I Created the Same Animation in Every AI Video Generator
摘要
Futurepedia 用相同 prompt 測試 9 款 AI 影片生成器，涵蓋 18 個挑戰（9 個 text-to-video + 9 個 image-to-video），並用 S/A/B/C/D 五級制評分。這是目前涵蓋模型數量最多的橫向比較。結論：Veo 3.1 是整體最強的模型，但 Grok Imagine 的表現出乎意料地好。
重點筆記
測試的 9 款模型
Veo 3.1、Kling 2.6、Sora 2、Grok Imagine、Runway Gen 4.5、Hailuo 2.3、Wan 2.6、Seedance 1.5、LTX 2.0
Text-to-Video 排名（Tier List）
- S 級最多：Sora 2 在 text-to-video 中 S 級最多，表現最一致
- A 級穩定：Kling 2.6、Veo 3.1 穩定在 A 級以上
- D 級最多：LTX 2.0 多次生成失敗，是最弱的模型
Image-to-Video 排名
- Veo 3.1 在 image-to-video 中壓倒性勝出——細節保持、風格傳承最好
- Grok Imagine 意外強勁：在複雜場景（章魚酒保、獅蠍獸戰鬥）中表現出色
- Veo 3.1 和 Grok 的總分相同，但 Veo 3.1 在細節和風格傳承上更勝一籌
各模型特長
| 模型 | 最擅長 | 弱點 |
|---|---|---|
| Veo 3.1 | 整體最強，複雜場景、風格保持 | 無明顯弱點 |
| Sora 2 | Text-to-video S 級最多、物理模擬 | 文字渲染（生成亂碼而非可讀文字） |
| Grok Imagine | 複雜 prompt（章魚酒保、獅蠍獸） | 新模型，穩定性待驗證 |
| Kling 2.6 | 文字渲染、穩定 A 級 | 複雜場景稍弱 |
| Runway Gen 4.5 | 舞蹈/編舞（S 級） | 部分 prompt 生成失敗 |
| Hailuo 2.3 | 質感和細節渲染 | 僅一次 S 級 |
| Wan 2.6 | 特定 prompt 表現好 | 整體一致性差 |
| Seedance 1.5 | 偶爾有趣 | 整體 C 級 |
| LTX 2.0 | — | 最弱，多次失敗 |
關鍵挑戰範例
章魚酒保挑戰：要求章魚用獨立觸手調酒，背景有龍飛過城市天際線。測試多步驟複雜指令的執行能力。
核心發現
- Text-to-video 和 Image-to-video 排名完全不同——擅長一項不代表擅長另一項
- Grok Imagine 是最大黑馬——新模型立即躋身頂級
- Sora 2 的文字渲染是盲點——生成的文字是亂碼，而非可讀文字
- Runway 在舞蹈/動作類壓倒性勝出——特定用例的最佳選擇
我的想法
- 擴展了 AI 影片生成器的評測維度 的範圍：Dom 的比較是 4 模型 × 20 prompt（不評分），Futurepedia 是 9 模型 × 18 挑戰（分級評分）。兩者互補——Dom 提供 prompt 設計參考，Futurepedia 提供可操作的排名
- text-to-video ≠ image-to-video 的發現很重要：選擇模型時必須先確定自己的工作流是哪一種，不能只看「整體排名」
- Sora 2 的文字渲染問題呼應了 Seedance 2.0 的亂碼文字問題——這可能是當前整個 AI 影片生成領域的共同短板
- 9 模型中沒有絕對贏家再次印證：AI 影片生成器的選擇必須根據具體需求