نفس الـ15 ثانية تكلّف 1.05 أو 1.50 أو 3.47 دولارًا

لمعظم أيام السنة، كان مقارنة نماذج توليد الفيديو تعني مقارنة عروض الشركات. نشرت Google وByteDance وAlibaba كلٌّ منها مقطعًا بلقطة واحدة يُظهر نموذجها في أفضل صورة. تغيّر ذلك في 6 نوفمبر، عندما أصدرت Google نموذج Gemini Omni 1.2 Flash وظهر أول اختبار مستقل له إلى جانب أرقام Artificial Analysis وتجارب متزامنة من منشئين آخرين.
أكثر ما يفيد في هذه المجموعة هو جدول الأسعار. مقطع مدته 15 ثانية بدقة 720p يكلّف 1.05 دولار على Omni 1.2، و1.50 دولار على Wan 3.0، ونحو 3.47 دولار على Seedance 2.5. وعند 1080p يكلّف المقطع نفسه 1.56 و3.00 و8.54 دولار. كما تقدّم Alibaba عرضًا ترويجيًا بنحو 30 بالمئة على Wan 3.0، ما يخفض 1080p إلى 0.14 دولار للثانية.
يبلغ التفاوت ثلاثة أضعاف في الطبقة الأرخص وخمسة أضعاف عند 1080p، ولا يتصدر النموذج الأرخص إلا قليلًا من الفئات.
أين يفوز كل نموذج فعليًا
تضع Artificial Analysis، حتى 6 نوفمبر، Seedance 2.5 في المركز الأول في 13 من 20 فئة، بما فيها الحوار ومزامنة الشفاه بدرجة 1213. تحويل الصورة إلى فيديو هو أقوى أوضاعه. وجاء Gemini Omni 1.1 في المركز العشرين من عشرين في تشريح الإنسان والفيزياء.
التحرير هو مجال تفوق Wan 3.0، إذ يتصدر التحرير المعقد وتحرير الكائنات والمؤثرات البصرية، بينما يتصدر Seedance تحرير الصوت والكلام.
الاختبارات من خارج الشركات على نفس التوجيه أكثر كشفًا من لوحة الصدارة. شغّلت Krea كلاً من Seedance 2.5 وWan 3.0 بدقة 720p بنفس البذور مع إيقاف إعادة كتابة التوجيه لديها. في لقطة تزلج، أبقى Seedance المتزلج على المسار الموصوف في التوجيه بينما دفعه Wan نحو الكاميرا. في لقطة واحدة مدتها 20 ثانية تتبع راكب دراجة، أبقى Seedance اللقطة حتى النهاية بينما قطع Wan المشهد عند 13.6 ثانية. كما أنتج Wan مقاطعه ذات الثماني ثوانٍ بسرعة تقارب الضعف. شغّل منشئ محتوى YouTube JSFILMZ النموذجين جنبًا إلى جنب على توجيهات متطابقة ونشر النتائج.
لا يملك Omni 1.2 تقريبًا أي اختبار مستقل حتى الآن. الأقرب إلى ذلك هو Segmind، الذي أجرى عشرين اختبارًا يوم الإطلاق ووصف Omni 1.2 Flash بأنه أكثر نموذج فيديو اختبره دقة في اتباع التعليمات، ومناسب للشروحات والنصوص المتحركة. وجد Segmind أيضًا أن الأشخاص الواقعيين بدوا وكأنهم يطفون، وأن الوجوه كانت أقل من Seedance، وأن نحو تعليمة من كل أربع تم تجاهلها.
تعترف Google نفسها بوجود تغييرات صغيرة من الإطار الأول إلى الأخير، وتدرج الحركة الرياضية السريعة والفيزياء المعقدة ضمن الأعمال قيد التطوير. قد تؤدي شعارات العلامات التجارية في المواد المصدر إلى حظر بسبب حقوق النشر. كل مقطع يحمل علامة مائية غير مرئية من SynthID.
ماذا تقول أرقام الطلبات
تُظهر تصنيفات الفيديو لدى OpenRouter، ببيانات حتى 6 نوفمبر، أن HeyGen Video في المقدمة بـ65,000 طلب أسبوعي، وVeo 3.1 Lite ثانيًا بـ50,000، وSeedance 2.5 ثالثًا بـ35,000، وWan 3.0 رابعًا بـ31,000، وmischief 1 تاسعًا بعد قفزة 481 بالمئة.
حصة السوق حسب المؤلف هي الرقم الجدير بالتوقف عنده. تمتلك ByteDance 26.1 بالمئة من طلبات الفيديو، وHeyGen 19.7 بالمئة، وGoogle 18.5 بالمئة، وSpaceXAI 12.2 بالمئة، وAlibaba 9.3 بالمئة بعد انخفاض 53 بالمئة، وKwaivgi 6.0 بالمئة، وMiniMax 5.0 بالمئة.

نموذج الفيديو الأكثر طلبًا على أكبر مجمّع هو إنسان رقمي. لا يحقق إطلاق أي منتج هذا الحجم؛ بل تحققه الشروحات بأسلوب الرأس المتحدث وفيديوهات التدريب. يتصدر Seedance وWan فئة الفيديو السينمائي، وحصتهما من إجمالي الطلبات لا تُذكر مقارنة بحركة نماذج الأفاتار.
الطلب غير السينمائي
انظر مرة أخرى إلى أين تذهب الطلبات. يتصدر HeyGen Video الجدول بـ65,000 طلب أسبوعي، وHeyGen شركة أفاتار. بدأت فرق أمن المؤسسات والتمكين فيها باستبدال جولات المنتج المباشرة المتكررة بفيديوهات مقدمين مولّدة بالذكاء الاصطناعي، وهو ما يوفّر بحسب حساباتها أكثر من 100 ساعة سنويًا لكل فريق. ويبلغ تبنّي المسوّقين نحو 63 بالمئة وفق مسح عام 2026 نقلته Colossyan.
وفي الوقت نفسه، تحوّل الصوت الأصلي من ميزة إلى إعداد افتراضي عبر الفئة. يولّد Veo 3.1 Audio ونسخته السريعة صوتًا مطابقًا للصورة، وتنتج فئات الصوت في Kling صوتًا ستيريو مع مزامنة شفاه محسّنة، وتنتج أداة تحويل النص إلى فيديو من Canva مقاطع بحوارات وتأثيرات متزامنة.
هذا الانقسام مفيد. عمل الأفاتار والرأس المتحدث يريد بقاء الشخصية متسقة والصوت ثابتًا والإلقاء مؤثرًا. العمل السينمائي يريد أن تبهر اللقطة لمدة ثماني ثوانٍ. هذه متطلبات مختلفة وتخدمها نماذج مختلفة، ولهذا فإن لوحة صدارة واحدة تغطي الاثنين تخبرك بأقل مما يخبرك به توزيع الطلبات.
ما الذي تغيّر عندما رحل Sora
لم يكن خروج Sora من الويب والتطبيق في أبريل ومن API في سبتمبر مجرد إزالة منافس. بل أعاد ضبط ما يتوقع الناس الدفع مقابله وما يتوقعون توفره، وترك المنصات المتبقية تتنافس على المحاور التي تحدد الاستخدام فعليًا: طول المقطع، وهل يأتي الصوت معه، وماذا يحدث للشخصية بين اللقطات.
قبل عامين، كان الافتراضي المعقول لمنتج جديد هو البناء على واجهة برمجة فيديو OpenAI. هذا الافتراضي لم يعد قائمًا. أي شيء بُني عليها يحتاج بديلًا، والبدائل تختلف الآن في السعر والطول بما يكفي لجعل اختيار النموذج قرارًا تجاريًا لا تقنيًا.
تضيف طبقة إعادة البيع تعقيدًا آخر يستحق احتسابه في التسعير. أسعار API الرسمية هي الحد الأدنى وليست سعر السوق. على سبيل المثال، تُدرج fal سعر Seedance 2.5 بنحو ضعف سعر BytePlus. الفرق التي تختبر عبر سوق ثم تخطط ميزانيات الإنتاج بناءً على ذلك الرقم ستواجه مفاجأة، والفجوة بين التسعير الرسمي وإعادة البيع واسعة بما يكفي لتغيير النموذج الذي يختاره المشروع.
الاختيار بهذه الأرقام
إذا كانت المهمة الحوار أو مزامنة الشفاه أو الصوت، فإن Seedance 2.5 هو الرهان الأكثر أمانًا بنحو ثلاثة أضعاف السعر. إذا كانت المهمة تحرير مقطع موجود، فإن Wan 3.0 يتصدر، وتسعيره الترويجي يجعله الأرخص لكل ثانية على القائمة. إذا كانت المهمة اتباع التعليمات حرفيًا في فيديو شرح، فإن Omni 1.2 Flash هو ما يواصل المختبرون الأوائل الإشادة به، وهو الأرخص بين الثلاثة عند 720p، رغم أن اختبارات Segmind نفسها استغرقت من 40 إلى 70 ثانية لكل مقطع.
المقارنة الصحيحة هي السعر لكل مقطع قابل للاستخدام. النموذج الذي يحتاج إلى أربع محاولات للحفاظ على الوجه خلال لقطة مدتها 15 ثانية يكلّف أربعة أضعاف سعره المعلن، ولوحة الصدارة لا ترى ذلك.
لم تنشر أي من الشركات الثلاث مقارنة عمياء بنفس التوجيه ونفس البذور عبر النماذج الثلاثة جميعها. وإلى أن يجريها أحد، تعامل مع كل ادعاء عن الجودة بين النماذج في هذه الفئة، بما في ذلك الواردة في هذا المقال، باعتباره إرشاديًا.
ثمة أمر واضح من بيانات الطلبات. النماذج الأرخص تكون رخيصة فقط إذا نجا الناتج من المراجعة، والمراجعة هي حيث تقع التكلفة بالنسبة لمعظم الفرق التي تنتج الفيديو بكميات كبيرة.
مقالات ذات صلة
الإنفاق على الذكاء الاصطناعي لم يتوقف، لكن 1% من الشركات هي التي تحمله
حجم الرموز نما 37.1 في المئة والأسعار انخفضت 26.8، والفرق بين الرقمين يشرح لماذا تبدو إيرادات المزوّدين متوقفة.
كلود يقرأ كشوف حسابك البنكي، وأنثروبيك حرصت على ألا يمسّ المال
تصميم القراءة فقط هو المنتج نفسه، وفك ارتباط البنك لا يسحب ما وصل إلى محادثة بالفعل.
Adobe لم تعد تطلب من المسوّقين فتح Adobe
لعقد من الزمن كانت الاستراتيجية هي امتلاك الواجهة. لكن Adobe راهنت للتو على العكس.
طرحت CrowdStrike مفتاح إيقاف لوكلاء الذكاء الاصطناعي. الجزء الصعب هو معرفة ما يجب إيقافه.
يحوّل مفتاح الإيقاف التخمين إلى شيء قابل للإنفاذ. والإنفاذ يحتاج إلى قائمة، والقائمة هي الجزء الذي لا يملكه أحد.