Utopai X дебютирует на 2-м месте в text-to-video: как киностудия дообучила MiniMax H3

Utopai X — это видеомодель, которой не существовало ещё на прошлой неделе, которую не обучали с нуля в передовой лаборатории и которую не продают через API, — и сейчас она занимает второе место в мире по генерации видео из текста. Модель создана Utopai Studios — кино- и телестудией, изначально работающей с ИИ, со штаб-квартирой в Маунтин-Вью, — и представляет собой дообученную версию MiniMax H3, омнимодальной видеомодели MiniMax. В рейтинге Artificial Analysis по генерации видео из текста со звуком (рейтинг, который Artificial Analysis теперь обозначает как AA-Video-T2V v2.0, результаты от 29 сентября 2026 года) Utopai X занимает Elo 1 150 — уступая только Wan 3.0 от Alibasba с 1 157 и опережая Dreamina Seedance 2.5 от ByteDance с 1 143, а также базовую модель MiniMax H3 (768p) с 1 138, на основе которой она была дообучена. Она появилась 30 сентября 2026 года, в тот же день, когда обновился рейтинг, и доступна ровно в одном месте — внутри PAI, собственной производственной платформы Utopai. Публичного API нет, а в столбце цен Artificial Analysis для этой строки указано «API недоступен».

Эта комбинация — второе место в мире, один канал дистрибуции, отсутствие привычного прайс-листа с оплатой за секунду — и есть вся история. Студия, снимающая фильмы, взяла чужую базовую модель, настроила её на основе собственного производственного чутья и перепрыгнула очередь. Устойчивый ли это результат или моментальный снимок совершенно новой арены — вот вопрос, который стоит задать, и ответ зависит от чтения таблицы лидеров, а не пресс-релиза.

Что на самом деле показывает панель

Artificial Analysis ранжирует видеомодели с помощью Elo, рассчитываемого на основе слепого попарного голосования людей по предпочтениям. Голосующие видят два клипа, сгенерированных по одному и тому же промпту, и выбирают тот, который им больше нравится, не зная, какая модель создала каждый из них. Таблица меняется по мере накопления голосов, и каждая строка содержит доверительный интервал, показывающий, насколько позиция может сместиться. По состоянию на 2026-10-01 таблица text-to-video со звуком выглядит так:

• #1 Wan 3.0 — Elo 1 157 (±10), 6 391 образец, выпущена в августе 2026 г., $12.00/мин.

• #2 Utopai X (на базе MiniMax H3) — Elo 1,150 (±11), 5 455 образцов, выпущена в сентябре 2026 г., API недоступен.

• #3 Dreamina Seedance 2.5 — Elo 1 143 (±10), 6 375 образцов, выпущена в июле 2026 г., $34,12/мин.

• #4 MiniMax H3 (768p) — Elo 1 138 (±10), 6 343 сэмпла, выпущена в июле 2026, $4,80/мин.

• #5 FLUX 3 — Elo 1 129 (±10), 5 628 образцов, выпущена в июле 2026 г., $17,40/мин.

Две детали важнее порядка. Во-первых, разрыв между первым и вторым местом составляет семь пунктов Elo, и эти два интервала явно перекрываются — Artificial Analysis указывает диапазон Utopai X как 1,139–1,161, который включает точечную оценку Wan 3.0 в 1,157. В таблице место Utopai X обозначено как диапазон, #1–3, а не как фиксированная позиция. Во-вторых, разрыв между Utopai X и моделью, на базе которой она прошла постобучение, составляет двенадцать пунктов при той же проблеме перекрытия, так что «постобученная модель превосходит свою родительскую модель» верно по направлению, но статистически слабо. Собственный материал Utopai осторожнее, чем большинство анонсов запуска, в этом отношении: в нём говорится, что результат Elo «даёт независимую оценку того, как люди реагируют на его сгенерированные видеоматериалы», и это справедливая интерпретация того, что измеряет арена человеческих предпочтений, а не утверждение о кинопроизводстве.

Слой, основанный на заявлениях вендора, напротив, выглядит уверенно. Utopai описывает сильные стороны в отражениях и каустике — концентрированных узорах, которые образуются при отражении или преломлении света, — а также в пространственной согласованности внутри клипа; и то и другое — это цели разработки, а не результаты бенчмарков. Это слова вендора, а не измерения Artificial Analysis.

Студия вместо лаборатории

Utopai Studios разрабатывает, финансирует и производит собственные кино- и телепроекты, и она строит свои модели внутри этого бизнеса, а не рядом с ним. Заявленный механизм — обратная связь: в ходе производства создаются сценарии, утверждённые дизайны персонажей и локаций, планы съёмок и последовательные дубли, а режиссёры, операторы и художники студии фиксируют не только то, какие дубли были выбраны, но и почему остальные были отклонены. Эта запись становится сигналом для обучения и оценки. Исследовательская команда также ведёт внутреннюю систему Elo, которая сочетает оценку человеческих предпочтений с автоматическим голосованием визуально-языковых моделей, причём художники участвуют в человеческой части.

Это правдоподобное преимущество, и извне его невозможно проверить. Постобучение может сдвинуть универсальную видеомодель в сторону предпочтений пользователей из кино и рекламы, не заменяя базовую модель, — это согласуется с таблицей лидеров. Какая доля двенадцатипунктового преимущества над MiniMax H3 обусловлена обучающими данными, оптимизацией предпочтений, обработкой промптов, настройками инференса или изменениями на этапе обслуживания, в материалах запуска не говорится. Utopai не опубликовала ни раскрытия данных о постобучении, ни метода оптимизации, ни бюджета вычислений, ни оценки безопасности. Независимые исследователи не могут воспроизвести этот прирост, и нет технического отчёта, с которым можно было бы спорить.

Слой дистрибуции — это то, где студийный тезис становится конкретным. PAI — Production Assistive Intelligence — платформа, которую Utopai запустила вместе с моделью, и она хранит контекст проекта: разбор сценария на сцены и кадры, производственную библиотеку персонажей, локаций и объектов, историю версий, общие согласования для корпоративных команд и таймлайн, который экспортируется в Premiere Pro или DaVinci Resolve. Суть предложения в том, что генерация клипа — дешёвая часть, а сохранение согласованности кадра с остальным фильмом — дорогая. Utopai X генерирует материал внутри этого рабочего пространства «когда его выбирает режиссёр», по формулировке самой компании — модель является одной из нескольких моделей изображения, видео и аудио, доступных в PAI, а не единственной.

Сколько стоит Utopai X и как его читать

PAI продаётся как подписка с кредитами, а не как API с оплатой за секунду. Опубликованные тарифы: $15/месяц за 1 000 кредитов, $49/месяц за 3 500 кредитов, $129/месяц за 10 000 кредитов и $379/месяц за 35 000 кредитов, при годовой оплате предоставляется скидка примерно от 8 до 10 процентов, плюс пополнения по $15 за 1 000 кредитов. У Utopai X есть своя строка в таблице кредитов PAI: 93 кредита за секунду видео в разрешении 1080p. Другие видеомодели платформы стоят ниже — 50 кредитов за секунду при 1080p на стандартном тарифе и 76 на профессиональном тарифе.

Пересчёт этого в стоимость за минуту — это арифметика, которую может сделать каждый, и почти никто не должен приводить её в качестве цены. При 93 кредитах в секунду одна минута вывода Utopai X стоит 5 580 кредитов. Входной тариф за $15 даёт 1 000 кредитов в месяц, что составляет примерно 10,8 секунды видеоматериала, если бы каждый кредит уходил на эту модель. При линейном масштабировании входного тарифа кредитов подразумеваемая стоимость составляет порядка $80 с лишним за минуту сгенерированного видео. Эту цифру стоит приводить только с оговорками: она предполагает строго линейную конвертацию кредитов в доллары, игнорирует то, что кредиты объединяются по всем моделям в PAI и сгорают или остаются неиспользованными, игнорирует годовые скидки и пакеты пополнения, а также ничего не говорит об ограничениях по разрешению или длительности, которые Utopai не указала отдельно для Utopai X. Это полезный порядок величины, а не тарифная сетка.

Для сравнения, в том же рейтинге Artificial Analysis MiniMax H3 (768p) указан по цене $4,80 за минуту, а Wan 3.0 — $12,00, тогда как Dreamina Seedance 2.5 указан по цене $34,12. Это автоматические ценовые потоки из собственных API поставщиков, а не оценки, полученные из подписок, поэтому сравнение в лучшем случае ориентировочное — но направление очевидно: на начальном уровне генерация внутри студийной платформы с кредитной системой не конкурирует с посекундной ценой API. Покупатель платит за рабочее пространство вокруг модели, а не за её предельную секунду.

Часть, которая не является публичной

Стоит назвать три пробела, потому что каждый из них блокирует принятие отдельного решения.

• Нет API, и нет пути интеграции. Utopai X в настоящее время не имеет прямого пути интеграции. Продуктовая команда, которая хочет вызывать его в пайплайне, не может этого сделать. Artificial Analysis указывает его как «API недоступен», а в материалах о запуске не описано никакого доступа для разработчиков.

• Отдельная спецификация отсутствует. MiniMax H3 создаёт клипы длительностью от 4 до 15 секунд с разрешением до 2K и нативным стереозвуком. Utopai не опубликовала собственные максимальную длительность или разрешение для Utopai X, а значит, значение 1080p в таблице кредитов — это единственное доступное указание по разрешению, и длительность клипа неизвестна.

• Никакой оценки за пределами арены. Результат Elo — это независимое измерение человеческих предпочтений на коротких клипах. Это не показатель того, служит ли материал задуманному кадру, встраивается ли он в монтаж или переживает ли он правку. Сам пост Utopai прямо это признаёт — «оценка продолжается и после генерации клипа» — что для анонса является необычайно честной формулировкой, а также предупреждением о том, как далеко простирается этот рейтинг.

На стороне студии есть ещё больше истории, на которую можно указать. Utopai запустила PAI 2.0 2 июня 2026 года и тогда же заявила, что платформа достигла 11 миллионов долларов годовой повторяющейся выручки менее чем через два месяца после апрельского дебюта, обеспеченной за счёт коммерческих лицензий, проданных продакшн-компаниям. Компания говорит, что у неё запланированы три фильма для кинопроката и два сериала на 2027 год, и применяет PAI и Utopai X в собственных проектах, включая Самый серьёзный пук, полнометражный анимационный фильм, написанный и снятый Майком Бендером. Это показатели студии и график студии, и именно поэтому о дообученной модели без API вообще стоит писать: модель используется для создания фильмов, которые компания намерена выпустить, а это более суровая проверка, чем таблица лидеров.

Где базовая модель по-прежнему остаётся практичным выбором

Для всех, кому действительно нужно генерировать видео на этой неделе, маршрутизируемая часть этого семейства — это базовая модель. MiniMax H3 доступна на OrcaRouter по списочной цене провайдера — $0,08 за секунду при 768p, то есть $4,80 за минуту, та же цифра, которую указывает Artificial Analysis, — с наценкой 0%, поэтому любое снижение цены поставщиком вступает в силу в тот же день, а не после цикла пересчёта цен, и автоматическое переключение при сбое между провайдерами, так что сбой одной конечной точки не выведет ваш конвейер из строя. Он принимает текст, изображения, видео и аудио в качестве референсов как единый контекст и возвращает клипы длительностью от 4 до 15 секунд в 768P или 2K с нативным стереозвуком, с оплатой за секунду сгенерированного результата.

Utopai X не маршрутизируется, и ничто в этой статье не должно восприниматься как утверждение, что это так. Что даёт вам базовая модель — это способ протестировать эстетические и динамические характеристики семейства H3 — та же основа, с которой начинала Utopai, до того как применила своё постобучение (каким бы оно ни было) — через один API-ключ наряду с более чем 200 другими моделями, без подписки PAI. Если Utopai X когда-нибудь появится у провайдера с поддержкой маршрутизации, он появится по цене из прайс-листа в тот же день, при этом тариф вендора будет передан как есть, а не с наценкой. До тех пор честное разделение такое: Utopai X — для студий внутри PAI, MiniMax H3 — для всех, кто собирает пайплайн.

Что решает, было ли это дебютом или моментом?

В следующем квартале стоит следить за тремя вещами. Во-первых, сохранится ли семибалльный разрыв на вершине после ещё нескольких тысяч голосов — сегодня интервалы пересекаются, а таблица, которая перетасовывается при поступлении новой партии сравнений, ничего не установила. Во-вторых, откроет ли Utopai вообще какой-либо доступ для разработчиков; модель, занимающая второе место в мире и доступная только подписчику PAI, — это продуктовое решение, и оно обратимо. В-третьих, не двинется ли конкуренция в другую сторону. Wan 3.0 уже генерирует до 30 секунд 1080p с нативным звуком и принимает текст, изображения, видео, аудио, документы и веб-страницы в качестве референсов, а также лидирует в таблице по освещению, материалам и управлению камерой в разбивке по сценариям использования. Прирост в двенадцать пунктов после дообучения относительно базовой модели показателен; удержать второе место против фундаментальной модели с более широким диапазоном входных данных — совсем другая задача.

По-настоящему новое здесь — не Elo. Новое — форма утверждения: студия с производственным конвейером утверждает, что владение решениями, стоящими за отснятым материалом, — какой дубль, какой референс, какая версия, — ценнее, чем владение прогоном предобучения. Это утверждение проверяемо, и кассовые сборы линейки 2027 года — одна из таких проверок.