一句话看懂：Artificial Analysis 依据 HeyGen 的 Code2Video Bench 搭建了独立评测 Code2Video-AA，考察大模型能否用代码完成短视频设计；2026 年 10 月 26 日的首期结果显示，Claude Opus 5.5 以 1536 Elo 居首，但各模型单任务成本相差超过 300 倍。
事件核心：发生了什么
Artificial Analysis 发布了 Code2Video-AA 榜单。它基于 HeyGen 的 Code2Video Bench，给出 114 份简短的产品与品牌视频设计简报，要求模型直接用代码生成视频。素材显示，这一环节使用 HyperFrames HTML 作为实现载体，更偏向设计稿转成可渲染的网页动效，不涉及端到端的 AI 视频生成。评测将模型表现汇总为五个评审维度的平均 Elo 分，并以 GPT-5.5 (xhigh) 的 1000 分作为锚点。
按原文日期与评测条件，Claude Opus 5.5 (max with fallback) 以 1536 分排名第一，五个评审维度均居首位，比第二名高 93 分。Claude Sonnet 5.5 (max with fallback) 为 1443 分，GPT-6 Astra (max) 为 1427 分，二者差距在噪声范围内；GPT-6.1 Sol (max) 以 1369 分列第四。开源权重模型最高为 DeepSeek V4.1 Flash (max) 的 1053 分，MiMo-V2.6-Flash 与 MiMo-V2.6-Pro 均为 1052 分，与榜首至少相差 483 分。
为什么重要
这项评测把“用代码做视频”单独拿出来衡量，与常见的文生视频模型路线不同。它考察的是模型能否理解设计简报、用代码组织版式、动效和节奏，再渲染出成品。对 AI 应用开发者来说，这更接近一种可编程的创作接口：视频由代码生成，就更容易接入模板、批量生产和自动化流程。首期榜单也显示，头部闭源模型与开源权重模型在这一任务上差距明显，前四名被 Claude 系列和 GPT 系列占据，开源模型仍在 1000 分出头徘徊。
成本数据同样值得注意。原文给出的单任务成本从 0.01 美元到 3.89 美元不等，相差超过 300 倍；排名第四的 GPT-6.1 Sol (max) 每个任务约 0.31 美元，约为 Claude Opus 5.5 (max with fallback) 3.08 美元的十分之一。这意味着在真实产品中，质量与成本之间需要权衡，高分不一定划算。
对用户/开发者/创作者的影响
对开发者和内容团队而言，Code2Video-AA 提供了一个可参考的选型信号：如果追求成品质量，Claude Opus 5.5 在首期测试中领先；如果预算敏感、需要大批量生成，GPT-6.1 Sol 这类成本更低的模型可能更实用。对创作者来说，用代码生成短视频仍处于早期阶段，输出质量和稳定性需要结合具体任务验证。对普通用户，这类能力短期更可能出现在营销素材、产品演示等工具中，不一定直接面向个人创作。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是榜单会随模型版本和评测数据更新，当前排名只适用于 2026 年 10 月 26 日的条件，不能当成长期结论。二是开源权重模型能否缩小与闭源头部的差距，尤其是 DeepSeek、MiMo 等模型后续版本的表现。三是单任务成本会不会随推理效率提升而下降，以及这类代码生成视频的能力会以 API 还是成品工具的形式落地。
