HeyGen fa pagare un centesimo al secondo, e il prezzo minimo dei modelli video si è appena spostato

HeyGen ha rilasciato HeyGen Video questo mese, il suo primo modello video di uso generale. È basato su MiniMax H3 ed è stato post-addestrato internamente, coprendo text-to-video, image-to-video e reference-to-video in un unico modello con audio sincronizzato. La tariffa promozionale al lancio è di 0,01 $ al secondo, metà del prezzo standard, puntata dritta all'uso aziendale con vincoli di budget.

Vale la pena soffermarsi su quel numero. Una clip di dieci secondi costa dieci centesimi. L'anno scorso la stessa categoria di output veniva prezzata in dollari per generazione, e i team la razionavano.

L'impostazione promozionale è di per sé informativa. HeyGen ha fissato la tariffa standard a due centesimi al secondo e ha lanciato a metà di quella, ovvero un taglio di prezzo volto a portare i team via dai fornitori incumbent più che a massimizzare i ricavi per clip. Una tariffa promozionale è una scommessa: una volta che un flusso di lavoro è costruito attorno a un modello, il costo di cambiare tiene ancorato il cliente dopo la fine dello sconto.

La tariffa al secondo è il nuovo benchmark

Il prezzo dei modelli video è passato da per generazione a per secondo di output, e le tariffe pubblicate ora coprono un ordine di grandezza. Il centesimo promozionale al secondo di HeyGen equivale a circa 0,60 $ al minuto. MiniMax H3, la base a pesi aperti, viaggia a 4,80 $ al minuto. Wan 3.0 è listato a 12 $ al minuto. Seedance 2.5 costa 34,12 $ al minuto. Grok Imagine Video 1.5 si attesta a 0,08 $ al secondo, ovvero 4,80 $ al minuto, con audio nativo e un'unica tariffa pubblicata senza livelli di risoluzione.

La struttura a tariffa unica di Grok merita una nota a sé. La maggior parte dei fornitori applica prezzi per fascia di risoluzione, quindi un render a 1080p costa più di uno a 480p. Un'unica tariffa pubblicata senza fasce è più facile da mettere a budget e più difficile da aggirare. Segnala anche fiducia che la qualità del modello non dipenda molto da quanti pixel richiede l'acquirente.

Lo scarto ti dice che il mercato si è segmentato. In alto c'è la qualità per campagne in cui una singola clip conta. In basso c'è il volume per flussi di lavoro in cui si generano cento clip e la maggior parte viene scartata.

Il prezzo di HeyGen lo colloca deliberatamente all'estremità bassa, e l'inquadramento è quello dei casi d'uso aziendali in cui il budget è il vincolo. È un cliente diverso da un'agenzia che produce uno spot di punta. È un'azienda che vuole video in ogni articolo di assistenza, ogni pagina prodotto, ogni flusso di onboarding, e non può giustificare un designer per ognuno.

Post-training sulla base di qualcun altro

La scelta architetturale è notevole quanto il prezzo. HeyGen non ha addestrato un modello di base da zero. Ha preso MiniMax H3, un modello a pesi aperti, e lo ha post-addestrato internamente per il proprio caso d'uso.

Questo sta diventando il copione standard. Creatify ha fatto la stessa cosa con Boreal-H3, post-addestrando MiniMax H3 su dati reali di progetti pubblicitari e riportando un aumento del completamento del brief dal 27,8% al 50% e della coerenza del soggetto dall'83,3% al 94,4% rispetto alla base. Lo schema si ripete perché la base è aperta e la differenziazione risiede nei dati di addestramento e nella valutazione, non nel processo di pre-addestramento.

Per i team che costruiscono prodotti video, il calcolo è semplice. Addestrare un modello di base costa decine di milioni e richiede mesi. Il post-addestramento di una base aperta costa una frazione di quello e produce un modello tarato sul tuo specifico standard di qualità. Il rischio è che la capacità centrale del tuo prodotto si basi sui termini di licenza di qualcun altro, il che è una questione aperta per H3, dato che MiniMax non ha pubblicato quali territori copra la sua licenza. Tre prodotti costruiti su H3 sono stati lanciati questa settimana in territori che la licenza potrebbe non coprire, e il laboratorio li ha accolti, il che è molto lontano dal concedere il permesso.

La questione della licenza è la parte del copione del post-addestramento che riceve meno attenzione. Un modello può essere scaricato oggi e non disponibile domani, o legale in un mercato e non in un altro, e i termini sono spesso scritti per lo scopo originale del modello più che per i prodotti costruiti su di esso. Chiunque abbia un prodotto che dipende da una base aperta dovrebbe leggere la licenza con la stessa attenzione con cui legge il rapporto tecnico. Il vantaggio di costo del post-addestramento è reale, e comporta un rischio operativo che non emerge in un confronto di prezzi.

Cosa significa il prezzo per il lavoro creativo

Quando una clip di dieci secondi costa dieci centesimi, l'economia dell'iterazione cambia. Un team può generare cinquanta varianti di una demo prodotto, guardarle, tenere le due che funzionano e spendere cinque dollari per farlo. Il collo di bottiglia si sposta dal costo di generazione al tempo di revisione umana, che è l'opposto di dove si trovava due anni fa.

Questo spostamento ha conseguenze su come sono formati i team video e su come sono progettati i flussi di lavoro. La generazione a basso costo significa che la parte costosa è decidere cosa è buono, e le persone in grado di esprimere quel giudizio diventano rapidamente il vincolo. Significa anche che il diluvio di output mediocre diventa più grande, perché il costo di produrre qualcosa di cui nessuno aveva bisogno è appena sceso quasi a zero.

C'è un effetto meno ovvio su come i team pianificano. Quando una clip costa dieci centesimi, la strategia razionale si sposta dal fare una buona versione al farne molte e selezionare. Ciò favorisce i team bravi nella valutazione e sfavorisce i team bravi nel mestiere della produzione, perché il mestiere che prima era il valore ora è un input commodity.

Cambia anche ciò che un cliente si aspetta. Un brief che prima specificava un video ora ne specifica cinque varianti per test A/B, perché il costo marginale delle quattro extra è trascurabile. Il lavoro si sposta a monte nella strategia e a valle nell'analisi, e il mezzo, dove si trova la maggior parte del lavoro di produzione creativa, si assottiglia.

La domanda a cui il prezzo non risponde

La generazione economica non è la stessa cosa della generazione utile. Un centesimo al secondo compra una clip, non una clip che si adatta al brief. Le differenze che contano in produzione, mantenere leggibile l'etichetta di un prodotto, mantenere il volto di un creator coerente dal primo all'ultimo fotogramma, seguire una sceneggiatura invece che un'atmosfera, sono le cose per cui le fasce più costose fanno pagare.

Questa è la vera segmentazione che lo scarto di prezzo rivela. Il mercato si sta separando in modelli per il volume e modelli per la precisione, e la differenza di prezzo tra loro è all'incirca un fattore cinquanta. Un team che sa in quale categoria ricade il proprio lavoro può prendere una decisione netta. Un team che dà per scontato che il modello economico basti può scoprire il divario su un deliverable per un cliente.

La tariffa promozionale di HeyGen non durerà a un centesimo. Quello che fa è fissare un limite inferiore a cui il resto del mercato deve rispondere, e costringere chiunque costruisca funzionalità video a modellare la propria economia unitaria a un prezzo che sarebbe stato implausibile l'anno scorso. La domanda interessante è quali capacità si rivelino meritevoli di pagare più di un centesimo al secondo.

La risposta sarà probabilmente stretta e specifica. La leggibilità delle etichette, la coerenza dell'identità e l'aderenza al brief sembrano poco glamour, ma sono quelle che decidono se una clip può essere pubblicata. Tutto il resto è questione di gusto, e sul gusto è economico iterare quando una ripresa costa dieci centesimi.