pasitenkinti tuo, ką pasirenka modelis. „H3“ sukuria gražius, kinematografinio ritmo rezultatus ir linksta į automatinį tobulinimą, kuris puikiai tinka paprastoms užduotims, bet gali susidurti su sunkumais, kai užduotis yra sudėtinga. Kūrėjams, norintiems, kad kamera paklustų planui, valdymo galimybės suteikia pranašumą „Seedance“.

**Rundo nugalėtojas: „Seedance“ 2,5. **Kino kontrolė, o ne tik kinematografinė išvaizda.

10 raundas: stilizuotas turinys

Fotorealizmas nėra vienintelis išbandymas. Anime, iliustracijos, fantazija, siurrealistinės scenos, plastilininė animacija, 3D animacija, komiksų vaizdai, tapybiški vaizdo įrašai. Tikrasis klausimas yra, ar judesys išlieka nuoseklus, kai vaizdinės taisyklės yra sąmoningai nerealistiškos, ir kuris modelis labiausiai peržengia realistiškos medžiagos ribas.

„H3“ sukurtas kaip universalus, visų tipų turinį generuojantis modelis, o ne kaip realistiškumą į pirmą vietą iškeliantis vaizdo variklis, ir būtent toks požiūris atitinka plačiojo stilistinio spektro reikalavimus. „Seedance 2.5“ pozicionuojamas kaip gamybos sistema, skirta komerciniam ir naratyviniam realizmui, o tai kitur yra privalumas, tačiau čia šiek tiek riboja galimybes. Kalbant apie nerealistiškų stilių spektrą, universalusis modelis turi platesnes galimybes.

**Rundo nugalėtojas: „MiniMax H3“. **Universalus modelis apima platesnį stilistinį spektrą nei gamybai pritaikytas modelis.

11 raundas: komercinis vaizdo įrašas

Vertinama iš apmokamo kūrybininko pozicijos. Kvepalų reklama, sportinių batelių reklama, maisto reklama, automobilių reklama, mados kampanija, technologijų produkto pristatymas, kelionių reklama. Vertinimo kriterijai: produkto vientisumas, kontroliuojamas judesys, prabangos estetika, pakartotinio naudojimo galimybės ir tai, kiek postprodukcijos reikalauja galutinis rezultatas. Tekstas yra tikrasis kliuvinys: nė vienam iš šių modelių negalima pasitikėti, kad jie patikimai išsaugos tipografiją ar logotipą, todėl bet koks prekės ženklas ekrane turėtų būti įkomponuotas vėliau, o ne generuojamas.

„Seedance 2.5“ sukurta būtent šiam tikslui. Redagavimas regionų lygiu perbraižo dalį kadro, paliekant nepakitusius veikimą ir apšvietimą, redagavimas naudojant žalią ekraną pakeičia foną, kol objektas lieka nejudantis, o „white-model“ kontrolė prieš apšvietimą užblokuoja kadrą su tekstūros neturinčia geometrija. Tai yra komercinis valdymo rinkinys, o ne vienintelis generatorius. „H3“ atsako su natūralia 2K raiška, aiškiu tekstu testuotojų ataskaitose ir instrukcijomis pagrįstu redagavimu, leidžiančiu išvengti visiško pakartotinio filmavimo – tai tiesa, tačiau „Seedance“ įrankių rinkinys labiau atitinka tai, kaip reklamos kadrai iš tikrųjų kuriami ir taisomi.

**Rundo nugalėtojas: „Seedance 2.5“. **Regionų redagavimas, žalios ekrano ir balto modelio blokavimas – tai gamybos valdymo priemonės, kurias reklamos komandos jau įtraukė į savo mąstyseną.

12 raundas: trumpos formos socialiniai vaizdo įrašai

Naudingumas „TikTok“, „Reels“, „Shorts“, vertikalioms reklamoms, kūrėjų B-roll medžiagai. Vertinimo kriterijai – greitis, vizualinis patrauklumas, vertikalus kadravimas, greitas judesys, galimybė lengvai sukurti daug variantų ir nuoseklumas visoje serijoje. Šiame raunde gali nugalėti kitas nugalėtojas nei kinematografiniame raunde, o tai yra sveikintina, o ne prieštaravimas.

„H3“ forma beveik idealiai tinka trumpiesiems vaizdo įrašams: 4–15 sekundžių trukmės klipai yra natūrali šio formato trukmė, 2K raiška suteikia galimybę apkarpyti į vertikalų formatą, garso įrašas gaunamas tuo pačiu metu, o instrukcijomis pagrįstas redagavimas leidžia kūrėjui kartoti variantus be būtinybės kurti iš naujo. „Seedance 2.5“ 30 sekundžių trukmės vieno kadro įrašas viršija daugumos trumpųjų vaizdo įrašų poreikius, o jo galia skirta ilgesniems, labiau režisuotiems darbams. Kalbant apie didelį vertikalių klipų kiekį, „H3“ yra natūralesnis pasirinkimas.

**Rundo nugalėtojas: „MiniMax H3“. **Standartinė trumpų klipų trukmė, 2K apkarpymo galimybės, garso įrašymas vienu praėjimu ir greitas variantų kūrimas.

Rundo rezultatai ir kodėl jie neišsprendžia visko

Po dvylikos raundų rezultatai pasiskirstė labai nelygiai. „MiniMax H3“ laimėjo penkis, „Seedance 2.5“ – keturis, trys raundai baigėsi lygiosiomis dėl tikrai neišspręstų problemų, o „Wan 3“ nelaimėjo nė vieno. Tuščia „Wan 3“ skiltis nereiškia, kad šis modelis yra silpnas. Tai reiškia, kad jo kokybė nėra įrodyta: nė vienas raundas negalėjo būti priskirtas modeliui, neturinčiam patikrinamų kokybės įrodymų, o pergalių išgalvojimas siekiant pusiausvyros pažeistų metodo principus.

4 pav. Raundų suvestinė. „H3“ pergalės susitelkusios į patikrinamus privalumus (sprendimų kokybė, patvirtintas nuoseklumas, išmatuotas nurodymų laikymasis, diapazonas, trumposios formos); „Seedance“ pergalės susitelkusios į judesio meistriškumą ir komercinio turinio valdymo įrankius.

Yra tikra įtampa, kurią verta paminėti. Kelete sudėtingiausių techninių raundų – judesio, kameros ir komercinio valdymo – „Seedance 2.5“ atrodo kaip galingesnis grynasis vaizdo variklis. Tačiau bendras čempiono titulas, kuris vėliau nustatomas pagal įrodymų svorį, neapsiriboja vien raundų skaičiumi. Raundai matuoja, kur kiekvieno tiekėjo įrodymai ir pozicionavimas yra stipriausi. Čempionatas matuoja, kuri kokybė yra iš tikrųjų patvirtinta ir kuris prieinamumas yra realus.

Kur kiekvienas modelis vis dar žlunga

Kiekvienas generatyvinis vaizdo modelis turi savitus gedimų modelius. Tai yra gedimų požymiai, labiausiai atitinkantys turimus įrodymus, o ne silpnosios vietos, išgalvotos siekiant priversti sistemą atrodyti tobulai subalansuotą.

„Seedance 2.5“

Dvi patikimiausios silpnosios vietos kyla iš pačios „ByteDance“ nustatytų ribų ir iš platesnės patirties: tankios scenos su daugybe tarpusavyje sąveikaujančių objektų ir sudėtingi fiziniai judesiai – kūrėjas pripažįsta, kad abiejose srityse yra ką tobulinti. Rankos ir objekto sąlytis lieka nepatikimas įvairiose užduotyse, kaip ir visoje šioje srityje. Be to, yra praktinė nesėkmė, kuri visiškai nesusijusi su pikseliais: rašymo metu viešoji API dar nebuvo išleista, todėl integracija į automatizuotą procesą buvo užblokuota, nepriklausomai nuo išvesties kokybės.

„MiniMax H3“

Pagrindinė rizika yra susijusi su licencijavimo, o ne su atvaizdavimo problemomis. Dėl atvirų svorių JAV, Europos Sąjunga, Jungtinė Karalystė ir Korėja negali naudoti šio sprendimo vietoje, o mažiausia veikianti vietinė konfigūracija natūraliai veikia 768 pikselių skersmeniu, o tikrasis 2K pasiekiamas tik per hostuojamą regeneracijos etapą, kurio nebuvo pateikta atsisiunčiamoje versijoje. Kalbant apie pačią išvestį, minios ir fizikos modeliai nėra išbandyti, kontaktas yra nepatikimas, o klipo trukmė natūraliai ribojama iki 15 sekundžių, o tai yra per trumpas laikas naratyviniams kūriniams.

„Wan 3“

Pagrindinis trūkumas yra epistemologinis. Nėra nepriklausomų testų rezultatų, techninių ataskaitų, modelių specifikacijų ar reitingų lentelės, o tai reiškia, kad kiekvienas teiginys apie „Wan 3“ kokybę yra nepatikrintas. Aplink tai sukurtas išgalvotų specifikacijų sluoksnis (4K, atviri svoriai, egzotiški parametrų skaičiai), kurį atidus skaitytojas privalo aktyviai atmesti. Vienintelis neabejotinas komercinis faktas yra nepalankus: 1080p raiška jo kaina pasirodo esanti didesnė nei bet kurio išmatuoto modelio, esančio aukščiau už pačios „Alibaba“ „Wan 2.7“ viešuose reitinguose.

Specifikacijos – ten, kur joms vieta

Tik atlikus kokybės analizę skaičiai tampa tinkami pateikti puslapyje, o kai kurie iš jų pažymėti kaip neaiškūs, nes gamintojai jų nenurodė. Specifikacijos apibūdina potencialą, o ne našumą.

Savybė	Seedance 2,5	„MiniMax H3“	Wan 3
Maksimali skiriamoji geba	2.5 versijoje nepateikta	2K (2560 x 1440)	1080p (pagal kainoraštį)
Maksimali trukmė	30 s vienu praėjimu	4–15 s (pratęsiama)	30 s
Garsas	Taip	Taip, 32 kHz stereo	Taip
Vaizdo nuorodos	Iki 30	Iki 9	Omnimodalinis, nenurodyta
Vaizdo / garso nuorodos	10 vaizdo įrašų, 10 garso įrašų	3 vaizdo įrašai, 3 garso įrašai	Palaikoma, nenurodyta
Pirmasis / paskutinis kadras	Palaikoma	Taip (abu kadrai)	Palaikoma
Vaizdo išplėtimas	Daugkartinis pratęsimas	Išplečiamas iki ~30 s	Redagavimo / vairavimo režimai
API prieinamumas	Laukiama (ModelArk)	Tiesioginis	Veikia (Qwen Cloud)
Atviri svoriai	Ne	Taip, su išimtimis	Ne
Nepriklausomas vertinimo rodiklis	Nėra (2,0 yra aukštas reitingas)	2 vieta T2V, 1 vieta redagavimo srityje	Nėra

2 lentelė. Techninė informacija. Laukeliai, kuriuos gamintojas neužpildė, yra pažymėti kaip tokie, o ne užpildyti tikėtinomis prielaidomis.

Kaip gauti modelius

Prieinamumas šiuos tris modelius skiria taip pat ryškiai, kaip ir bet kuris kokybės rodiklis. „MiniMax H3“ yra lengviausiai pasiekiamas ir lengviausiai automatizuojamas: veikiantis API, vieša programa ir atsisiunčiami svoriai komandoms, esančioms už išimtinių jurisdikcijų ribų, su svarbia pastaba, kad vietinis generavimas yra 768 pikselių raiška, o tikrasis 2K lieka talpinamas serveryje. „Wan 3“ turi veikiantį komercinį galinį tašką „Alibaba“ „Qwen Cloud“ platformoje su paskelbtomis kainomis ir nedideliais vienalaikiškumo apribojimais (du vienalaikiai užklausimai, 50 užduočių asinchroninė eilė, 30 užklausų per minutę), todėl juo galima naudotis jau šiandien, prisiimant kokybės riziką. „Seedance 2.5“ yra sudėtingiausias atvejis: jį galima pasiekti per „Jimeng“ ir „Doubao“ rankiniam kūrimui, tačiau rašymo metu nėra viešo API, o tai sustabdo bet kokį kūrėjo darbo srautą, kol „ByteDance“ neatvers prieigos prie „ModelArk“.

Gamybos komandai kyla tiesus klausimas, ar modelį galima įtraukti į įprastą procesą. Dvi iš trijų šiuo metu atsako „taip“. „Seedance 2.5“ atsako „dar ne“, kad ir koks stiprus bebūtų jo rezultatas.

Tikroji kaina skaičiuojama už kiekvieną veikiantį klipą

Prenumeratos ir kainos už sekundę yra netinkamas palyginimas. Svarbus skaičius yra kaina už vieną naudingą rezultatą. Pigesnis modelis greitai tampa brangus, jei kūrėjas išeikvoja dešimt kartų, kol gauna vieną priimtiną klipą, o brangesnis modelis su aukštu naudingų kadrų santykiu praktikoje gali būti pigesnis pasirinkimas. Nė vienam iš šių modelių negalima paskelbti sąžiningo skaičiaus už vieną sėkmingą klipą, nes naudingų kadrų santykiai nėra matuojami, todėl šis principas turi būti taikomas kokybiniu požiūriu.

5 pav. Patikrintos kainos už sukurtą minutę. „Seedance 2.5“ nėra sąraše, nes rašymo metu „ByteDance“ nebuvo paskelbusi API kainos; buvo tik platformos kreditai.

Remiantis paskelbtomis kainomis, „MiniMax H3“ yra pigiausias iš vertintų variantų – 7,80 dolerio už minutę 2K raiška. „Wan 3“ kaina yra 12,00 dolerių už minutę 1080p raiška, tai maždaug trečdaliu daugiau nei „Alibaba“ pačios „Wan 2.7“ ir brangiau nei kiekvienas modelis, užimantis aukštesnę vietą nei „Wan 2.7“ viešame reitingų sąraše, nors pats modelis neturi jokių savo palyginamųjų rodiklių. Šis derinys – kaina, viršijanti tiriamų variantų lygį, ir nežinoma kokybė – yra didžiausias komercinis įspėjimas šiame palyginime. „Seedance 2.5“ kol kas negalima įtraukti į diagramą, nes rašymo metu buvo tik platformos kreditai. Vertinant kokybės atžvilgiu, „H3“ žema kaina kartu su patvirtinta kokybe suteikia jam stipriausią argumentą dėl kainos už vieną naudingą klipą, o „Wan 3“ aukšta kaina už neįrodytą kokybę – silpniausią.

Greiti sprendimai pagal užduotį

Kino stiliaus kadrams

„Seedance 2.5“, o kaip alternatyva – „MiniMax H3“. Valdomi kameros ir perspektyvos nustatymai bei kinematografinė tradicija tinka kadrų kūrimui po vieną. „H3“ yra atsarginis variantas, kai patikrintas 2K kadras ir tiesioginis API yra svarbesni nei tikslus kameros valdymas.

Greitai besikeičiančioms scenoms

„Seedance 2.5“, o alternatyva – „MiniMax H3“. Vienintelis tiesioginis judesio palyginimas parodė, kad „Seedance“ užtikrina geresnį vaizdo aiškumą esant dideliam greičiui. „H3“ aštresnis montažas yra labiau stilistinis pranašumas, o ne judesio stabilumo pranašumas.

Reklamai

„Seedance 2.5“, o alternatyva – „MiniMax H3“, kai tik bus išleistas jo API. Regionų redagavimas, žalios ekrano ir baltos modelio blokavimo funkcijos atitinka reklaminių klipų kūrimo ir redagavimo procesą. „H3“ aiškesnis tekstas ekrane ir greitas prieinamumas daro jį praktišku pasirinkimu, kol „Seedance“ API dar nėra išleistas.

Žmogiškiesiems personažams

„MiniMax H3“, o kaip alternatyva – „Seedance 2.5 “. Testuotojo patvirtintas visapusiškas atskaitos nuoseklumas ir aukščiausias redagavimo reitingas nusveria „Seedance“ didesnį, tačiau nepatvirtintą atskaitos biudžetą. „Seedance“ tampa geresniu pasirinkimu, kai prioritetas teikiamas tęstinumui ilgoje, iš kelių kadrų sudarytoje sekvencijoje.

Eksperimentiniams vaizdams

„MiniMax H3“, o „Wan 3“ – kaip tolimas alternatyvus variantas. Universali omnimodalinė konstrukcija stilizuotiems ir siurrealistiškiems darbams tinka geriau nei realizmui pritaikyta gamybos sistema.

Kūrėjams

„MiniMax H3“, o „Wan 3“ – kaip alternatyva. „H3“ siūlo tiesioginį API, dokumentuotus parametrus ir svorio koeficientus leidžiamose srityse. „Wan 3“ šiuo metu tinka komandoms, kurioms reikia 30 sekundžių trukmės vieno kadro ir kurios gali susitaikyti su neįvertinta kokybe; „Seedance 2.5“ kol kas netinka, kol nebus atvertas jo API.

Vietiniam valdymui

„MiniMax H3“, jei leidžia licencija, kitaip „Wan 2.2“ lieka sąžiningas atvirų svorių sprendimas savarankiškam diegimui. Nei „Seedance 2.5“, nei „Wan 3“ nepateikia svorių, todėl jų diegimas vietoje nėra galimas.

Galutinė rezultatų lentelė

Grįžkime prie septynių dimensijų, dabar pateikiamų kaip bendri rezultatai. Kadangi rezultatų suvestinė vertina įrodymų stiprumą, o ne tiekėjo ambicijas, „MiniMax H3“ patvirtinta pozicija leidžia jam vos pralenkti „Seedance 2.5“, kurio 2.5 versijai būdingi įrodymai yra menkesni. Intervalai sutampa, o tai aiškiai rodo, kad pagal kokybę dvi pirmaujančios programos yra beveik lygiavertės. „Wan 3“ atsilieka gerokai atgal, turėdama plačiausią intervalą ir mažiausią patikimumą.

Modelis	Iš viso (iš 700)	Pasitikėjimas	Geriausia / silpniausia kategorija
MiniMax H3	nuo 602 iki 636	Vidutinis–aukštas	Privalumai: vaizdas, veikimo nuotolis / Trūkumai: kamera
„Seedance“ 2,5	596–631	Vidutinis	Geriausia: judesiai, kamera / Silpniausia: minios
„Wan 3“	541–610	Žemas	Geriausia: trukmė / Silpniausia: nepatvirtinta kokybė

3 lentelė. Galutiniai rezultatai. Bendri rezultatai yra septynių įrodymų svertinių dimensijų intervalų suma.

6 pav. Bendrų balų intervalai su pasitikėjimo lygiu. Svarbiausia yra dviejų pirmaujančių produktų intervalų sutapimas: nugalėtojas nustatomas pagal įrodymų svorį, o ne pagal didelį pranašumą.

Čempionas, antrosios vietos laimėtojas ir specialistų pasirinkimas

Bendras čempionas: „MiniMax H3“

„H3“ laimi, nes tai vienintelis pretendentas, kurio kokybė yra patvirtinta, o ne tik žadama. Jis užima aukštą vietą viešame reitinge, pateikia atsisiunčiamus svorio parametrus, šiuo metu veikia su veikiančiu API ir turi geriausią sąnaudų poziciją iš visų vertintų variklių. Be to, praktiniame naudojime jis užtikrino patvirtintą veikėjų nuoseklumą ir aiškų tekstą ekrane. Jis nelaimi kiekvieno raundo ir nėra akivaizdžiai gražiausias ar labiausiai kinematografiškas variklis. Jis laimi patį „Showdown“ testą: atmetus gražias demonstracijas, tai yra modelis, kurio pakartojamą našumą iš tiesų galima patvirtinti.

Antroji vieta: „Seedance 2.5“

„Seedance 2.5“ turi didesnį potencialą ir stipriausius techninius argumentus: geresnį judesių aiškumą viename tiesioginiame palyginime, aiškų kameros valdymą, išsamiausią komercinę montavimo programinę įrangą ir didžiausią etaloninį biudžetą šioje kategorijoje, kurį remia istorija, užėmusi pirmąsias vietas viešuose vaizdo įrašų reitinguose. Jis pralaimi dėl dviejų priežasčių, kurių metodika negali ignoruoti: jo 2.5 versijai būdinga kokybė dar nėra nepriklausomai įvertinta, o jo viešoji API rašymo metu dar nebuvo išleista. Kai tik API bus atidaryta ir pasirodys nepriklausomi testų rezultatai, ši tvarka gali pasikeisti.

Specialistų pasirinkimas: „Wan 3“

„Wan 3“ pelno specialistų pripažinimą dėl vieno konkretaus, patikrinamo pranašumo: jau šiandien veikiančios API, kuri vienu praėjimu sukuria pilną 30 sekundžių įrašą, o tai tinka komandai, kuriai reikia viso reklaminio klipo, sugeneruoto vienu sklandžiu veiksmu, ir kuri negali laukti „Seedance“ galutinio rezultato. Šis privalumas susijęs su konkrečios funkcijos prieinamumu, o ne su įrodyta kokybe, todėl jį reikėtų rinktis sąmoningai, teikiant pirmenybę „Alibaba“ pačios įvertintam modeliui pagal kainą, o ne neįrodytam reitingų lentelėje. Tai yra įrankis siaurai užduočiai, o ne bendras rekomendavimas.

Verdiktas

Jei visi trys gali sukurti gražią demonstraciją, tas, kuris ir toliau veikia, kai scena tampa sudėtinga, yra tas, kurio veikimas sudėtingomis sąlygomis yra iš tikrųjų patikrintas. Remiantis šiandieniniais duomenimis, tai yra „MiniMax H3“: išmatuotas, atsisiunčiamas, iškviečiamas ir prieinamas, nors ir nėra pats įspūdingiausias variklis rinkoje. „Seedance 2.5“ yra įdomesnis vaizdo modelis kūrybos požiūriu ir gali užimti pirmąją vietą, kai tik pasirodys jo API ir testų rezultatai, todėl šią savaitę jį verta stebėti, o ne juo remtis. „Wan 3“ yra tikras, iškviečiamas produktas, paslėptas po išgalvotomis specifikacijomis, kurį verta naudoti tik dėl galimybės kurti 30 sekundžių trukmės vieno kadro vaizdo įrašus, o visais kitais atvejais į jį reikėtų žiūrėti su aktyviu skepticizmu. Rekomendacijos priklauso nuo užduoties: rinkitės „Seedance“, kai svarbiausia yra kinematografinis menas ir komercinis montažas; rinkitės „H3“, kai svarbiausia yra patikrinta kokybė, personažų kūrimas, trumpų formų apimtis arba tiesioginis darbo srautas; o „Wan 3“ rinkitės tik tada, kai konkretus reikalavimas yra vienas ilgas kadras, kurį galima iškart panaudoti. Svarbiausia – nemokėkite už 4K „Wan 3“. To nėra meniu.