Thêm video: cách chúng tôi chọn lineup ra mắt

Tuần này chúng tôi ship video. Tám mô hình, một pool credit, không hợp đồng theo từng nhà cung cấp phải quản. Trước khi đi vào lineup, một ghi chú nhanh về cách chúng tôi chọn — vì câu trả lời “mô hình video nào tốt nhất” ít rõ ràng hơn nhiều so với phía chat.

Bốn trục đáng quan tâm

Mô hình chat cạnh tranh chủ yếu về thông minh. Mô hình video cạnh tranh trên bốn trục cùng lúc, và gần như không mô hình nào thắng cả bốn:

1. Chất lượng hình ảnh — độ nét, tính liền lạc chuyển động, tần suất một bàn tay có năm ngón.
2. Tốc độ và chi phí — bao lâu thì có thứ để xem, và mất bao nhiêu để lặp.
3. Kiểm soát — tham chiếu, seed, độ dài, chuyển động camera, lip-sync.
4. Audio — mô hình có phát ra âm thanh khớp với hình ảnh không, hay bạn phải bolt foley vào sau.

Một bộ tạo điện ảnh 4K là sai cho reply X. Một mô hình social-tier nhanh là sai cho hero shot. Nên lineup được thiết kế đa dạng — chúng tôi muốn một công cụ đúng cho mỗi việc, không phải một mô hình cố làm tất cả.

Cái gì lọt

HappyHorse 1.0 là đỉnh mới của catalog theo benchmark bên ngoài hôm qua, nhưng phần chúng tôi quan tâm không phải điểm hình ảnh — mà là audio thực sự được tạo cùng với video chứ không phải ghép sau. Lip-sync hoạt động. Nhạc dâng lên khớp với chuyển động. Chúng tôi sẽ viết bài riêng khi dùng nó trên nhiều việc thật hơn.

Veo 3.1 là lựa chọn điện ảnh. 4K-native, text-to-shot sạch nhất chúng tôi từng thấy, và đắt một cách lố bịch — nên chúng tôi route tới nó khi prompt giống hero shot (“góc rộng, dolly in, golden hour”) chứ không phải clip social.

Seedance 2.0 ra mai với multi-input — tối đa chín ảnh tham chiếu, ba clip tham chiếu, ba audio track. Chúng tôi đã thử trước với key beta của ByteDance và đó là một loại công cụ khác: ít cho “gõ prompt, ra video” và nhiều hơn cho “đưa tôi brief đạo diễn.” Bài riêng vào 3/5.

Kling 3.0 Omni chuyên về độ mượt chuyển động. Tính liên tục multi-shot tốt nhất trong test của chúng tôi, đặc biệt khi cần nhân vật đi qua nhiều beat mà mặt không biến đổi giữa chúng.

Runway Gen-4.5 vẫn nằm trong bộ cho các filmmaker đã có phản xạ với nó. Kiểm soát chuyển động camera và giao diện keyframe vẫn là tốt nhất trong category nếu bạn thực sự muốn đạo diễn một shot.

Grok Imagine là lựa chọn social-native — nhanh, chất lượng draft, clip chân thực. Chúng tôi thêm tuần trước và có bài viết đầy đủ hơn sắp tới.

Wan 2.7 là bậc tiết kiệm có hỗ trợ LoRA. Gốc open-source, nên nếu bạn đã train LoRA nhân vật/style của mình, đây là nơi cắm vào.

Hailuo 2.3 là lựa chọn đáng tin rẻ nhất. Không gì lấp lánh. Hữu ích khi lặp thumbnail hay stress-test một concept mà không muốn đốt credit cao cấp.

Cái gì không lọt

Ba mô hình nghiêm túc gần như đã lọt nhưng không, vì các lý do khác nhau.

Cái đầu chưa ship bậc không watermark — chúng tôi sẽ không đưa mô hình brand output của bạn. Cái thứ hai có hình ảnh tốt nhưng không có API cho seed control, làm việc lặp đau đớn trong workflow multi-take. Cái thứ ba đơn giản là đắt theo cách không tính ra — kể cả với user Max, chi phí mỗi clip sẽ đẩy chúng tôi tới việc nâng cap.

Chúng tôi sẽ xem lại cả ba khi tiering của họ thay đổi.

Một pool, tám mô hình

Lý do tất cả hoạt động là bạn không mua tám subscription riêng. Bạn chi cùng credit dùng chung dù chọn mô hình nào, và bạn thấy chi phí mỗi lần tạo trước khi commit. Pro 2.000 credit mỗi tháng, Max 10.000. Một clip text-to-video HappyHorse điển hình tốn 40–60 credit; Veo 4K hero shot gần 120; một lần lặp Hailuo là 6.

Tỷ lệ đó là phần chúng tôi tự hào nhất. Ý nghĩa của studio là bạn không phải pre-commit với một nhà cung cấp trước khi biết prompt cần gì — và video, hơn mọi định dạng khác, trừng phạt kiểu pre-commit đó.

Video đã live cho Pro và Max hôm nay. Bậc miễn phí chưa có; chúng tôi muốn xem credit math chạy ra sao trong một tháng trước khi mở cửa rộng hơn.