HiDream-O1-Video-1.0 ra mắt ở vị trí thứ sáu trên Artificial Analysis — và API công khai của nó nhỏ hơn nhiều so với bản ra mắt

HiDream-O1-Video-1.0 đứng thứ sáu trên bảng xếp hạng Image-to-Video của Artificial Analysis, với điểm Elo 1.175 sau 3.231 lượt bình chọn, ở mức 5,80 USD cho mỗi phút video được tạo. Đó chính là vị trí mà nhà sản xuất công bố — chỉ có điều thông cáo ra mắt của HiDream.ai, đề ngày 17 tháng 9 năm 2026, lại ghi là thứ tư. Cả hai con số đều đúng và chúng mô tả những điều khác nhau: thông cáo dẫn lại thứ hạng mà mô hình nắm giữ vào ngày được công bố, còn bảng xếp hạng đã thay đổi kể từ đó. Nếu xem vào ngày 10 tháng 10 năm 2026 với bộ lọc âm thanh được bật, HiDream V1 nằm sau MiniMax H3 Max, MiniMax H3, Vidu Q4 Preview, Omni Flash và Dreamina Seedance 2.0 720p, theo đúng thứ tự đó.

Câu chuyện thú vị hơn không phải là thứ hạng. Mà là việc HiDream-O1-Video-1.0 được công bố như một mô hình nhận văn bản, hình ảnh và video rồi tạo ra cảnh quay 1080p dài từ năm đến hai mươi giây với âm thanh được đồng bộ hóa nguyên bản — còn thứ mà bạn thực sự có thể gọi ngày nay chỉ nhận đúng một ảnh tham chiếu và một đoạn văn bản tùy chọn, không gì khác. Cả hai phát biểu đó đều được tài liệu hóa. Khoảng cách giữa chúng là điều đáng biết trước khi bạn xây dựng dựa trên mô hình này.

Bảng, đọc cho đúng cách

Artificial Analysis vận hành các bảng xếp hạng video của mình theo từng bậc, mỗi bậc có thang Elo riêng và nhóm phiếu bầu riêng, nên điểm số không thể chuyển đổi giữa các bậc. Trên AA-Video-I2V v1.0 với âm thanh được giữ nguyên, sáu vị trí dẫn đầu cách nhau hai mươi điểm Elo và các khoảng tin cậy rộng từ bảy đến mười điểm. Sáu vị trí dẫn đầu đó, tính đến ngày 10 tháng 10 năm 2026:

• MiniMax H3 Max — 1.195 ±9 trên 5.894 mẫu, tháng 8 năm 2026, 4,80 đô-la/phút

• MiniMax H3 — 1.181 ±8 trên 7.284 mẫu, tháng 7 năm 2026, 7,80 USD/phút

• Vidu Q4 Preview — 1.179 ±10 trên 5.543 mẫu, tháng 10 năm 2026, 5,04 USD/phút

• Gemini Omni Flash — 1.178 ±7 trên 12.327 mẫu, tháng 5 năm 2026, 6,00 USD/phút

• Dreamina Seedance 2.0 720p — 1.176 ±7 trên 15.721 mẫu, tháng 3 năm 2026, 9,07 USD/phút

• HiDream-O1-Video-1.0 — 1.175 ±10 trên 3.231 mẫu, tháng 8 năm 2026, 5,80 USD/phút

Đọc những khoảng này như một nhóm, và tóm tắt trung thực là: các vị trí từ một đến sáu, về mặt thống kê, là một cuộc đua với một đuôi rất dài những vị trí đồng hạng. Khoảng cách mà khôngnằm trong nhiễu là khoảng cách giữa HiDream V1 và phần còn lại của bảng: vị trí thứ bảy, Wan 3.0 của Alibaba, ở mức 1.164 — thấp hơn vị trí thứ sáu mười một điểm và cả một khoảng tin cậy, đồng thời dẫn trước nó gần ba trăm phiếu. Số lượng mẫu của chính HiDream là nhỏ nhất trong top 6 đó, nghĩa là khoảng tin cậy của nó thuộc hàng rộng nhất và vị trí của nó là ít ổn định nhất.

Hai điều mà Artificial Analysis nêu về chính bảng xếp hạng này đáng để ghi nhớ. Nó ghi nhận một mô hình duy nhất được thêm trong 30 ngày qua, và nó nói rằng AA-Video-I2V v2.0 sắp ra mắt, được căn chỉnh theo hệ thống phân loại AA-Video-T2V v2.0 với 1080p xuyên suốt. Điều đó quan trọng đối với một mô hình mà các tuyên bố khi ra mắt là về 1080p và về điều kiện hóa văn bản lẫn video: bảng xếp hạng mà nó ra mắt lần đầu rõ ràng là một bảng chuyển tiếp, và bản thay thế sẽ thay đổi những gì được đo lường.

Nơi mô hình không có

HiDream-O1-Video-1.0 xuất hiện trên đúng một bảng xếp hạng video của Artificial Analysis. Nó không có mặt trong AA-Video-T2V v2.0, bảng chuyển văn bản thành video, và bảng chỉnh sửa video. Tôi đã kiểm tra cả hai vào ngày 10 tháng 10 năm 2026 — Wan 3.0 dẫn đầu bảng chuyển văn bản thành video với 1.156 và bảng chỉnh sửa video với 1.157, FLUX 3 đứng thứ sáu trên bảng chuyển văn bản thành video với 1.128, và HiDream không xuất hiện ở bảng xếp hạng nào trong hai bảng đó.

Sự vắng mặt đó là một tín hiệu chứ không phải là một sự loại trừ. Một mô hình chỉ nhận một ảnh tham chiếu thì không thể được đưa vào một cuộc bình chọn text-to-video, và một mô hình chỉ tạo hoạt ảnh thì không thể tham gia một phép so sánh chỉnh sửa. Hệ quả thực tế là không có đo lường độc lập nào về việc HiDream V1 thực hiện text-to-video hay chỉnh sửa video, mà đó chính xác là hai trong ba chế độ đầu vào được bản phát hành ra mắt của nó quảng cáo.

Hai ngày, và chín mươi ngày ở giữa chúng

Có một điểm rắc rối trong việc định ngày mà bất kỳ ai trích dẫn những con số này cũng nên xử lý cẩn thận. Artificial Analysis ghi ngày phát hành của HiDream-O1-Video-1.0 là 28 tháng 8 năm 2026 và ngày nó được đưa vào bảng xếp hạng là 10 tháng 9 năm 2026. Thông báo ra mắt của chính HiDream được ghi ngày 17 tháng 9. Các tham chiếu mô hình của bên thứ ba đã xuất hiện kể từ đó mô tả nó là được công bố vào ngày 15 tháng 9 và được xác minh vào ngày 17 tháng 9.

Điều mà kiểu mẫu đó mô tả là một mô hình đã đến được quy trình đánh giá trước khi nó đến được thông cáo báo chí — điều này khá bình thường, và nó có nghĩa là ngày phát hành trên bảng là ngày sớm hơn trong hai ngày, chứ không phải lỗi. Nó không mô tả một mô hình tháng Ba được công bố lại vào tháng Tám, đó là kiểu thất bại mà blog này từng bị vạ lây trước đây. HiDream-O1-Video-1.0 thực sự mới: chính cơ sở hạ tầng bảng xếp hạng xác định thời điểm nó xuất hiện nằm trong hai tháng gần đây.

Những gì buổi ra mắt tuyên bố, và ai nói như vậy

Câu chuyện kiến trúc đến từ HiDream và chưa được tái lập một cách độc lập. Theo nhà cung cấp: HiDream-O1-Video-1.0 — HiDream V1, hay HD-V1 — mô hình hóa chung văn bản, video và âm thanh trong cùng một quá trình sinh, thay vì tạo hình ảnh rồi thêm âm thanh sau đó, nhờ vậy chuyển động môi, âm thanh môi trường và hành động vật lý cùng chia sẻ một dòng thời gian. Thời lượng được lên kế hoạch chứ không cố định, với việc mô hình tự chọn độ dài từ năm đến hai mươi giây cho sự kiện đang được mô tả. Hành vi vật lý — trọng lực, va chạm, quán tính, biến dạng, suy giảm ánh sáng — được huấn luyện vào như một ràng buộc của quá trình sinh. Giai đoạn hậu huấn luyện sử dụng học tăng cường khuếch tán dựa trên một mô hình phần thưởng đa phương thức được căn chỉnh theo nhận thức của con người. Quá trình sinh chạy theo ba giai đoạn mà công ty mô tả là lập kế hoạch trước, sinh chung thứ hai, căn chỉnh thứ ba.

HiDream định vị mô hình này trong một danh mục gồm bốn họ mô hình được xây dựng trên nền tảng transformer hợp nhất dùng chung — HiDream-O1-Image, HiDream-O1-Video, HiDream-O1-World và HiDream-O1-Embodied — đồng thời dẫn ra các vị trí xếp hạng trước đó của những mô hình anh em, bao gồm HiDream-O1-Image 1.5 đứng thứ hai toàn cầu trên bảng xếp hạng text-to-image của Artificial Analysis và HiDream-O1-World đứng đầu trên WBench. Đó là các số liệu của nhà cung cấp dành cho những mô hình khác trong cùng họ, được nêu ra mà không có xác nhận độc lập nào ở đây. Tài liệu doanh nghiệp của công ty cũng mô tả một ngăn xếp công nghệ mô hình nền tảng với "hơn 200 tỷ" tham số; đó là một tuyên bố ở cấp nền tảng, không phải thông số kỹ thuật của HiDream-O1-Video-1.0, và không có nguồn nào công bố số lượng tham số cho checkpoint này. Chưa có trọng số mở nào được phát hành cho nó.

Những gì bạn thực sự có thể gọi

Ở đây tài liệu rõ ràng một cách bất thường, và nó hẹp hơn so với thông báo. HiDream cung cấp mô hình thông qua HiHarness, nền tảng MaaS của mình. Điểm cuối video là một POST tới /api/maas/gw/v1/videos/generations với mã định danh mô hình HiDream-O1-Video-1.0. Đầu vào bắt buộc chính xác là một ảnh tham chiếu — một URL công khai, hoặc Base64 không có tiền tố data-URL, trong khoảng từ 40 KB đến 20 MB. Câu lệnh văn bản là tùy chọn và mặc định là trống. Quá trình tạo là bất đồng bộ: bạn gửi đi, nhận một task_id, và thăm dò /api/maas/gw/v1/videos/generations/results cho đến khi result.status có giá trị là 1.

Ba thiếu sót trong lược đồ đó đáng được gọi tên một cách rõ ràng, vì mỗi thiếu sót là một năng lực mà bản phát hành ra mắt quảng bá.

• Video tham chiếu — thông báo liệt kê video trong số đầu vào của mô hình; yêu cầu được tài liệu hóa không có trường dành cho nó.

• Độ phân giải tường minh — thông báo tuyên bố 1080p; yêu cầu được ghi trong tài liệu không có bộ chọn độ phân giải, và kết quả thay vào đó giữ nguyên tỷ lệ khung hình của ảnh tham chiếu.

• Kiểm soát âm thanh — thông báo tuyên bố có âm thanh đồng bộ gốc; yêu cầu được ghi trong tài liệu không để lộ tham số đầu vào âm thanh hay tham số tạo âm thanh nào.

Điều mà lược đồ thực sự tiết lộ là force_10s, một giá trị boolean mặc định là false. Nếu để false, mô hình sẽ tự chọn thời lượng. Đặt thành true, bạn sẽ nhận được mười giây. Không có trường thời lượng dạng số, nên phạm vi từ năm đến hai mươi giây được quảng cáo là tuyên bố ở cấp mô hình mà bề mặt yêu cầu công khai không cho phép bạn điều khiển, ngoại trừ việc chọn một trong hai chế độ.

Có một chi tiết triển khai trong hợp đồng phản hồi đó sẽ khiến một tích hợp được viết bằng cách khớp mẫu với các API video khác gặp rắc rối. result.status = 1 nghĩa là mọi tác vụ con đã đạt trạng thái kết thúc — không phải là việc tạo đã thành công. Bạn vẫn phải đọc sub_task_results[].task_status, trong đó 1 là thành công, 3 là lỗi tạo và 4 là lỗi đánh giá an toàn. Một client coi trạng thái kết thúc là thành công sẽ đưa cho bạn một URL video không tồn tại.

Mức giá, trong bối cảnh

Với mức $5.80 mỗi phút theo ghi nhận của Artificial Analysis, HiDream V1 nằm ở mức giá trung bình trong phân khúc của mình chứ không hề rẻ. Trong top sáu của bảng xếp hạng, mô hình này rẻ hơn MiniMax H3 ($7.80) và Dreamina Seedance 2.0 ($9.07), nhưng đắt hơn MiniMax H3 Max và Vidu Q4 Preview. So với những mô hình mà nó sẽ thường xuyên được đem ra so sánh nhất, khoảng cách còn lớn hơn: Google Veo 3.1 là $24.00 mỗi phút, Kling 3.0 1080p Pro $20.16, Alibaba Wan 2.7 $9.00 và Wan 3.0 $12.00, trong khi Grok Imagine Video 1.5 ở mức $8.40.

Những mức giá theo phút đó không thể so sánh trực tiếp với nhau, vì một phút đầu ra ở độ phân giải nào và với âm thanh nào chính là điều mà tài liệu API không nêu rõ đối với mô hình này. Hãy coi con số đó là điểm khởi đầu để bạn tự tính toán, chứ không phải là một bảng giá.

Thử một hướng đi chưa được kiểm chứng mà không đặt cược cả pipeline vào nó

Lý do để thận trọng ở đây không phải là mô hình dở. Mà là bề mặt phục vụ thời kỳ bản xem trước — một loại đầu vào, một công tắc thời lượng, một cờ kết thúc hai trạng thái — là nơi sai để cố định cứng một đường dẫn vận hành thực tế. HiDream-O1-Video-1.0 không phải là mô hình chúng tôi phục vụ tại OrcaRouter hiện nay, nên không có gì dưới đây là tuyên bố về việc lưu trữ nó: chỗ sản phẩm của chúng tôi thực sự giúp ích là ở phía bên kia của quyết định, nơi bạn muốn thử một tuyến video mới đối đầu với một giải pháp hiện hữu và có thể rời bỏ nó bất cứ lúc nào. Một endpoint tương thích OpenAI trên hơn 200 mô hình, tự động chuyển đổi dự phòng để một tuyến bắt đầu hỏng một cách âm thầm không phải là tuyến bạn đưa vào vận hành, giá niêm yết của nhà cung cấp được chuyển nguyên vẹn không cộng thêm phụ phí, và một DSL định tuyến cho phép bạn so sánh hai mô hình trong cùng một yêu cầu thay vì phải làm hai tích hợp. Không có gì trong đó đòi hỏi riêng mô hình của HiDream.

Điều gì sẽ thay đổi phần này

Ba diễn biến sẽ thay đổi cục diện, theo thứ tự khả năng giảm dần.

Đầu tiên, một hợp đồng phục vụ rộng hơn. Nếu HiHarness bổ sung một trường video tham chiếu, một bộ chọn độ phân giải hay các điều khiển âm thanh được ghi trong tài liệu, thì khoảng cách giữa thông báo và API sẽ khép lại, và những tuyên bố về 1080p cùng text-to-video trở nên có thể kiểm chứng. Đó là một thay đổi về tài liệu, không phải thay đổi về mô hình, và nó có thể ra mắt bất cứ tuần nào.

Thứ hai, bảng AA-Video-I2V v2.0. Artificial Analysis đã nói rằng nó sắp ra mắt, được căn chỉnh theo phân loại T2V v2.0 với 1080p xuyên suốt. Một bảng chỉ dành cho 1080p sẽ là môi trường độc lập đầu tiên mà ở đó tuyên bố về độ phân giải của HiDream V1 mới thực sự có ý nghĩa — và nếu mô hình vẫn không thể được đưa vào bảng text-to-video theo phân loại mới, thì sự vắng mặt của nó ở đó trở thành một phát hiện có tính thực chất chứ không phải là hệ quả của các phạm trù cũ.

Thứ ba, số lượng mẫu. 3.231 phiếu là một phép đo thật và còn non trẻ, mỏng nhất trong nhóm sáu vị trí dẫn đầu. Khoảng hiện là ±10 và sẽ thu hẹp theo bất cứ hướng nào mà cử tri đẩy nó. Bất cứ ai trích dẫn “thứ sáu” như một sự thật đã ngã ngũ nên nói rõ ngày họ đọc được nó, bởi vì thứ sáu là một vị trí đồng hạng trong một cuộc đồng hạng sáu bên.

Câu hỏi đáng để giữ lại không phải là liệu HiDream-O1-Video-1.0 có cạnh tranh hay không — trên bảng duy nhất nơi có thể đo lường nó, rõ ràng là có, và với mức giá mỗi phút có thể biện minh được. Mà là liệu mô hình cuối cùng tiếp cận được API rộng rãi có phải là mô hình đã được công bố hay không. Theo tài liệu hiện tại, đó vẫn là hai sản phẩm khác nhau.

HiDream-O1-Video-1.0 không phải là một trong những tuyến chúng tôi phục vụ hiện nay, nhưng cùng kiểu bề mặt ấy nằm phía sau hơn 200 mô hình với giá niêm yết của nhà cung cấp được chuyển thẳng và không cộng thêm khoản tăng giá nào.