HiDream-O1-Video-1.0 เปิดตัวอันดับที่ 6 บน Artificial Analysis — และ Public API ของมันเล็กกว่าตอนเปิดตัวมาก

HiDream-O1-Video-1.0อยู่อันดับที่หกบนกระดานผู้นำ Image-to-Video ของ Artificial Analysis โดยมี Elo 1,175 จาก 3,231 โหวต ที่ราคา $5.80 ต่อนาทีของวิดีโอที่สร้างขึ้น นั่นคือตำแหน่งที่ผู้ผลิตประกาศ — ยกเว้นประกาศเปิดตัวของ HiDream.ai ลงวันที่ 17 กันยายน 2026 ซึ่งระบุว่าอันดับที่สี่ ทั้งสองตัวเลขเป็นจริงและอธิบายสิ่งที่แตกต่างกัน: ประกาศอ้างอิงอันดับที่โมเดลครองอยู่ในวันที่ประกาศ และกระดานได้เปลี่ยนแปลงไปตั้งแต่นั้น เมื่ออ่านในวันที่ 10 ตุลาคม 2026 โดยเปิดตัวกรองเสียง HiDream V1 อยู่รองจาก MiniMax H3 Max, MiniMax H3, Vidu Q4 Preview, Omni Flash และ Dreamina Seedance 2.0 720p ตามลำดับนั้น

เรื่องราวที่น่าสนใจกว่านั้นไม่ใช่เรื่องอันดับ แต่มันคือการที่ HiDream-O1-Video-1.0 ถูกประกาศว่าเป็นโมเดลที่รับข้อความ รูปภาพ และวิดีโอ แล้วคืนฟุตเทจ 1080p ความยาวห้าถึงยี่สิบวินาทีพร้อมเสียงที่ซิงโครไนซ์มาแต่กำเนิด — และสิ่งที่คุณเรียกใช้ได้จริงในวันนี้รับเพียงภาพอ้างอิงหนึ่งภาพกับพรอมป์ต์ข้อความแบบไม่บังคับเท่านั้น ไม่มีอย่างอื่น ทั้งสองข้อความนั้นมีเอกสารบันทึกไว้ ช่องว่างระหว่างสองสิ่งนั้นคือสิ่งที่ควรรู้ก่อนที่คุณจะสร้างต่อยอดบนโมเดลนี้

คณะกรรมการ อ่านให้ถูกต้อง

Artificial Analysis จัดอันดับลีดเดอร์บอร์ดวิดีโอของตนเป็นหลายระดับ โดยแต่ละระดับมีสเกล Elo ของตัวเองและกลุ่มผู้โหวตของตัวเอง ดังนั้นคะแนนจึงใช้ข้ามระดับกันไม่ได้ บน AA-Video-I2V v1.0 โดยนับรวมเสียงไว้ หกอันดับแรกห่างกัน 20 คะแนน Elo และช่วงความเชื่อมั่นกว้างระหว่าง 7 ถึง 10 คะแนน หกอันดับแรกนั้น ณ วันที่ 10 ตุลาคม 2026:

• MiniMax H3 Max — 1,195 ±9 จาก 5,894 ตัวอย่าง, สิงหาคม 2026, $4.80/นาที

• MiniMax H3 — 1,181 ±8 จาก 7,284 ตัวอย่าง, กรกฎาคม 2026, $7.80/นาที

• Vidu Q4 Preview — 1,179 ±10 จาก 5,543 ตัวอย่าง ตุลาคม 2026, $5.04/นาที

• Gemini Omni Flash — 1,178 ±7 จาก 12,327 ตัวอย่าง, พฤษภาคม 2026, $6.00/นาที

• Dreamina Seedance 2.0 720p — {{1}}1,176 ±7 จาก 15,721 ตัวอย่าง{{/1}} {{2}}มีนาคม 2026{{/2}} {{3}}$9.07/นาที{{/3}}

• HiDream-O1-Video-1.0 — 1,175 ±10 จาก 3,231 ตัวอย่าง, สิงหาคม 2026, $5.80/นาที

อ่านช่วงเหล่านั้นเป็นกลุ่มและบทสรุปที่ตรงไปตรงมาคือว่าตำแหน่งที่หนึ่งถึงหกนั้น ในทางสถิติแล้วเป็นการแข่งขันเดียวที่มีหางยาวมากของการเสมอกัน ช่องว่างที่ ไม่ อยู่ภายในความคลาดเคลื่อนคือช่องว่างระหว่าง HiDream V1 กับส่วนที่เหลือของสนาม: อันดับที่เจ็ด Wan 3.0 ของ Alibaba อยู่ที่ 1,164 — น้อยกว่าอันดับที่หกอยู่สิบเอ็ดคะแนนและเต็มช่วงความเชื่อมั่น และนำอยู่เกือบสามร้อยคะแนนเสียง จำนวนตัวอย่างของ HiDream เองนั้นน้อยที่สุดในหกอันดับแรก ซึ่งหมายความว่าช่วงความเชื่อมั่นของมันเป็นหนึ่งในที่กว้างที่สุดและตำแหน่งของมันยังไม่นิ่งที่สุด

มีสองสิ่งที่ Artificial Analysis ระบุเกี่ยวกับตัวบอร์ดเองที่ควรค่าแก่การนำไปพิจารณาต่อ โดยบอร์ดดังกล่าวบันทึกว่ามีโมเดลเดียวที่ถูกเพิ่มเข้ามาในรอบ 30 วันล่าสุด และระบุว่า AA-Video-I2V v2.0 กำลังจะมา โดยจัดวางให้สอดคล้องกับอนุกรมวิธานของ AA-Video-T2V v2.0 พร้อมความละเอียด 1080p ตลอดทั้งระบบ เรื่องนี้สำคัญสำหรับโมเดลที่คำกล่าวอ้างตอนเปิดตัวนั้นเกี่ยวกับ 1080p และเกี่ยวกับการกำหนดเงื่อนไขด้วยข้อความและวิดีโอ เพราะบอร์ดที่มันเปิดตัวนั้นเป็นบอร์ดเปลี่ยนผ่านอย่างชัดเจน และบอร์ดที่จะมาแทนที่จะเปลี่ยนสิ่งที่ถูกนำมาวัด

ที่ซึ่งโมเดลไม่ได้อยู่

HiDream-O1-Video-1.0 ปรากฏอยู่บนบอร์ดวิดีโอของ Artificial Analysis เพียงบอร์ดเดียวเท่านั้น โดยไม่มีชื่ออยู่ใน AA-Video-T2V v2.0 ซึ่งเป็นบอร์ดหมวดข้อความเป็นวิดีโอ และไม่มีอยู่ในบอร์ดหมวดตัดต่อวิดีโอ ฉันตรวจสอบทั้งสองแห่งเมื่อวันที่ 10 ตุลาคม 2026 — Wan 3.0 ครองอันดับหนึ่งในหมวดข้อความเป็นวิดีโอด้วยคะแนน 1,156 และหมวดตัดต่อวิดีโอด้วยคะแนน 1,157 ส่วน FLUX 3 อยู่อันดับที่หกในหมวดข้อความเป็นวิดีโอด้วยคะแนน 1,128 และ HiDream ไม่ปรากฏชื่ออยู่ในอันดับใดเลยจากทั้งสองอันดับ

การไม่มีอยู่นั้นเป็นสัญญาณมากกว่าจะเป็นการตัดสิทธิ์ โมเดลที่เพียงแต่ใช้ภาพอ้างอิงไม่สามารถเข้าสู่การโหวตแบบข้อความเป็นวิดีโอได้ และโมเดลที่เพียงแต่สร้างแอนิเมชันก็ไม่สามารถเข้าสู่การเปรียบเทียบการตัดต่อได้ ผลที่ตามมาในทางปฏิบัติก็คือไม่มีการวัดผลที่เป็นอิสระของ HiDream V1 ในการทำข้อความเป็นวิดีโอหรือการตัดต่อวิดีโอ ซึ่งเป็นสองในสามของโหมดอินพุตที่รีลีสเปิดตัวของมันโฆษณาไว้

สองวันที่ และเก้าสิบวันระหว่างทั้งสอง

มีปมปัญหาเรื่องการระบุวันที่ที่ใครก็ตามที่อ้างอิงตัวเลขเหล่านี้ควรจัดการอย่างระมัดระวัง Artificial Analysis บันทึกวันที่เปิดตัวของ HiDream-O1-Video-1.0 ไว้เป็น 28 สิงหาคม 2026 และวันที่นำเสนอต่อบอร์ดเป็น 10 กันยายน 2026 ประกาศเปิดตัวของ HiDream เองลงวันที่ 17 กันยายน เอกสารอ้างอิงโมเดลจากบุคคลที่สามที่ปรากฏตั้งแต่นั้นมาระบุว่าเผยแพร่เมื่อวันที่ 15 กันยายน และตรวจสอบยืนยันเมื่อวันที่ 17 กันยายน

สิ่งที่รูปแบบนั้นอธิบายคือโมเดลที่ไปถึงไปป์ไลน์การประเมินก่อนที่มันจะไปถึงข่าวประชาสัมพันธ์ — ซึ่งก็ถือว่าปกติอยู่ และหมายความว่าวันที่เปิดตัวบนกระดานคือวันที่ที่เร็วกว่าในสองวันนั้น ไม่ใช่ข้อผิดพลาด มันไม่ได้อธิบายถึงโมเดลจากเดือนมีนาคมที่ถูกประกาศซ้ำอีกครั้งในเดือนสิงหาคม ซึ่งเป็นรูปแบบความล้มเหลวที่บล็อกนี้เคยได้รับผลกระทบมาก่อน HiDream-O1-Video-1.0 เป็นของใหม่จริง ๆ: ตัวโครงสร้างพื้นฐานของลีดเดอร์บอร์ดเองระบุวันมาถึงของมันว่าอยู่ภายในสองเดือนที่ผ่านมา

สิ่งที่การเปิดตัวอ้าง และใครเป็นคนกล่าวเช่นนั้น

เรื่องราวสถาปัตยกรรมมาจาก HiDream และยังไม่ได้รับการทำซ้ำอย่างอิสระ ตามที่ผู้จำหน่ายระบุ: HiDream-O1-Video-1.0 — HiDream V1 หรือ HD-V1 — สร้างโมเดลข้อความ วิดีโอ และเสียงร่วมกันภายในกระบวนการสร้างเดียว แทนที่จะสร้างภาพแล้วจึงเติมเสียงในภายหลัง เพื่อให้การเคลื่อนไหวริมฝีปาก เสียงแวดล้อม และการเคลื่อนไหวทางกายภาพใช้เส้นเวลาเดียวกัน ระยะเวลาถูกวางแผนแทนที่จะถูกกำหนดตายตัว โดยโมเดลเลือกความยาวระหว่าง 5 ถึง 20 วินาทีจากเหตุการณ์ที่กำลังอธิบาย พฤติกรรมทางกายภาพ — แรงโน้มถ่วง การชน ความเฉื่อย การเปลี่ยนรูป การเสื่อมของแสง — ถูกฝึกให้เป็นข้อจำกัดในการสร้าง การฝึกภายหลังใช้การเรียนรู้แบบเสริมกำลังแบบดิฟฟิวชันกับโมเดลผลตอบแทนแบบมัลติโมดัลที่สอดคล้องกับการรับรู้ของมนุษย์ การสร้างดำเนินไปในสามขั้นตอนที่บริษัทอธิบายว่า ขั้นแรกคือการวางแผน ขั้นที่สองคือการสร้างร่วม และขั้นที่สามคือการจัดแนว

HiDream จัดวางโมเดลนี้ไว้ภายในกลุ่มผลิตภัณฑ์สี่ตระกูลที่สร้างขึ้นบนพื้นฐาน unified-transformer ที่ใช้ร่วมกัน — HiDream-O1-Image, HiDream-O1-Video, HiDream-O1-World และ HiDream-O1-Embodied — และอ้างอิงอันดับการทดสอบมาตรฐานก่อนหน้านี้ของโมเดลพี่น้อง รวมถึง HiDream-O1-Image 1.5 ที่อยู่อันดับสองของโลกบนบอร์ด text-to-image ของ Artificial Analysis และ HiDream-O1-World ที่อยู่อันดับหนึ่งบน WBench นั่นเป็นตัวเลขของผู้ขายสำหรับโมเดลอื่นในตระกูลเดียวกัน ซึ่งระบุไว้โดยไม่มีการยืนยันอย่างเป็นอิสระในที่นี้ เอกสารองค์กรของบริษัทยังอธิบายถึงสแต็กเทคโนโลยี foundation-model ที่มีพารามิเตอร์ "มากกว่า 200 พันล้าน" นั่นเป็นคำกล่าวระดับแพลตฟอร์ม ไม่ใช่ข้อกำหนดของ HiDream-O1-Video-1.0 และไม่มีแหล่งใดเผยแพร่จำนวนพารามิเตอร์สำหรับเช็คพอยต์นี้ ยังไม่มีการเปิดเผยเวทเปิดสำหรับโมเดลนี้

สิ่งที่คุณสามารถเรียกได้จริง

เอกสารตรงนี้ชัดเจนเป็นพิเศษ และแคบกว่าที่ประกาศไว้ HiDream ให้บริการโมเดลนี้ผ่าน HiHarness ซึ่งเป็นแพลตฟอร์ม MaaS ของบริษัท เอ็นด์พอยต์สำหรับวิดีโอคือการส่ง POST ไปที่ /api/maas/gw/v1/videos/generations พร้อมตัวระบุโมเดล HiDream-O1-Video-1.0 อินพุตที่จำเป็นคือรูปอ้างอิงเพียงหนึ่งรูป — เป็น URL สาธารณะ หรือ Base64 โดยไม่มีคำนำหน้า data-URL ขนาดระหว่าง 40 KB ถึง 20 MB พรอมป์ต์ข้อความเป็นตัวเลือกเสริม และมีค่าเริ่มต้นเป็นค่าว่าง การสร้างเป็นแบบอะซิงโครนัส: คุณส่งคำขอ รับ task_id แล้วโพลล์ /api/maas/gw/v1/videos/generations/results จนกว่า result.status จะอ่านค่าเป็น 1

การละเว้นสามประการในสคีมานั้นควรค่าแก่การระบุอย่างชัดเจน เพราะแต่ละประการคือความสามารถที่รุ่นเปิดตัวโฆษณาไว้

• วิดีโออ้างอิง — ประกาศระบุวิดีโอเป็นหนึ่งในอินพุตของโมเดล; คำขอที่ระบุไว้ในเอกสารไม่มีฟิลด์สำหรับวิดีโอดังกล่าว

• ความละเอียดที่ระบุไว้อย่างชัดเจน — ประกาศอ้างว่า 1080p; คำขอที่บันทึกไว้ไม่มีตัวเลือกความละเอียด และผลลัพธ์กลับคงอัตราส่วนภาพของภาพอ้างอิงไว้แทน

• การควบคุมเสียง — ประกาศอ้างว่ามีระบบเสียงแบบซิงโครไนซ์เนทีฟ แต่คำขอที่ระบุไว้ในเอกสารกลับไม่ปรากฏพารามิเตอร์สำหรับอินพุตเสียงหรือการสร้างเสียงใด ๆ

สิ่งที่สคีมาเปิดเผยก็คือ force_10s ซึ่งเป็นค่าบูลีนที่มีค่าเริ่มต้นเป็น false หากปล่อยเป็น false โมเดลจะเป็นผู้เลือกระยะเวลา หากตั้งเป็น true คุณจะได้สิบวินาที ไม่มีฟิลด์ระยะเวลาแบบตัวเลข ดังนั้นช่วงห้าถึงยี่สิบวินาทีที่โฆษณาไว้จึงเป็นคำกล่าวอ้างในระดับโมเดลที่พื้นผิวคำขอสาธารณะไม่ให้คุณควบคุม ยกเว้นโดยการเลือกหนึ่งในสองโหมด

มีรายละเอียดการนำไปใช้จุดหนึ่งในสัญญาการตอบกลับนั้นที่จะสร้างปัญหาให้กับการผสานรวมที่เขียนขึ้นโดยการจับรูปแบบจาก API วิดีโออื่น ๆ result.status = 1 หมายความว่างานย่อยทุกงานเข้าสู่สถานะสิ้นสุดแล้ว — ไม่ได้หมายความว่าการสร้างสำเร็จ คุณยังต้องอ่าน sub_task_results[].task_status โดยที่ 1 คือสำเร็จ, 3 คือล้มเหลวในการสร้าง และ 4 คือล้มเหลวจากการตรวจสอบความปลอดภัย ไคลเอนต์ที่ถือว่าสถานะสิ้นสุดคือความสำเร็จจะส่ง URL วิดีโอที่ไม่มีอยู่จริงให้คุณ

ราคาในบริบท

จากข้อมูลของ Artificial Analysis ที่ $5.80 ต่อนาที HiDream V1 อยู่ในระดับราคากลางสำหรับกลุ่มของมัน มากกว่าที่จะถูก ในหกอันดับแรกของบอร์ด มันถูกกว่า MiniMax H3 ($7.80) และ Dreamina Seedance 2.0 ($9.07) และแพงกว่า MiniMax H3 Max และ Vidu Q4 Preview เมื่อเทียบกับโมเดลที่จะถูกนำมาเปรียบเทียบด้วยบ่อยที่สุด ช่องว่างราคากว้างขึ้น: Google Veo 3.1 อยู่ที่ $24.00 ต่อนาที, Kling 3.0 1080p Pro $20.16, Alibaba Wan 2.7 $9.00 และ Wan 3.0 $12.00 ขณะที่ Grok Imagine Video 1.5 อยู่ที่ $8.40

อัตราค่าบริการต่อนาทีเหล่านั้นไม่สามารถนำมาเปรียบเทียบกันได้โดยตรง เพราะการที่เอาต์พุตหนึ่งนาทีจะมีความละเอียดเท่าใดและมาพร้อมเสียงแบบไหน คือสิ่งที่เอกสารประกอบ API ปล่อยไว้โดยไม่ได้ระบุสำหรับโมเดลนี้พอดี ให้มองตัวเลขนี้เป็นจุดตั้งต้นสำหรับการคำนวณของคุณเอง มากกว่าที่จะเป็นตารางอัตราค่าบริการ

การลองใช้เส้นทางที่ยังไม่ผ่านการพิสูจน์ โดยไม่ต้องเดิมพันไปป์ไลน์ทั้งหมดไว้กับมัน

เหตุผลที่ควรระวังในกรณีนี้ไม่ใช่ว่าโมเดลนั้นแย่ แต่คือพื้นผิวการให้บริการในยุคพรีวิว — อินพุตแบบเดียว, สวิตช์ระยะเวลาเดียว, แฟล็กปลายทางสองสถานะ — ไม่ใช่ที่ที่เหมาะจะฮาร์ดโค้ดเส้นทางโปรดักชัน HiDream-O1-Video-1.0 ไม่ใช่โมเดลที่เราให้บริการบน OrcaRouter ในวันนี้ ดังนั้นสิ่งที่กล่าวถึงข้างล่างนี้จึงไม่ใช่ข้ออ้างเกี่ยวกับการโฮสต์มัน: จุดที่ผลิตภัณฑ์ของเราช่วยได้จริงคืออีกด้านของการตัดสินใจ ซึ่งคุณต้องการทดสอบเส้นทางวิดีโอใหม่เทียบกับตัวที่ใช้อยู่เดิม และสามารถถอยออกจากมันได้ทุกเมื่อ เอ็นด์พอยต์เดียวที่เข้ากันได้กับ OpenAI ครอบคลุมโมเดลกว่า 200 ตัว พร้อมการสลับสำรองอัตโนมัติ เพื่อให้เส้นทางที่เริ่มล้มเหลวแบบเงียบ ๆ ไม่ใช่เส้นทางที่คุณนำออกใช้, ราคาตามรายการของผู้ให้บริการที่ส่งต่อโดยไม่บวกเพิ่ม, และ DSL สำหรับกำหนดเส้นทางที่ให้คุณเปรียบเทียบสองโมเดลภายในคำขอเดียวแทนที่จะต้องทำสองการเชื่อมต่อ ไม่มีสิ่งใดในนั้นที่จำเป็นต้องใช้โมเดลของ HiDream โดยเฉพาะ

อะไรจะทำให้ชิ้นนี้เปลี่ยนไป

พัฒนาการสามประการจะเปลี่ยนสถานการณ์นี้ได้ โดยเรียงตามความน่าจะเป็นจากมากไปน้อย

อย่างแรก คือสัญญาการให้บริการที่กว้างขึ้น หาก HiHarness เพิ่มฟิลด์วิดีโออ้างอิง ตัวเลือกความละเอียด หรือการควบคุมเสียงที่มีเอกสารประกอบ ช่องว่างระหว่างประกาศกับ API ก็จะแคบลง และข้ออ้างเรื่อง 1080p กับการแปลงข้อความเป็นวิดีโอ (text-to-video) ก็จะกลายเป็นสิ่งที่ทดสอบได้ นั่นคือการเปลี่ยนแปลงด้านเอกสาร ไม่ใช่การเปลี่ยนแปลงตัวโมเดล และอาจเกิดขึ้นได้ในสัปดาห์ใดก็ได้

ประการที่สอง บอร์ด AA-Video-I2V v2.0 Artificial Analysis กล่าวว่าจะเปิดตัว โดยสอดคล้องกับอนุกรมวิธานของ T2V v2.0 และเป็น 1080p ตลอดทั้งบอร์ด บอร์ดที่เป็น 1080p เท่านั้นจะเป็นสภาพแวดล้อมอิสระแห่งแรกที่คำกล่าวอ้างเรื่องความละเอียดของ HiDream V1 มีความหมายอย่างแท้จริง และหากโมเดลนี้ยังไม่สามารถเข้าร่วมบอร์ด text-to-video ภายใต้อนุกรมวิธานใหม่ได้ การที่มันไม่มีชื่ออยู่ที่นั่นก็จะกลายเป็นข้อค้นพบที่มีเนื้อหาสาระ แทนที่จะเป็นเพียงผลพลอยได้จากหมวดหมู่แบบเก่า

ประการที่สาม จำนวนตัวอย่าง คะแนนเสียง 3,231 เสียงเป็นการวัดจริงและยังใหม่ เป็นค่าที่น้อยที่สุดในหกอันดับแรก ช่วงตอนนี้คือ ±10 และจะแคบลงไม่ว่าผู้ลงคะแนนจะผลักดันไปทางใด ใครก็ตามที่ยก “ที่หก” มาพูดเป็นข้อเท็จจริงที่ยุติแล้ว ควรบอกวันที่ที่ตนอ่านข้อมูลนั้น เพราะที่หกคือการเสมอกันแบบหนึ่งในความเสมอแบบหกทาง

คำถามที่คุ้มค่าจะเก็บไว้ไม่ใช่ว่า HiDream-O1-Video-1.0 แข่งขันได้หรือไม่ — บนกระดานเดียวที่สามารถวัดได้ มันชัดเจนว่าแข่งขันได้ และในราคาต่อนาทีที่ปกป้องได้ คำถามคือว่าโมเดลที่ในที่สุดจะไปถึง API แบบกว้างขวางนั้นเป็นตัวเดียวกับที่ถูกประกาศไว้หรือไม่ ตามเอกสารปัจจุบัน สองสิ่งนั้นยังคงเป็นผลิตภัณฑ์ที่แตกต่างกันสองอย่าง

HiDream-O1-Video-1.0 ไม่ใช่หนึ่งในเส้นทางที่เราให้บริการอยู่ในปัจจุบัน แต่รูปแบบการเชื่อมต่อแบบเดียวกันนี้มีอยู่เบื้องหลัง โมเดลกว่า 200 รายการ โดยราคาตามรายการของผู้ให้บริการถูกส่งผ่านตรงไปและไม่มีการบวกเพิ่ม