Utopai X เปิดตัวที่อันดับ 2 ในหมวดข้อความเป็นวิดีโอ: เบื้องหลังการปรับแต่งหลังการฝึกของ MiniMax H3 โดยสตูดิโอภาพยนตร์

Utopai X เป็นโมเดลวิดีโอที่ยังไม่มีอยู่เมื่อสัปดาห์ที่แล้ว ไม่ได้ถูกฝึกตั้งแต่ต้นโดยห้องแล็บชั้นแนวหน้า และไม่ได้จำหน่ายผ่าน API — และปัจจุบันมันติดอันดับสองของโลกในด้านข้อความเป็นวิดีโอ โมเดลนี้มาจาก Utopai Studios สตูดิโอภาพยนตร์และโทรทัศน์ที่เกิดจาก AI ซึ่งตั้งอยู่ที่ Mountain View และเป็นผลจากการโพสต์เทรนของ MiniMax H3 ซึ่งเป็นโมเดลวิดีโอแบบ omni-modal ของ MiniMax บนตารางอันดับข้อความเป็นวิดีโอแบบมีเสียงของ Artificial Analysis (ตารางที่ Artificial Analysis เรียกชื่อว่า AA-Video-T2V v2.0 ผลลัพธ์วันที่ 29 กันยายน 2026) Utopai X อยู่ที่ Elo 1,150 — เป็นรองเพียง Wan 3.0 ของ Alibasba ที่ 1,157 และนำหน้า Dreamina Seedance 2.5 ของ ByteDance ที่ 1,143 กับโมเดลฐาน MiniMax H3 (768p) ที่มันถูกปรับจูนมา ซึ่งอยู่ที่ 1,138 มันเปิดตัวเมื่อ 2026-09-30 วันเดียวกับที่ตารางอันดับได้รับการรีเฟรช และใช้งานได้ในที่เดียวเท่านั้น คือภายใน PAI แพลตฟอร์มการผลิตของ Utopai เอง ไม่มี API สาธารณะ และคอลัมน์ราคาของ Artificial Analysis เองสำหรับแถวนั้นระบุว่า "No API available"

การผสมผสานนั้น — อันดับสองของโลก, ช่องทางจัดจำหน่ายเพียงช่องทางเดียว, ไม่มีตารางอัตราค่าบริการต่อวินาทีในความหมายปกติ — คือคำอธิบายทั้งหมด สตูดิโอที่สร้างภาพยนตร์ได้นำโมเดลพื้นฐานของคนอื่นมา ปรับจูนกับดุลยพินิจด้านการผลิตของตัวเอง แล้วแซงคิว ไม่ว่าผลลัพธ์นั้นจะยั่งยืนหรือเป็นเพียงภาพเสี้ยวขณะของเวทีใหม่เอี่ยม นั่นคือคำถามที่ควรค่าแก่การถาม และคำตอบขึ้นอยู่กับการอ่านลีดเดอร์บอร์ด ไม่ใช่ข่าวประชาสัมพันธ์

สิ่งที่บอร์ดแสดงจริง ๆ

Artificial Analysis จัดอันดับโมเดลวิดีโอโดยใช้ Elo ซึ่งได้มาจากการลงคะแนนแบบไม่เปิดเผยตัวตนจากการเปรียบเทียบแบบจับคู่ตามความชอบของมนุษย์ ผู้ลงคะแนนจะเห็นคลิปสองคลิปที่สร้างจากพรอมป์เดียวกันและเลือกคลิปที่ตนชอบ โดยไม่รู้ว่าคลิปใดสร้างโดยโมเดลใด บอร์ดจะเปลี่ยนแปลงไปเมื่อคะแนนสะสมมากขึ้น และทุกแถวจะมีช่วงความเชื่อมั่นที่บอกว่าตำแหน่งสามารถขยับได้มากน้อยเพียงใด บันทึกเมื่อวันที่ 2026-10-01 บอร์ด text-to-video แบบมีเสียงอ่านว่า:

• #1 Wan 3.0 — Elo 1,157 (±10), 6,391 ตัวอย่าง, เปิดตัวเดือน ส.ค. 2026, $12.00/นาที

• #2 Utopai X (อิงจาก MiniMax H3) — Elo 1,150 (±11), 5,455 ตัวอย่าง, เปิดตัวเมื่อ ก.ย. 2026, ไม่มี API ให้ใช้งาน

• #3 Dreamina Seedance 2.5 — Elo 1,143 (±10), ตัวอย่าง 6,375 รายการ, เปิดตัวเดือน ก.ค. 2026, $34.12/นาที

• #4 MiniMax H3 (768p) — Elo 1,138 (±10), 6,343 ตัวอย่าง, เปิดตัวเดือน ก.ค. 2026, $4.80/นาที

• #5 FLUX 3 — Elo 1,129 (±10), 5,628 ตัวอย่าง, เปิดตัว ก.ค. 2026, $17.40/นาที

รายละเอียดสองอย่างสำคัญยิ่งกว่าการเรียงลำดับ ประการแรก ช่องว่างระหว่างอันดับหนึ่งกับอันดับสองอยู่ที่เจ็ดคะแนน Elo และช่วงทั้งสองซ้อนทับกันอย่างชัดเจน — Artificial Analysis ระบุช่วงของ Utopai X ไว้ที่ 1,139 ถึง 1,161 ซึ่งครอบคลุมค่าประมาณจุดของ Wan 3.0 ที่ 1,157 บอร์ดจัดอันดับระบุอันดับของ Utopai X เป็นช่วง #1–3 ไม่ใช่ตำแหน่งที่ตายตัว ประการที่สอง ช่องว่างระหว่าง Utopai X กับโมเดลที่มันถูกฝึกต่อยอดมาจากคือสิบสองคะแนน โดยมีปัญหาการซ้อนทับแบบเดียวกัน ดังนั้น “โมเดลที่ผ่านการฝึกต่อยอดเอาชนะโมเดลต้นทางของมัน” จึงเป็นจริงในเชิงทิศทาง แต่ยังไม่หนักแน่นทางสถิติ ข้อเขียนของ Utopai เองนั้นระมัดระวังเรื่องนี้มากกว่าโพสต์เปิดตัวส่วนใหญ่ โดยระบุว่าผลลัพธ์ Elo “ให้การประเมินที่เป็นอิสระว่าผู้คนตอบสนองต่อฟุตเทจที่มันสร้างขึ้นอย่างไร” ซึ่งเป็นการตีความที่สมเหตุสมผลของสิ่งที่สนามเปรียบเทียบความชอบของมนุษย์วัด และไม่ใช่ข้ออ้างเกี่ยวกับการสร้างภาพยนตร์

ในทางกลับกัน ชั้นข้อมูลที่ผู้ขายรายงานนั้นมีความมั่นใจ Utopai อธิบายจุดแข็งในด้านการสะท้อนและคอสติกส์ — รูปแบบที่รวมตัวกันอย่างเข้มข้นซึ่งเกิดขึ้นเมื่อแสงสะท้อนหรือหักเห — และในด้านความสอดคล้องเชิงพื้นที่ภายในคลิป ซึ่งทั้งสองอย่างเป็นเป้าหมายการพัฒนา ไม่ใช่ผลลัพธ์จากเบนช์มาร์ก สิ่งเหล่านั้นเป็นถ้อยคำของผู้ขาย ไม่ใช่การวัดของ Artificial Analysis

สตูดิโอแทนห้องแล็บ

Utopai Studios พัฒนา ให้ทุน และผลิตโครงการภาพยนตร์และโทรทัศน์ของตนเอง และสร้างโมเดลของตนขึ้นภายในธุรกิจนั้นแทนที่จะแยกออกมาทำข้างนอก กลไกที่ระบุไว้คือการป้อนกลับ: งานผลิตสร้างบทภาพยนตร์ การออกแบบตัวละครและสถานที่ที่ได้รับอนุมัติ แผนการถ่ายทำ และเทกต่อเนื่องหลายครั้ง โดยผู้กำกับ ผู้กำกับภาพ และศิลปินของสตูดิโอบันทึกไม่เพียงว่าเทกใดถูกเก็บไว้ แต่ยังบันทึกว่าเหตุใดเทกอื่น ๆ จึงถูกปฏิเสธ บันทึกนั้นกลายเป็นสัญญาณสำหรับการฝึกและการประเมิน ทีมวิจัยยังดำเนินระบบ Elo ภายในที่ผสมการประเมินความชอบของมนุษย์เข้ากับการโหวตอัตโนมัติโดยโมเดลที่ผสานภาพและภาษา โดยมีศิลปินเข้าร่วมในส่วนของมนุษย์

มันเป็นข้อได้เปรียบที่ฟังขึ้น และเป็นสิ่งที่ตรวจสอบจากภายนอกไม่ได้ การฝึกภายหลัง (post-training) สามารถปรับโมเดลวิดีโอทั่วไปให้โน้มเอียงไปตามความชอบของผู้ใช้ในวงการภาพยนตร์และโฆษณา โดยไม่ต้องแทนที่โมเดลพื้นฐาน — ส่วนนี้สอดคล้องกับลีดเดอร์บอร์ด การขยับขึ้น 12 จุดเหนือ MiniMax H3 นั้นมาจากข้อมูลฝึก การปรับให้เหมาะสมตามความชอบ การจัดการพรอมต์ การตั้งค่าการอนุมาน หรือการเปลี่ยนแปลง ณ เวลาให้บริการ มากน้อยเพียงใด ไม่ใช่สิ่งที่เอกสารเปิดตัวระบุไว้ Utopai ไม่ได้เปิดเผยข้อมูลการฝึกภายหลังใด ๆ ไม่ได้เปิดเผยวิธีการปรับให้เหมาะสม ไม่ได้เปิดเผยงบประมาณการประมวลผล และไม่มีการประเมินความปลอดภัย นักวิจัยอิสระไม่สามารถทำซ้ำผลลัพธ์ที่เพิ่มขึ้นนี้ได้ และไม่มีรายงานทางเทคนิคให้โต้แย้ง

ชั้นการจัดจำหน่ายคือจุดที่แนวคิดหลักของสตูดิโอกลายเป็นรูปธรรม PAI — Production Assistive Intelligence — คือแพลตฟอร์มที่ Utopai เปิดตัวไปพร้อมกับโมเดล และมันเก็บบริบทของโปรเจกต์ไว้ ทั้งการแยกบทออกเป็นฉากและช็อต ไลบรารีการผลิตของตัวละคร สถานที่ และวัตถุ ประวัติเวอร์ชัน การอนุมัติร่วมกันสำหรับทีมองค์กร และไทม์ไลน์ที่ส่งออกไปยัง Premiere Pro หรือ DaVinci Resolve จุดขายคือ การสร้างคลิปเป็นส่วนที่ถูก และการทำให้ช็อตสอดคล้องกับส่วนที่เหลือของภาพยนตร์เป็นส่วนที่แพง Utopai X สร้างฟุตเทจภายในเวิร์กสเปซนั้น "เมื่อผู้สร้างภาพยนตร์เลือก" ตามถ้อยคำของบริษัทเอง — โมเดลนี้เป็นหนึ่งในตัวเลือกท่ามกลางโมเดลภาพ วิดีโอ และเสียงหลายตัวที่มีใน PAI ไม่ใช่ตัวเดียวเท่านั้น

Utopai X มีค่าใช้จ่ายเท่าไร และวิธีอ่านมัน

PAI จำหน่ายเป็นระบบสมัครสมาชิกแบบใช้เครดิต ไม่ใช่ API แบบคิดตามวินาที แพ็กเกจที่ประกาศไว้ ได้แก่ 15 ดอลลาร์/เดือน สำหรับ 1,000 เครดิต, 49 ดอลลาร์/เดือน สำหรับ 3,500 เครดิต, 129 ดอลลาร์/เดือน สำหรับ 10,000 เครดิต และ 379 ดอลลาร์/เดือน สำหรับ 35,000 เครดิต โดยการเรียกเก็บเงินรายปีมีส่วนลดประมาณ 8 ถึง 10 เปอร์เซ็นต์ พร้อมการเติมเครดิตในราคา 15 ดอลลาร์ต่อ 1,000 เครดิต Utopai X มีบรรทัดของตัวเองในตารางเครดิตของ PAI: 93 เครดิตต่อวินาทีของวิดีโอที่ 1080p โมเดลวิดีโออื่น ๆ ของแพลตฟอร์มมีอัตราต่ำกว่า — 50 เครดิตต่อวินาทีที่ 1080p ในระดับมาตรฐาน และ 76 ในระดับโปร

การแปลงตัวเลขนั้นเป็นอัตราต่อนาทีเป็นเลขคณิตที่ใครก็ทำได้ และแทบไม่มีใครควรนำไปอ้างเป็นราคา ที่ 93 เครดิตต่อวินาที ผลลัพธ์จาก Utopai X หนึ่งนาทีมีค่าใช้จ่าย 5,580 เครดิต แผนเริ่มต้นราคา $15 ให้ 1,000 เครดิตต่อเดือน ซึ่งคิดเป็นฟุตเทจประมาณ 10.8 วินาที หากเครดิตทั้งหมดถูกใช้กับโมเดลนี้ เมื่อเทียบอัตราเครดิตของแผนเริ่มต้นแบบเชิงเส้น ต้นทุนโดยนัยจะอยู่ที่ประมาณ $80 ขึ้นไปต่อวิดีโอที่สร้างหนึ่งนาที ตัวเลขนั้นควรกล่าวถึงก็ต่อเมื่อแนบข้อควรระวังมาด้วย: มันสมมติว่าการแปลงเครดิตเป็นดอลลาร์เป็นแบบเชิงเส้นตรงอย่างเคร่งครัด มันไม่นับว่าเครดิตถูกรวมไว้ใช้ข้ามทุกโมเดลใน PAI และหมดอายุหรือไม่ได้ถูกใช้ มันไม่นับส่วนลดรายปีและแพ็กเกจเติมเครดิต และไม่ได้กล่าวถึงข้อจำกัดด้านความละเอียดหรือความยาว ซึ่ง Utopai ยังไม่ได้ระบุแยกต่างหากสำหรับ Utopai X มันเป็นเพียงขนาดคร่าว ๆ ที่มีประโยชน์ ไม่ใช่ตารางราคา

เพื่อการเปรียบเทียบ บนกระดาน Artificial Analysis เดียวกัน MiniMax H3 (768p) ถูกระบุไว้ที่ $4.80 ต่อนาที และ Wan 3.0 ที่ $12.00 ขณะที่ Dreamina Seedance 2.5 ถูกระบุไว้ที่ $34.12 นั่นคือฟีดราคาอัตโนมัติจาก API ของผู้ขายเอง ไม่ใช่ประมาณการที่ได้จากการสมัครสมาชิก ดังนั้นการเปรียบเทียบนี้จึงบอกได้แค่เชิงทิศทางเท่านั้น — แต่ทิศทางชัดเจน: ในระดับเริ่มต้น การสร้างงานภายในแพลตฟอร์มสตูดิโอที่ใช้เครดิตไม่ได้แข่งขันกับราคา API แบบต่อวินาที สิ่งที่ผู้ซื้อจ่ายไปคือพื้นที่ทำงานรอบ ๆ โมเดล ไม่ใช่วินาทีส่วนเพิ่มของโมเดล

ส่วนที่ไม่เปิดเผยต่อสาธารณะ

มีช่องว่างสามประการที่ควรค่าแก่การกล่าวถึง เพราะแต่ละประการปิดกั้นการตัดสินใจที่แตกต่างกัน

• ไม่มี API และไม่มีเส้นทางการเชื่อมต่อ ปัจจุบัน Utopai X ไม่มีเส้นทางเชื่อมต่อโดยตรง ทีมผลิตภัณฑ์ที่ต้องการเรียกใช้ในไปป์ไลน์ก็ไม่สามารถทำได้ Artificial Analysis ระบุว่า "ไม่มี API ให้ใช้งาน" และเอกสารเปิดตัวก็ไม่ได้กล่าวถึงการเข้าถึงสำหรับนักพัฒนา

• ไม่มีข้อกำหนดแยกต่างหาก MiniMax H3 สร้างคลิปความยาว 4 ถึง 15 วินาที ที่ความละเอียดสูงสุด 2K พร้อมเสียงสเตอริโอแบบเนทีฟ Utopai ยังไม่ได้เผยแพร่ระยะเวลาสูงสุดหรือความละเอียดของตัวเองสำหรับ Utopai X ซึ่งหมายความว่าตัวเลข 1080p ในตารางเครดิตเป็นข้อมูลความละเอียดเดียวที่มีให้ใช้ และไม่ทราบความยาวของคลิป

• ไม่มีการประเมินใดนอกเหนือจากอารีนา ผลลัพธ์ Elo เป็นการวัดความชอบของมนุษย์ต่อคลิปสั้นอย่างเป็นอิสระ ไม่ใช่การวัดว่าฟุตเทจนั้นตอบโจทย์ช็อตที่ตั้งใจไว้ ตัดเข้าสู่การตัดต่อได้ หรือผ่านการแก้ไขได้หรือไม่ โพสต์ของ Utopai เองยอมรับเรื่องนี้โดยตรง — "การประเมินยังคงดำเนินต่อไปหลังจากคลิปถูกสร้างขึ้น" — ซึ่งเป็นการวางกรอบที่ซื่อตรงอย่างผิดปกติสำหรับการเปิดตัว และยังเป็นคำเตือนว่าแรงจัดอันดับนั้นแผ่ขยายไปไกลแค่ไหน

ในฝั่งสตูดิโอยังมีประวัติศาสตร์มากกว่านี้ให้อ้างอิง Utopai เปิดตัว PAI 2.0 เมื่อวันที่ 2026-06-02 และกล่าวในขณะนั้นว่าแพลตฟอร์มมีรายได้ประจำปี 11 ล้านดอลลาร์ ภายในเวลาไม่ถึงสองเดือนหลังจากการเปิดตัวในเดือนเมษายน ซึ่งขับเคลื่อนโดยใบอนุญาตเชิงพาณิชย์ที่ขายให้กับบริษัทผู้ผลิต บริษัทกล่าวว่ามีภาพยนตร์ฉายในโรงสามเรื่องและซีรีส์สองเรื่องที่กำหนดไว้ในปี 2027 และกำลังนำ PAI และ Utopai X มาใช้กับโปรดักชันของตัวเอง รวมถึง The Most Serious Fart ซึ่งเป็นภาพยนตร์แอนิเมชันที่เขียนบทและกำกับโดยไมค์ เบนเดอร์ นั่นคือตัวเลขของสตูดิโอและตารางเวลาของสตูดิโอ และนั่นคือเหตุผลที่โมเดลที่ผ่านการฝึกเพิ่มเติมที่ไม่มี API คุ้มค่าที่จะเขียนถึงเลย: โมเดลนี้ถูกใช้สร้างภาพยนตร์ที่บริษัทตั้งใจจะออกฉาย ซึ่งเป็นการทดสอบที่ยากกว่าการขึ้นกระดานผู้นำ

ที่ซึ่งรุ่นพื้นฐานยังคงเป็นตัวเลือกที่ใช้งานได้จริง

สำหรับใครก็ตามที่ต้องสร้างวิดีโอจริง ๆ ในสัปดาห์นี้ ครึ่งหนึ่งของตระกูลนี้ที่เรียกใช้ผ่านเราเตอร์ได้คือโมเดลฐาน MiniMax H3มีให้บริการบน OrcaRouter ในราคาตามรายการราคาของผู้ให้บริการ— 0.08 ดอลลาร์ต่อวินาทีที่ 768p ซึ่งเท่ากับ 4.80 ดอลลาร์ต่อนาที ตัวเลขเดียวกับที่ Artificial Analysis ระบุ — โดยไม่มีค่าบวกเพิ่ม 0% ดังนั้นหากผู้ขายรายใดปรับลดราคา ก็จะมีผลในวันเดียวกันแทนที่จะรอรอบการปรับราคา และระบบสลับอัตโนมัติเมื่อเกิดความล้มเหลวข้ามผู้ให้บริการ เพื่อให้การล่มของปลายทางใดปลายทางหนึ่งไม่ทำให้ไปป์ไลน์ของคุณหยุดทำงาน โดยรับข้อความ รูปภาพ วิดีโอ และเสียงอ้างอิงเป็นบริบทเดียวแบบรวม และคืนคลิปความยาว 4 ถึง 15 วินาทีที่ 768P หรือ 2K พร้อมเสียงสเตอริโอแบบเนทีฟ คิดค่าบริการตามวินาทีของเอาต์พุตที่สร้างขึ้น

Utopai X ไม่ได้ถูกจัดเส้นทาง (routed) และไม่มีข้อความใดในบทความนี้ที่ควรอ่านว่าเป็นการอ้างว่าเป็นเช่นนั้น สิ่งที่โมเดลฐานมอบให้คุณคือวิธีทดสอบลักษณะด้านสุนทรียศาสตร์และการเคลื่อนไหวของตระกูล H3 — รากฐานเดียวกันกับที่ Utopai เริ่มต้น ก่อนการปรับแต่งหลังการฝึก (post-training) ใด ๆ ที่นำมาใช้ — ผ่านคีย์ API เพียงคีย์เดียว ควบคู่ไปกับอีกกว่า 200 โมเดล โดยไม่ต้องสมัครสมาชิก PAI หากวันหนึ่ง Utopai X เข้าถึงผู้ให้บริการที่จัดเส้นทางได้ มันจะปรากฏในราคาตามรายการในวันเดียวกัน โดยส่งผ่านอัตราของผู้ขายโดยตรงแทนการบวกเพิ่มกำไร จนถึงตอนนั้น การแบ่งที่ตรงไปตรงมาคือ: Utopai X สำหรับสตูดิโอที่อยู่ภายใน PAI, MiniMax H3 สำหรับทุกคนที่กำลังประกอบไปป์ไลน์

อะไรเป็นตัวตัดสินว่านี่คือการเปิดตัวหรือเป็นแค่ช่วงเวลาหนึ่ง

สามเรื่องที่ควรจับตาในไตรมาสหน้า เรื่องแรก คือช่องว่างเจ็ดจุดที่ตำแหน่งบนสุดจะยังคงอยู่หลังการโหวตอีกสองสามพันครั้งหรือไม่ — ช่วงความเชื่อมั่นในวันนี้ทับซ้อนกัน และบอร์ดที่จัดอันดับใหม่เมื่อชุดการเปรียบเทียบใหม่เข้ามา ยังไม่ได้ยุติอะไรเลย เรื่องที่สอง คือ Utopai จะเปิดให้เข้าถึงสำหรับนักพัฒนาบ้างหรือไม่; โมเดลที่ครองอันดับสองของโลกซึ่งมีเพียงผู้สมัครสมาชิก PAI เท่านั้นที่เรียกใช้ได้ เป็นการตัดสินใจด้านผลิตภัณฑ์ และสามารถย้อนกลับได้ เรื่องที่สาม คือคู่แข่งจะเคลื่อนไปในทิศทางตรงกันข้ามหรือไม่ Wan 3.0 สร้างวิดีโอ 1080p ได้นานสูงสุด 30 วินาทีพร้อมเสียงเนทีฟ และรับข้อความ รูปภาพ วิดีโอ เสียง เอกสาร และเว็บเพจเป็นข้อมูลอ้างอิง และนำเป็นอันดับหนึ่งบนบอร์ดในด้านแสง วัสดุ และการควบคุมกล้องในรายละเอียดตามกรณีการใช้งาน การได้เพิ่มขึ้นสิบสองจุดหลังการฝึกเทียบกับโมเดลฐานเป็นสัญญาณที่น่าสนใจ; การรักษาอันดับสองไว้เมื่อเทียบกับโมเดลพื้นฐานที่มีขอบเขตอินพุตกว้างกว่าเป็นงานที่ต่างออกไป

สิ่งที่ใหม่จริง ๆ ตรงนี้ไม่ใช่ Elo แต่คือรูปร่างของคำกล่าวอ้าง: สตูดิโอที่มีไปป์ไลน์การผลิตให้เหตุผลว่า การเป็นเจ้าของการตัดสินใจเบื้องหลังฟุตเทจ — เลือกเทกไหน เลือกเรฟเฟอเรนซ์ไหน เลือกรีวิชันไหน — มีค่ามากกว่าการเป็นเจ้าของการรันพรีเทรน ข้อโต้แย้งนั้นทดสอบได้ และรายได้บ็อกซ์ออฟฟิศของสเลทปี 2027 ก็เป็นหนึ่งในการทดสอบ