Vidu Q4 Preview ra mắt ở vị trí thứ ba trên bảng Image-to-Video — và vắng mặt trên bảng còn lại

Vidu Q4 Preview đã lọt vào bảng xếp hạng Artificial Analysis AA-Video-I2V v1.0 ở vị trí thứ ba với Elo 1.179, và mô hình mà nó thay thế với tư cách là mục được xếp hạng cao nhất của Vidu, Vidu Q3 Pro, đang ở vị trí thứ mười chín với 1.056. Đó là một bước nhảy 1.179 điểm trong một bản phát hành, trên một bảng xếp hạng nơi các khoảng tin cậy rộng khoảng hai mươi điểm, và điều đó xảy ra ở mức giá 7,20 đô la mỗi phút video được tạo ra thay vì 9,60 đô la mà mô hình cũ hơn mang lại. Shengshu Technology đã phát hành Vidu Q4 Preview vào ngày 7 tháng 10 năm 2026 dưới dạng bản xem trước đầu tiên của mô hình chủ lực thế hệ tiếp theo, rõ ràng là trước mô hình Q4 đầy đủ, và đang yêu cầu các nhà sáng tạo sử dụng nó trong các dự án thực tế trong khi bản phát hành đầu tiên đang được định hình.

Con số ra mắt là tiêu đề. Sự thiếu vắng mới là dữ kiện đáng chú ý hơn, và đó là lý do đây là một bài viết chứ không phải một biểu đồ.

Điều gì thực sự đã được phát hành vào ngày 7 tháng 10

Vidu Q4 Preview là một mô hình tạo video với âm thanh gốc, được bán thông qua sản phẩm web và nền tảng API của chính Vidu. Tài liệu ra mắt của Shengshu mô tả ba lĩnh vực công việc: biểu diễn nhân vật (biểu cảm khuôn mặt, cảm xúc, chuyển động cơ thể và giọng nói được phối hợp nhịp nhàng thay vì xếp lớp), sự liền mạch của camera và cắt cảnh trong các pha hành động nhanh, và hiệu ứng hình ảnh — các vụ nổ, hạt, pháo hoa — nằm bên trong bối cảnh thay vì phủ lên trên nó.

Đặc tả, đúng như nhà cung cấp đã nêu:

• Độ phân giải tối đa — 4K, với 2K và 4K có độ sâu màu 10-bit; thang độ phân giải đầy đủ là 540p, 720p, 1080p, 2K, 4K

• Độ dài clip tối đa — 16 giây, chia không đều: Image-to-Video chạy từ 3 đến 16 giây, Reference-to-Video chạy từ 1 đến 16

• Ngân sách tham chiếu — tối đa 15 hình ảnh tham chiếu (nhân vật, trang phục, đạo cụ, sản phẩm, môi trường trong một thiết lập) và tối đa 3 clip âm thanh tham chiếu

• Giá ra mắt — từ $0.014 mỗi giây, đây là con số của nhà cung cấp và được nêu rõ là mang tính khuyến mãi

Nhà cung cấp còn đưa ra một tuyên bố so sánh mà khó có thể buộc họ phải chịu trách nhiệm: rằng trong những thông số đầu ra và điều kiện thanh toán tương đương, Vidu Q4 Preview mang lại “lượng đầu ra lên đến gấp năm lần với cùng một ngân sách”. Đó là tuyên bố về hiệu quả, không phải tuyên bố về chất lượng, và vì cụm từ “thông số đầu ra và điều kiện thanh toán tương đương” gánh toàn bộ sức nặng trong câu đó, nên đáng coi đây là một cách dựng lời tiếp thị cho đến khi có ai đó tái tạo được nó. Lưu ý của chính Shengshu, được công bố kèm theo, là giá cuối cùng, độ phân giải được hỗ trợ, tính khả dụng của tính năng và điều khoản sử dụng có thể khác nhau tùy theo gói và khu vực.

Hai hội đồng bất đồng về mục đích của mô hình này.

Artificial Analysis vận hành các bảng xếp hạng video riêng biệt với thang điểm Elo riêng và nhóm bình chọn riêng, và sự khác biệt giữa chúng chính là toàn bộ câu chuyện ở đây.

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.

Trên AA-Video-T2V v2.0 — text-to-video, một bảng xếp hạng khác được xây dựng dựa trên một hệ phân loại trường hợp sử dụng khác — Vidu Q4 Preview hoàn toàn không xuất hiện. Mục Vidu tốt nhất ở đó là Vidu Q3 Pro, đứng thứ hai mươi lăm với 941 ±10 trên 4.088 mẫu. Wan 3.0 dẫn đầu bảng đó với 1.156 ±9.

Đọc hai câu đó cùng nhau và hình dạng của bản phát hành trở nên rõ ràng. Đây là một mô hình hình ảnh-và-tham chiếu. Trang sản phẩm của chính Vidu liệt kê chính xác hai chế độ cho nó, Image-to-Video và Reference-to-Video, không có tab text-to-video, và tài liệu API cũng khớp. Một bản ra mắt trông giống như một flagship tổng quát trên marketing của nhà cung cấp, thì trên các bảng độc lập, lại là một bản ra mắt có mục tiêu.

Thêm một lưu ý nữa về bản thân thứ hạng. Các khoảng mười điểm của bảng I2V chồng lấn mạnh từ vị trí thứ ba đến thứ sáu — 1,179, 1,178, 1,176, 1,175 — nên “thứ ba” là một vị trí nằm trong nhiễu, chứ không phải sự tách biệt rõ ràng so với thứ tư. Điều không nằm trong nhiễu là khoảng cách tới mô hình mà nó thay thế. 123 Elo giữa Vidu Q3 Pro và Vidu Q4 Preview lớn hơn toàn bộ độ trải điểm của sáu vị trí dẫn đầu trên bảng.

Điều bạn thực sự gọi, và cái giá phải trả

API này không hào nhoáng và cụ thể. Image-to-Video gửi tới /ent/v2/img2video với tên mô hình viduq4-preview, nhận một ảnh khung hình bắt đầu duy nhất (png, jpeg, jpg hoặc webp, tối đa 50MB), một prompt tối đa 20.000 ký tự, thời lượng từ 3 đến 16 giây, mặc định là 5, và độ phân giải từ 540p đến 4K, mặc định là 720p. Reference-to-Video gửi tới /ent/v2/reference2video, nhận từ một đến mười lăm ảnh cùng với từ 0 đến 3 tham chiếu âm thanh mp3, mỗi tham chiếu dài từ ba đến mười hai giây, và cung cấp các tỷ lệ khung hình 1:1, 9:16, 16:9, 3:4 và 4:3, mặc định là 16:9.

Tham số đáng chú ý là , mặc định là true. Vidu Q4 Preview mặc định tạo ra hình ảnh — bao gồm cả hội thoại và hiệu ứng âm thanh — và bạn chủ động tắt nó đi. Các URL trả về khi tạo vẫn có hiệu lực trong 24 giờ, đủ để tạo khác biệt nếu bạn render sau này.

Về giá, phép tính trung thực là hai con số được nêu ra — "$0.014 mỗi giây" và $7.20 mỗi phút mà Artificial Analysis ghi nhận — không phải là cùng một sản phẩm. $0.014 mỗi giây là $0.84 mỗi phút, khoảng một phần chín con số của bảng xếp hạng, đó là hình ảnh của mức sàn khuyến mãi ở độ phân giải thấp nhất khi đặt cạnh mức giá đo được ở độ phân giải sản xuất. Mọi khoản ngân sách bạn tính từ con số ra mắt nên được tính lại từ độ phân giải và thời lượng của chính bạn, chứ không phải từ con số trên tiêu đề.

Vấn đề thực tế với SKU xem trước

Vidu Q4 Preview, theo cách diễn đạt của chính nhà cung cấp, vẫn chưa hoàn thiện. Nó được phát hành trước Q4 để phản hồi về hiệu năng, khả năng kiểm soát sáng tạo và nhu cầu sản xuất hằng ngày định hình bản phát hành cuối cùng. Mức giá hiện mang tính khuyến mãi. Tính năng khả dụng thay đổi tùy theo gói và khu vực. Tài liệu API thậm chí còn có một bí danh bị gõ sai — viduq4-previerw xuất hiện trong phần mô tả tham số model bên cạnh phiên bản đúng viduq4-preview — một điều nhỏ nhặt nhưng nói lên sự thật về vị trí của bản dựng này trong quy trình.

Đó không phải là một lập luận chống lại việc sử dụng nó. Đó là một lập luận chống lại việc đặt nó vào đường găng mà không có kế hoạch cho điều gì sẽ xảy ra khi giá khuyến mại kết thúc hoặc bản dựng xem trước bị thay thế, điều mà với một mô hình được phát hành theo cách này là vấn đề của vài tuần, chứ không phải vài quý.

Nếu bạn muốn dùng thử mà không đặt cược cả pipeline sản xuất vào đó, OrcaRouter được xây dựng chính xác cho trường hợp này: một endpoint tương thích OpenAI trên hơn 200 mô hình, tự động chuyển đổi dự phòng giữa các nhà cung cấp, và giá niêm yết của nhà cung cấp được chuyển qua mà không thêm phụ phí. Phần chuyển đổi dự phòng quan trọng hơn bình thường với bản xem trước, vì nó cho phép bạn định tuyến một yêu cầu đến một mô hình ổn định trên cùng khóa khi một tuyến xem trước không khả dụng. Nói thẳng về định tuyến: Vidu Q4 Preview không phải là một tuyến của OrcaRouter hiện nay. Các mô hình video mà chúng tôi cung cấp — bao gồm MiniMax H3, mô hình xếp hạng cao nhất trên chính bảng này — có thể gọi trên cùng endpoint như các mô hình văn bản, và mức giá video theo giây là một mục hàng, không phải một hợp đồng riêng.

Xem gì

Ba điều sẽ làm câu chuyện này tiến triển.

Đầu tiên, bảng xếp hạng text-to-video. Artificial Analysis đã nói rằng AA-Video-I2V v2.0 sắp ra mắt, được căn chỉnh theo taxonomy T2V v2.0 và bao quát video 1080p xuyên suốt. Nếu Vidu Q4 Preview là một mô hình image-and-reference, nó cũng sẽ không xuất hiện ở đó — và nếu có, điều đó cho bạn biết Shengshu đã phát hành một mô hình rộng hơn so với những gì bản xem trước ngụ ý.

Thứ hai, bản phát hành Q4 đầy đủ. Giai đoạn từ bản xem trước đến bản chính thức là lúc giá khuyến mãi thường kết thúc và cũng là lúc bộ tính năng hoặc được giữ nguyên hoặc lặng lẽ thu hẹp. Ngân sách tham chiếu 15 hình ảnh và 3 âm thanh là phần của đặc tả có khả năng tồn tại cao nhất, vì đó là yếu tố khác biệt mà toàn bộ đợt ra mắt được xây dựng dựa trên.

Thứ ba, số lượng mẫu. 5.543 phiếu bầu là một phép đo thật nhưng còn non trẻ; các khoảng sẽ thu hẹp lại và thứ hạng sẽ dịch chuyển, theo hướng này hay hướng kia, khi bảng dần đầy lên. Bất cứ ai trích dẫn “thứ ba” như một sự thật đã ngã ngũ thì nên nói rõ ngày họ đọc được nó.

Câu hỏi đáng để giữ lại thì hẹp hơn so với điều mà hoạt động tiếp thị gợi ý. Vidu Q4 Preview, xét theo đo lường, là mô hình chuyển ảnh thành video tốt nhất mà Vidu từng tạo ra, với biên độ lớn hơn cả mức chênh lệch top sáu của chính bảng xếp hạng, ở mức giá mỗi phút thấp hơn so với bản tiền nhiệm. Liệu đó sẽ trở thành một vị thế bền vững hay chỉ là một cú nhô tạm thời của bản xem trước thì không con số hiện tại nào có thể trả lời được.