HiDream-O1-Video-1.0 在 Artificial Analysis 初登場即排名第六——而其公開 API 遠比其發布版本小得多

HiDream-O1-Video-1.0在 Artificial Analysis 的圖生影片排行榜上排名第六，Elo 為 1,175，累積 3,231 票，生成影片的價格為每分鐘 5.80 美元。這正是其開發商所公布的排名——只不過 HiDream.ai 於 2026 年 9 月 17 日發布的上市新聞稿說的是第四名。這兩個數字都是真的，而且描述的是不同的事情：新聞稿引用的是該模型在發布當天所持有的排名，而排行榜在那之後已經變動。若於 2026 年 10 月 10 日在開啟音訊篩選的情況下查看，HiDream V1 依序排在 MiniMax H3 Max、MiniMax H3、Vidu Q4 Preview、Omni Flash 與 Dreamina Seedance 2.0 720p 之後。

更有趣的故事並不是排名。而是 HiDream-O1-Video-1.0 發表時，號稱是一個能接收文字、圖像與影片，並回傳五到二十秒、原生同步音訊的 1080p 影片的模型——而你今天實際能呼叫的版本，卻只接受恰好一張參考圖像與一段可選的文字提示，除此之外別無其他。這兩種說法都有文件記載。在你要以這個模型為基礎進行開發之前，兩者之間的落差才是真正值得知道的事。

董事會，請正確地閱讀

Artificial Analysis 的影片排行榜分層運作，每一層都有自己的 Elo 量尺和自己的投票池，因此分數無法在層與層之間轉移。在保留音訊的 AA-Video-I2V v1.0 上，前六名之間相差二十分 Elo，而信賴區間寬度介於七到十分之間。截至 2026 年 10 月 10 日，那前六名是：

• MiniMax H3 Max — 1,195 ±9，涵蓋 5,894 個樣本，2026 年 8 月，每分鐘 4.80 美元

• MiniMax H3 — 在 7,284 個樣本中為 1,181 ±8，2026 年 7 月，每分鐘 $7.80

• Vidu Q4 Preview — 5,543 個樣本中為 1,179 ±10，2026 年 10 月，每分鐘 $5.04

• Gemini Omni Flash — 12,327 個樣本中為 1,178 ±7，2026 年 5 月，每分鐘 $6.00

Dreamina Seedance 2.0 720p — 15,721 個樣本中為 1,176 ±7，2026 年 3 月，每分鐘 $9.07

• HiDream-O1-Video-1.0 — 在 3,231 個樣本上為 1,175 ±10，2026 年 8 月，每分鐘 $5.80

把那些區間視為一組來看，誠實的總結是：第一到第六名在統計上屬於同一場競爭，只是有一條非常長的平手長尾。那個差距並非落在雜訊範圍內，而是介於 HiDream V1 與其餘競爭者之間：第七名、阿里巴巴的 Wan 3.0 為 1,164——比第六名低十一點且整整低一個區間，並領先它將近三百票。HiDream 本身的樣本數是那前六名中最小的，這意味著它的區間屬於最寬的一批，而它的名次也最不穩定。

Artificial Analysis 針對這個榜單本身所說的兩件事，值得延續下去。它記錄到過去 30 天內只新增了一個模型，並表示 AA-Video-I2V v2.0 即將推出，會對齊 AA-Video-T2V v2.0 的分類架構，且全程採用 1080p。這對一個發布時主打 1080p，以及文字與影片條件控制的模型來說很重要：它首次登場的榜單明確是過渡性的，而接替版本會改變衡量內容。

在模型不存在的地方

HiDream-O1-Video-1.0 僅出現在一個 Artificial Analysis 影片排行榜上。它未出現在文字轉影片排行榜 AA-Video-T2V v2.0，也未出現在影片編輯排行榜上。我在 2026 年 10 月 10 日查核了這兩者——Wan 3.0 以 1,156 分在文字轉影片領域領先，並以 1,157 分在影片編輯領域領先，FLUX 3 以 1,128 分在文字轉影片中排名第六，而 HiDream 在兩份排名中都未出現。

這種缺席是一種訊號，而非取消資格。一個只會接收參考圖像的模型無法參加文字轉影片的投票，而一個只會製作動畫的模型也無法參加編輯比較。實際後果是，沒有針對 HiDream V1 進行文字轉影片或影片編輯的獨立評測，而這正是其發布版本所宣傳的三種輸入模式中的兩種。

兩個日期，以及它們之間的九十天

這些日期記錄有個棘手之處，任何引用這些數字的人都應謹慎處理。Artificial Analysis 將 HiDream-O1-Video-1.0 的發布日期記錄為 2026 年 8 月 28 日，並將其被引入榜單的日期記錄為 2026 年 9 月 10 日。HiDream 自家的發布公告則標註為 9 月 17 日。後來出現的第三方模型參考資料則將其描述為 9 月 15 日發布、9 月 17 日驗證。

那個模式所描述的是：一個模型先進入評估流程，之後才出現在新聞稿中——這再正常不過，而且這意味著榜單上的發布日期是兩者中較早的那個，並非錯誤。它描述的並不是一個三月模型在八月被重新發布，而這正是這個部落格過去曾吃過苦頭的失敗模式。HiDream-O1-Video-1.0 是真正的新東西：排行榜基礎設施本身就將其到來時間定位在過去兩個月內。

這次發布宣稱了什麼，以及是誰說的。

這個架構的說法來自 HiDream，且尚未被獨立重現。根據廠商的說法：HiDream-O1-Video-1.0——即 HiDream V1，或稱 HD-V1——在同一個生成流程中聯合建模文字、影片與音訊，而不是先產生畫面、之後再補上聲音，因此嘴部動作、環境音與物理動作共享同一條時間軸。時長是規劃出來的，而非固定不變，模型會依據所描述的事件，在五到二十秒之間選擇一個長度。物理行為——重力、碰撞、慣性、形變、光衰減——被訓練為一種生成約束。後訓練採用擴散強化學習，對照一個與人類感知對齊的多模態獎勵模型。生成流程分為三個階段，該公司稱之為先規劃、次聯合生成、後對齊。

HiDream 將該模型定位在以共享的統一 Transformer 基礎所建構的四大家族產品組合之中——HiDream-O1-Image、HiDream-O1-Video、HiDream-O1-World 與 HiDream-O1-Embodied——並引用這些同系列兄弟模型的既有基準評測排名，包括 HiDream-O1-Image 1.5 在 Artificial Analysis 的文字轉圖像排行榜上位居全球第二，以及 HiDream-O1-World 在 WBench 上排名第一。這些是廠商針對該家族其他模型所提供的數據，在此並未經獨立確認。該公司的企業資料也描述了一套「超過 2,000 億」參數的基礎模型技術堆疊；那是一項平台層級的陳述，並非 HiDream-O1-Video-1.0 的規格，且沒有任何來源公布此檢查點的參數量。尚未為其發布任何開放權重。

你可能真正能稱之為

這裡的文件說明異常清楚，而且範圍比公告更窄。HiDream 透過其 MaaS 平台 HiHarness 提供這個模型。影片端點是對 /api/maas/gw/v1/videos/generations 發送 POST，並帶上模型識別碼 HiDream-O1-Video-1.0。必要輸入恰好是一張參考圖片——一個公開 URL，或是不含 data-URL 前綴的 Base64，大小介於 40 KB 到 20 MB 之間。文字提示詞為選填，預設為空。生成是非同步的：你送出請求、取得一個 task_id，然後輪詢 /api/maas/gw/v1/videos/generations/results，直到 result.status 顯示為 1。

那個結構描述中的三項遺漏值得明確指出，因為每一項都是首發版本所宣傳的能力。

• 參考影片——公告將影片列為模型的輸入項目之一；但文件記載的請求中卻沒有對應的欄位。

• 明確解析度 — 公告聲稱支援 1080p；但文件所記載的請求並沒有解析度選擇器，結果反而保留了參考影像的長寬比。

• 音訊控制 — 公告宣稱具備原生同步音訊；然而文件中所記載的請求並未提供任何音訊輸入或音訊生成參數。

schema 實際對外暴露的是 force_10s，一個預設為 false 的布林值。維持 false 時，由模型自行決定時長；設為 true，則得到十秒。這裡並沒有數值型的時長欄位，所以宣稱的五到二十秒範圍，只是模型層級的說法，公開的請求介面除了讓你從兩種模式中擇一之外，無法加以控制。

那個回應合約裡有一個實作細節，會讓依照其他影片 API 做模式比對而寫成的整合程式栽跟斗。result.status = 1 表示每個子任務都已達到終止狀態——並不代表生成成功。你還必須讀取 sub_task_results[].task_status，其中 1 是成功、3 是生成失敗、4 是安全審查失敗。若用戶端把終止狀態當成成功，就會交給你一個根本不存在的影片 URL。

價格，從脈絡來看

根據 Artificial Analysis 所記錄的每分鐘 $5.80 價格，HiDream V1 在其級別中屬於中等價位，而非便宜。在排行榜前六名中，它比 MiniMax H3（$7.80）與 Dreamina Seedance 2.0（$9.07）便宜，但比 MiniMax H3 Max 與 Vidu Q4 Preview 貴。若與最常被拿來和它比較的模型相較，價差更大：Google Veo 3.1 為每分鐘 $24.00，Kling 3.0 1080p Pro 為 $20.16，Alibaba Wan 2.7 為 $9.00、Wan 3.0 為 $12.00，而 Grok Imagine Video 1.5 則為 $8.40。

那些每分鐘費率無法直接互相比較，因為在某個解析度、搭配某種音訊之下所產出的一分鐘，正是這款模型的 API 文件未明確說明的地方。請把這個數字當作你自己計算的起點，而不是價目表。

嘗試一條未經證實的路徑，而不把整條產品線押上去。

這裡之所以需要謹慎，並不是因為這個模型不好，而是因為一個預覽時期的服務介面——單一輸入型態、一個時長切換、一個雙態的終端旗標——並不是硬編碼生產路徑的合適場所。HiDream-O1-Video-1.0 並不是我們目前在 OrcaRouter 上提供的模型，因此以下所說的都不是在宣稱要托管它：我們的產品真正能幫上忙的地方，是在這個決策的另一側，也就是當你想讓一條新的影片路徑與現行方案對測，並且隨時都能抽身退出時。一個相容 OpenAI 的端點，涵蓋 200 多個模型、自動容錯移轉，讓一條悄悄開始失敗的路徑不會是你真正上線的路徑、供應商定價原價透傳且不額外加成，以及一套路由 DSL，讓你可以在單一請求內比較兩個模型，而不是做兩次整合。以上這些都不需要特別用到 HiDream 的模型。

什麼會改變這件作品？

三項發展會改變局面，按可能性由高至低排列。

首先，更廣泛的服務契約。如果 HiHarness 新增參考影片欄位、解析度選擇器，或文件化的音訊控制項，那麼公告與 API 之間的落差就會彌合，而 1080p 與文字轉影片的宣稱也將變得可測試。那是文件變更，不是模型變更，而且可能隨時推出。

第二，AA-Video-I2V v2.0 榜單。Artificial Analysis 已表示它即將推出，與 T2V v2.0 的分類體系一致，且全程採用 1080p。一個僅限 1080p 的榜單，將是第一個能讓 HiDream V1 的解析度宣稱真正具有意義的獨立環境——而如果在新分類體系下，這個模型仍無法登上文字轉影片榜單，那麼它在該榜單上的缺席就會成為一項實質發現，而非舊分類所造成的假象。

第三，樣本數。3,231 票是一項真實的測量，而且還很新，是前六名中最單薄的一個。目前區間是 ±10，無論選民把它推向哪個方向，這個區間都會縮小。任何把「第六名」當成既定事實來引用的人，都應該說出他們讀到它的日期，因為第六名只是六方並列中的一個並列名次。

值得繼續追問的問題，不是 HiDream-O1-Video-1.0 是否具競爭力——在唯一能衡量它的那份榜單上，它顯然有競爭力，而且每分鐘價格也站得住腳。問題在於，最終登上廣泛 API 的模型，是否就是當初發表的那一個。就目前的文件來看，那依然是兩款不同的產品。

HiDream-O1-Video-1.0 並非我們目前提供的其中一條路由，但同樣類型的介面存在於200 多個模型背後，供應商定價原樣傳遞且不額外加價。