Vidu Q4 Preview debiutuje na trzecim miejscu w rankingu image-to-video — a nie ma go w drugim.

Vidu Q4 Previewzadebiutował w rankingu Artificial Analysis AA-Video-I2V v1.0 na trzecim miejscu z wynikiem Elo 1,179, a model, który zastąpił jako najwyżej notowany wpis Vidu, Vidu Q3 Proplasuje się na dziewiętnastym miejscu z wynikiem 1,056. To skok o 123 punkty w ramach jednego wydania, na liście, na której przedziały ufności mają szerokość około dwudziestu punktów, i nastąpił on przy cenie 7,20 dolara za minutę generowanego wideo, a nie 9,60 dolara, jakie ma starszy model. Shengshu Technology udostępniła Vidu Q4 Preview 7 października 2026 roku jako pierwszy publiczny podgląd swojego flagowego modelu nowej generacji, wyraźnie przed pełnym modelem Q4, i zachęca twórców do używania go w rzeczywistych projektach, podczas gdy ostateczna wersja wciąż nabiera kształtu.

Liczba debiutu jest nagłówkiem. Ciekawszym faktem jest jednak brak — i to on sprawia, że to tekst, a nie wykres.

Co faktycznie zostało wydane 7 października

Vidu Q4 Preview to model do generowania wideo z natywnym audio, sprzedawany przez własny produkt webowy i platformę API Vidu. Materiały premierowe Shengshu opisują trzy obszary prac: kreacja postaci (wyraz twarzy, emocje, ruchy ciała i głos zsynchronizowane ze sobą, a nie nakładane warstwowo), spójność kamery i cięć w szybkiej akcji oraz efekty wizualne — eksplozje, cząsteczki, fajerwerki — które znajdują się wewnątrz sceny, a nie na jej wierzchu.

Specyfikacja, tak jak podaje ją dostawca:

• Maksymalna rozdzielczość — 4K, przy czym 2K i 4K mają 10-bitową głębię kolorów; pełna drabinka to 540p, 720p, 1080p, 2K, 4K

• Maksymalna długość klipu — 16 sekund, podzielona nierównomiernie: Image-to-Video trwa od 3 do 16 sekund, Reference-to-Video trwa od 1 do 16

• Budżet referencyjny — do 15 obrazów referencyjnych (postacie, garderoba, rekwizyty, produkty, środowiska w jednym ustawieniu) oraz do 3 klipów audio referencyjnych

• Cena startowa — od 0,014 USD za sekundę; jest to stawka podana przez dostawcę i ma wyraźnie promocyjny charakter.

Dostawca wysuwa również twierdzenie porównawcze, którego nie można łatwo od niego wyegzekwować: że przy porównywalnych specyfikacjach wynikowych i warunkach rozliczeniowych Vidu Q4 Preview dostarcza „nawet pięć razy więcej wyników za ten sam budżet”. To twierdzenie o efektywności, a nie o jakości, a ponieważ sformułowanie „porównywalne specyfikacje wynikowe i warunki rozliczeniowe” wykonuje w tym zdaniu całą robotę, warto traktować je jako konstrukcję marketingową, dopóki ktoś nie odtworzy tego twierdzenia. Własne zastrzeżenie Shengshu, opublikowane równolegle, mówi, że ostateczne ceny, obsługiwane rozdzielczości, dostępność funkcji i warunki użytkowania mogą się różnić w zależności od planu i regionu.

Te dwie rady nie zgadzają się co do tego, do czego służy ten model.

Artificial Analysis prowadzi osobne rankingi wideo, z osobnymi skalami Elo i osobnymi pulami głosów, a cała historia tkwi tutaj w różnicy między nimi.

On AA-Video-I2V v1.0 — image-to-video, ranked from pairwise human preference votes with audio kept in — Vidu Q4 Preview is third at 1,179 ±10 over 5,543 samples, dated October 2026, priced at $7.20 per minute. Only two models are above it: MiniMax H3 Max at 1,195 ±9 over 5,894 samples ($4.80/min, August 2026) and MiniMax H3 at 1,181 ±8 over 7,284 samples ($7.80/min, July 2026). Gem​ini Omni Flash is fourth at 1,178 ±7 over 12,327 samples. The board's own notice says two models were added in the last 30 days: Vidu Q4 Preview and HiDream-O1-Video-1.0, which is sixth at 1,175 ±10.

Na AA-Video-T2V v2.0 — tekst na wideo, innym rankingu opartym na innej taksonomii przypadków użycia — Vidu Q4 Preview nie pojawia się w ogóle. Najlepszym wpisem Vidu jest tam Vidu Q3 Pro, który zajmuje dwudzieste piąte miejsce z wynikiem 941 ±10 na 4 088 próbkach. Wan 3.0 przewodzi temu rankingowi z wynikiem 1 156 ±9.

Przeczytaj te dwa zdania razem, a kształt premiery stanie się jasny. To model oparty na obrazie i referencji. Własna strona produktu Vidu wymienia dla niego dokładnie dwa tryby, Image-to-Video i Reference-to-Video, bez zakładki text-to-video, a dokumentacja API się zgadza. Premiera, która w materiałach marketingowych dostawcy wygląda jak ogólny model flagowy, na niezależnych forach okazuje się ukierunkowana.

Jeszcze jedno zastrzeżenie dotyczące samego rankingu. Dziesięciopunktowe przedziały w rankingu I2V mocno się nakładają od trzeciego do szóstego miejsca — 1179, 1178, 1176, 1175 — więc „trzecie” to pozycja w granicach szumu, a nie wyraźne oddzielenie od czwartego. To, co nie jest w granicach szumu, to różnica względem modelu, który został zastąpiony. Przewaga 123 punktów Elo między Vidu Q3 Pro a Vidu Q4 Preview jest większa niż cały rozrzut w pierwszej szóstce rankingu.

Co tak naprawdę nazywasz i ile to kosztuje

API jest nieefektowne i konkretne. Image-to-Video wysyła żądanie POST do /ent/v2/img2video z nazwą modelu viduq4-preview, przyjmuje pojedynczy obraz klatki początkowej (png, jpeg, jpg lub webp, do 50 MB), prompt o długości do 20 000 znaków, czas trwania od 3 do 16 sekund (domyślnie 5) oraz rozdzielczość od 540p do 4K (domyślnie 720p). Reference-to-Video wysyła żądanie POST do /ent/v2/reference2video, przyjmuje od jednego do piętnastu obrazów oraz od zera do trzech odwołań audio mp3 o długości od trzech do dwunastu sekund każde, a także oferuje proporcje obrazu 1:1, 9:16, 16:9, 3:4 i 4:3 (domyślnie 16:9).

Parametrem, na który warto zwrócić uwagę, jest audio, który domyślnie przyjmuje wartość true. Vidu Q4 Preview domyślnie generuje dźwięk razem z obrazem — łącznie z dialogami i efektami dźwiękowymi — a wyłącza się go świadomie. Zwracane adresy URL utworów pozostają ważne przez 24 godziny, co jest wystarczająco krótkim czasem, by miało to znaczenie, jeśli generujesz wsadowo, a renderujesz później.

Jeśli chodzi o cenę, uczciwa arytmetyka jest taka, że dwie podawane liczby — „0,014 USD za sekundę” i 7,20 USD za minutę, które odnotowuje Artificial Analysis — nie dotyczą tego samego produktu. 0,014 USD za sekundę to 0,84 USD za minutę, mniej więcej jedna dziewiąta liczby z tablicy, co widać, gdy promocyjne minimum przy najniższej rozdzielczości zestawi się ze zmierzoną stawką przy rozdzielczości produkcyjnej. Wszelkie budżetowanie oparte na liczbie z premiery należy ponownie wyprowadzić z własnej rozdzielczości i czasu trwania, a nie z nagłówka.

Praktyczny problem z podglądowym SKU

Vidu Q4 Preview — zgodnie z własnym ujęciem dostawcy — nie jest ukończony. Został wydany przed Q4, aby opinie na temat wydajności, kontroli twórczej i codziennych potrzeb produkcyjnych wpłynęły na ostateczną wersję. Ceny są promocyjne. Dostępność funkcji zależy od planu i regionu. Dokumentacja API zawiera nawet błędnie zapisany alias — viduq4-previerw pojawia się w opisie parametru modelu obok poprawnego viduq4-preview — co jest drobiazgiem, który mówi coś prawdziwego o tym, gdzie ta kompilacja znajduje się w procesie.

To nie jest argument przeciwko korzystaniu z tego. To argument przeciwko umieszczaniu tego na ścieżce krytycznej bez planu na to, co się stanie, gdy cena promocyjna przestanie obowiązywać albo wersja zapoznawcza zostanie zastąpiona nowszą, co w przypadku modelu udostępnionego w ten sposób jest kwestią tygodni, a nie kwartałów.

Jeśli chcesz go wypróbować, nie ryzykując przy tym produkcyjnego pipeline’u, OrcaRouter powstał dokładnie do takiego przypadku: jeden punkt końcowy zgodny z OpenAI obejmujący ponad 200 modeli, automatyczne przełączanie awaryjne między dostawcami oraz ceny katalogowe dostawców przekazywane bez doliczania marży. Część dotycząca przełączania awaryjnego ma większe znaczenie niż zwykle w przypadku wersji zapoznawczej, ponieważ to ona pozwala skierować żądanie do stabilnego modelu na tym samym kluczu, gdy trasa zapoznawcza jest niedostępna. Mówiąc wprost o routingu: Vidu Q4 Preview nie jest dziś trasą OrcaRouter. Modele wideo, które obsługujemy — w tym MiniMax H3, najwyżej sklasyfikowany model na tej właśnie liście rankingowej — można wywoływać na tym samym punkcie końcowym co modele tekstowe, a stawka za sekundę wideo to pozycja rozliczeniowa, a nie osobna umowa.

Co obejrzeć

Trzy rzeczy popchnęłyby tę historię do przodu.

Po pierwsze, ranking text-to-video. Artificial Analysis poinformowało, że AA-Video-I2V v2.0 nadchodzi, zgodny z taksonomią T2V v2.0 i obejmujący w całości wideo 1080p. Jeśli Vidu Q4 Preview jest modelem obrazowo-referencyjnym, to również się tam nie pojawi — a jeśli się pojawi, oznacza to, że Shengshu wypuściło szerszy model, niż sugeruje zapowiedź.

Po drugie, pełne wydanie Q4. Faza od wersji zapoznawczej do finalnej to moment, w którym zazwyczaj kończy się cena promocyjna i w którym zestaw funkcji albo się utrzymuje, albo po cichu się zawęża. Limit 15 obrazów i 3 plików audio jako materiałów referencyjnych to część specyfikacji, która najprawdopodobniej przetrwa, ponieważ jest to wyróżnik, na którym opiera się cała premiera.

Po trzecie, liczebność próby. 5 543 głosy to rzeczywisty pomiar, ale jeszcze młody; przedziały się zawężą, a pozycja w rankingu przesunie się w jedną albo drugą stronę w miarę zapełniania się tabeli. Ktokolwiek cytuje „trzecie miejsce” jako ustalony fakt, powinien podać datę, kiedy to przeczytał.

Pytanie, którego warto się trzymać, jest węższe, niż sugeruje marketing. Vidu Q4 Preview jest mierzalnie najlepszym modelem zamiany obrazu na wideo, jaki Vidu stworzył, z przewagą większą niż własna rozpiętość pierwszej szóstki na tablicy, przy niższej cenie za minutę niż jego poprzednik. To, czy stanie się to trwałą pozycją, czy tylko chwilowym skokiem związanym z wersją preview, nie jest czymś, na co mogłaby odpowiedzieć którakolwiek z obecnych liczb.