Un modèle vidéo venu d'une société de biologie coûte un demi-centime la seconde

Le 30 octobre, un modèle nommé mischief 1 est apparu sur OpenRouter avec une description qui semble écrite par quelqu'un cherchant la polémique : « le premier modèle vidéo dérivé de neurones au monde, de The Biological Computing Co. »

C'est toute l'affirmation. Aucun whitepaper en lien, aucun schéma d'architecture, aucune explication de ce que « dérivé de neurones » veut dire en pratique. Ce qu'il y a, sur la fiche du modèle, c'est une série de chiffres bien plus intéressants que l'argument marketing. mischief 1 coûte 0,005 $ par seconde. Dans le jeu de benchmarks vidéo d'OpenRouter, il se classe premier sur 27 modèles au coût et premier sur 27 à la vitesse. Il génère des clips en 854×480, cinq secondes par défaut, et l'exemple de la page, un clip de 11,7 secondes, a coûté 0,025 $.

Pour situer, Veo 3.1 est affiché à 3,20 $, Sora 2 Pro à 2,40 $, Seedance 2.5 à 1,86 $. Un clip de cinq secondes sur mischief 1 coûte environ deux centimes et demi. Le même clip sur Veo coûte à peu près six cents fois plus, encore que ni à la même résolution ni au même niveau de qualité.

Ce que vous obtenez réellement

Image-vers-vidéo, pas texte-vers-vidéo. Vous fournissez une première image, un prompt, une taille et une durée. Les valeurs par défaut du playground sont 854×480 et cinq secondes, soit à peu près la résolution d'un upload YouTube de 2010. La latence est la partie frappante : le P50 de bout en bout est d'environ 13 secondes. La plupart des modèles vidéo comptent leur temps d'attente en minutes.

La section benchmark est l'endroit où l'honnêteté du produit se voit. Sur le prompt de test « tasse fumante » d'OpenRouter, mischief 1 génère un clip en 23,7 secondes pour 0,05 $, et le champ rubric indique « Pas encore de grille ». Il n'a pas été noté sur la question de savoir si la tasse fume correctement. Il a été classé sur le coût et la vitesse, et ce sont les deux seuls tableaux qu'il domine.

La disponibilité sur trois jours est de 92,59 %, avec un uptime de 100 % et une disponibilité sur 24 heures de 99,56 %. Un seul fournisseur l'héberge : Ambient. Aucune bascule de routage. Si Ambient passe une mauvaise heure, vous passez une mauvaise heure.

Les chiffres qui décrivent un usage

La fiche du modèle comporte un graphique d'activité montrant la durée de vidéo générée par jour. Le jour où j'ai regardé, c'était 0,7 heure. Pas 700 heures. Zéro virgule sept. Sur toutes les applis d'OpenRouter qui envoient du trafic à ce modèle.

Ce chiffre est la chose la plus honnête de la page. Il dit à quoi ce modèle sert réellement en ce moment : une poignée de gens qui le testent, quelques prototypes, des expérimentations d'outillage. Les applis listées comme sources de trafic sont petites : un site allemand, un CLI open source, deux ou trois startups. Personne n'a encore bâti d'entreprise dessus.

Ce qui est logique, car en 854×480 et cinq secondes, vous ne pouvez pas livrer ça comme contenu fini. Vous pouvez vous en servir pour décider si un plan fonctionne. C'est le marché de la prévisualisation, et c'est un vrai marché, historiquement servi par des storyboards et par ce que le réalisateur arrive à griffonner sur une serviette.

Ce que « dérivé de neurones » pourrait vouloir dire, et pourquoi ça compte

Je ne peux pas vérifier l'affirmation, et je me méfierais de quiconque prétend le pouvoir. Le nom de la société, The Biological Computing Co., suggère un angle de recherche plutôt qu'un angle produit. Le vocabulaire biologique a une longue histoire dans le marketing de l'IA, où il finit souvent par signifier « on a utilisé un réseau de neurones à impulsions », ou « on s'est inspirés des colonnes corticales », ou, parfois, « on a nommé nos couches d'après des régions du cerveau ».

Mais l'affirmation compte pour une raison qui dépasse le battage. Si un modèle vidéo est réellement bâti sur un substrat différent d'un transformer de diffusion, la question intéressante n'est pas de savoir s'il est meilleur. C'est de savoir s'il est moins cher à la seconde pour une raison structurelle, un écart qui ne disparaîtra pas quand les grands labos optimiseront leurs piles d'inférence. Aujourd'hui, 0,005 $ la seconde, c'est à peu près ce que vous payeriez pour une image très bon marché, étalée sur cinq secondes de mouvement. Ce prix n'a de sens que si quelque chose dans l'architecture est inhabituellement efficace, ou si l'entreprise achète des parts de marché.

Dans les deux cas, le conseil pratique est le même : ne bâtissez pas un produit sur un prix qui pourrait être une promotion.

La comparaison inconfortable

Voilà le problème avec la vidéo bon marché. Le marché passe deux ans à débattre de la question de savoir si la vidéo IA est assez bonne pour le cinéma. Pendant ce temps, la demande réelle des gens qui travaillent porte surtout sur quelque chose de bien plus modeste : « j'ai besoin de voir ce plan avant de dépenser de l'argent dessus ». Un réalisateur de pub veut savoir si le mouvement de caméra fonctionne. Un animateur veut vérifier le timing. Un studio de jeu veut une planche d'ambiance qui bouge.

Pour ces travaux-là, le 480p suffit. Cinq secondes suffisent. Deux centimes et demi, c'est plus que suffisant : c'est assez bon marché pour être négligent. Vous pouvez générer vingt variantes d'un plan pour cinquante centimes et en jeter dix-neuf. C'est un comportement qui n'existe pas à 3,20 $ le clip, où chaque génération ressemble à un achat.

C'est le vrai pari de mischief 1, que l'entreprise le formule ainsi ou non. Pas « on est meilleurs que Veo », mais « on est assez bon marché pour que vous nous utilisiez autrement ».

Comment on le branche, concrètement

L'intégration suit le flux vidéo standard d'OpenRouter, qu'il vaut la peine de connaître parce qu'il diffère du schéma de complétion de chat auquel la plupart des gens sont habitués. Vous faites un POST sur /api/v1/videos avec le slug du modèle, le prompt et la première image, et vous recevez un identifiant de tâche plus une URL de polling. Ensuite vous interrogez jusqu'à ce que le statut passe à completed, et la réponse vous donne des URL de téléchargement. Pas de streaming, pas de tokens, pas de sortie partielle. C'est du batch déguisé en API.

Cette forme dit à quoi sert le modèle. Les outils interactifs veulent du streaming. Les pipelines de production veulent une file d'attente. mischief 1 est fermement dans la seconde catégorie, et à deux centimes et demi le clip, vous pouvez vous permettre de lancer une douzaine de tâches et de trier plus tard.

Faut-il l'essayer

Si vous faites des storyboards pour vivre, oui, tout de suite. L'économie change ce que vous pouvez vous permettre d'explorer. Si vous produisez des livrables finaux, non : vous passerez plus de temps à upscaler que vous n'en aurez gagné.

Et si vous êtes du genre à lire « dérivé de neurones » en voulant savoir ce qui se passe vraiment à l'intérieur, vous serez déçu. La page vous donne un prix, une résolution, une latence et une place dans un benchmark. Elle ne vous donne pas de méthode. Sur un marché où tous les autres modèles arrivent avec un schéma d'architecture et un papier, ce silence est soit une douve, soit un service marketing en heures supplémentaires. Impossible de trancher de l'extérieur pour l'instant.