Utopai X 在文字轉影片領域初登場即登上第 2 名：深入一間電影工作室對 MiniMax H3 的後訓練

Utopai X 是一個上週還不存在的影片模型，既不是由前沿實驗室從零訓練而成，也不是透過 API 販售——而它目前在文字轉影片領域排名世界第二。這個模型來自 Utopai Studios，一家總部位於山景城的 AI 原生影視工作室，它是對 MiniMax H3 進行後訓練的成果，後者是 MiniMax 的全模態影片模型。在附帶音訊的 Artificial Analysis 文字轉影片排行榜上（該榜單現已被 Artificial Analysis 標示為 AA-Video-T2V v2.0，2026 年 9 月 29 日結果），Utopai X 以 Elo 1,150 的成績，僅落後於 Aliba​sba 的 Wan 3.0 的 1,157，並領先字節跳動的 Dreamina Seedance 2.5 的 1,143，以及它所調校自的 MiniMax H3 (768p) 基礎模型的 1,138。它於 2026-09-30 問世，正好是排行榜更新的同一天，而且它只在一個地方提供：在 PAI，Utopai 自家的製作平台之中。它沒有公開 API，而 Artificial Analysis 為該列自設的定價欄位寫著「No API available」。

那個組合——世界第二、單一發行管道、沒有通常意義上的每秒價目表——就是整件事的全貌。一家製作電影的片廠拿了別人的基礎模型，以自身的製作判斷加以調校，然後插隊。這究竟是能長久持續的成果，還是全新競技場的一張快照，才是值得追問的問題，而答案取決於解讀排行榜，而不是新聞稿。

看板實際顯示的內容

Artificial Analysis 使用源自盲測成對人類偏好投票的 Elo 來為影片模型排名。投票者會看到由同一提示生成的兩段短片，並在不曉得各段影片出自哪個模型的情況下，選出自己偏好的那一段。排行榜會隨著票數累積而變動，且每一列都帶有信賴區間，說明該名次被允許變動的幅度。擷取於 2026-10-01，含音訊的文字轉影片排行榜顯示：

• 第 1 名 Wan 3.0 — Elo 1,157（±10），6,391 個樣本，於 2026 年 8 月發布，每分鐘 $12.00。

• #2 Utopai X（基於 MiniMax H3） — Elo 1,150（±11），5,455 個樣本，於 2026 年 9 月發布，無可用 API。

• #3 Dreamina Seedance 2.5 — Elo 1,143（±10），6,375 個樣本，2026 年 7 月發布，每分鐘 $34.12。

• #4 MiniMax H3（768p） — Elo 1,138（±10），6,343 個樣本，2026 年 7 月發布，每分鐘 $4.80。

• #5 FLUX 3 — Elo 1,129（±10），5,628 個樣本，2026 年 7 月發布，每分鐘 $17.40。

有兩個細節比排序更重要。首先，第一名與第二名之間的差距是七個 Elo 分，而且兩個區間明確重疊——Artificial Analysis 將 Utopai X 的範圍列為 1,139 至 1,161，其中包含 Wan 3.0 的點估計值 1,157。該榜單將 Utopai X 的名次標示為一個範圍，第 1–3 名，而非固定名次。其次，Utopai X 與其後訓練所依據的模型之間的差距是十二分，且有同樣的重疊問題，因此「後訓練模型勝過其母模型」在方向上屬實，但在統計上偏弱。Utopai 自家的說明文章在這一點上比大多數發布文章更謹慎：它表示 Elo 結果「提供了一項獨立評估，說明人們如何回應其生成的影片素材」，這是對人類偏好競技場衡量什麼的合理解讀，而不是對電影製作的主張。

相較之下，由廠商自行報告的層面則信心滿滿。Utopai 描述了在反射與焦散——光線反射或折射時所形成的集中圖案——以及單一影片片段內空間一致性方面的優勢；這兩者都是開發目標，而非基準測試結果。這些是廠商的說法，並非 Artificial Analysis 的測量結果。

一個工作室，而非實驗室

Utopai Studios 開發、投資並製作自家的電影與電視項目，且它是在這項業務內部建構其模型，而非在其旁另建。其所闡明的機制是回饋：製作過程會產出劇本、經核准的角色與場景設計、鏡頭規劃以及一次次拍攝的鏡次，而該工作室的導演、攝影師與美術人員不僅記錄哪些鏡次被保留，也記錄其他鏡次為何被否決。這些紀錄成為訓練與評估訊號。研究團隊也運行一套內部 Elo 系統，將人類偏好評估與視覺語言模型的自動投票相結合，並由美術人員參與人類評判的一方。

這是一項看似合理的優勢，但從外部無法驗證。後訓練可以讓一個通用影片模型朝電影與廣告使用者的偏好靠攏，而不必替換基礎模型——這一點與排行榜一致。至於相較 MiniMax H3 的十二點差距，有多少來自訓練資料、偏好最佳化、提示處理、推論設定或服務時期的變更，發布資料並未說明。Utopai 尚未公布任何後訓練資料披露、最佳化方法、運算預算與安全評估。獨立研究人員無法重現這項提升，也沒有技術報告可供爭辯。

分發層正是讓這套「工作室論點」落實為具體做法的地方。PAI——Production Assistive Intelligence——是 Utopai 隨著該模型一同推出的平台，它承載了專案脈絡：把劇本拆解為場次與鏡頭、涵蓋角色、場景與物件的製作素材庫、版本紀錄、為企業團隊提供的共享審批功能，以及可匯出至 Premiere Pro 或 DaVinci Resolve 的時間軸。其賣點在於：生成一段片段是便宜的部分，讓某個鏡頭與整部片的其餘部分保持一致才是昂貴的部分。用該公司自己的說法，Utopai X 會「在電影製作人選用時」於該工作空間內生成素材——這個模型只是 PAI 中可用的眾多圖像、影片與音訊模型之一，而非唯一的選擇。

Utopai X 的費用為何，以及如何解讀

PAI 是以點數計價的訂閱制產品，而非按秒計費的 API。官方公佈的方案為：每月 15 美元可獲得 1,000 點數、每月 49 美元可獲得 3,500 點數、每月 129 美元可獲得 10,000 點數，以及每月 379 美元可獲得 35,000 點數；年繳約可享 8% 到 10% 折扣，另有每 1,000 點數 15 美元的加值方案。Utopai X 在 PAI 的點數表中有專屬的一列：1080p 影片每秒 93 點數。平台的其他影片模型則較低——標準方案在 1080p 下每秒 50 點數，專業方案則為 76 點數。

把它換算成每分鐘的數字，是任何人都做得到的算術，卻幾乎不該有人把它當成價格來引用。以每秒 93 點計算，Utopai X 輸出每分鐘要花 5,580 點。入門的 $15 方案每月可買到 1,000 點，也就是大約 10.8 秒的素材——前提是每一點都花在這個模型上。若把入門的點數費率線性放大，隱含成本大約是每分鐘生成的影片 $80 以上。這個數字只有在附上但書時才值得一提：它假設點數與美元之間是嚴格的線性換算，它忽略了點數在 PAI 中所有模型之間是共用池，而且會過期或根本沒用完，它忽略了年繳折扣與加值包，而且它對解析度或長度限制隻字未提——Utopai 並未針對 Utopai X 另行說明這些限制。這只是有用的數量級參考，不是價目表。

相較之下，在同一個 Artificial Analysis 榜單上，MiniMax H3（768p）標價為每分鐘 4.80 美元，Wan 3.0 為 12.00 美元，而 Dreamina Seedance 2.5 則標價 34.12 美元。這些是來自各家供應商自家 API 的自動定價資料饋送，並非由訂閱方案推算出的估計值，因此這種比較充其量只能看出方向——但方向很清楚：在入門方案層級，以點數計價的工作室平台內的生成，並不是在與按秒計價的 API 定價競爭。買方真正付費購買的，是模型周遭的工作空間，而不是模型每多一秒的邊際成本。

非公開的部分

有三個落差值得點名，因為每一個都阻礙著不同的決策。

• 沒有 API，也沒有整合途徑。 Utopai X 目前沒有直接整合途徑。想在管線中呼叫它的產品團隊無法做到。Artificial Analysis 將其列為「無可用 API」，而發布資料也未說明有任何開發者存取方式。

• 無獨立規格說明。MiniMax H3 可生成 4 至 15 秒的片段，最高達 2K 畫質，並具備原生立體聲。Utopai 並未公布 Utopai X 本身的最大時長或解析度，這表示點數表中 1080p 的數字是唯一可取得的解析度說明，而片段長度則不得而知。

• 沒有超出競技場範圍的評估。 Elo 結果是對短片段人類偏好的獨立測量。它並非衡量素材是否符合預定鏡頭、能否剪入剪輯，或能否經得起修改的標準。Utopai 自家的貼文直接承認這點——「評估也會在片段生成後持續進行」——這對產品發布而言是異常誠實的表述，同時也是對這項排名能走多遠的警告。

在工作室這一側，還有更多歷史值得一提。Utopai 於 2026 年 6 月 2 日推出 PAI 2.0，並在當時表示，該平台在四月首次亮相後不到兩個月，年度經常性收入就已達到 1,100 萬美元，動能來自銷售給製作公司的商業授權。該公司表示，已排定三部院線電影與兩部影集於 2027 年推出，並正將 PAI 與 Utopai X 應用於自家製作，包括The Most Serious Fart，這部由 Mike Bender 編劇並執導的動畫長片。這些是該工作室的數字與該工作室的檔期，而它們正是一個沒有 API 的後訓練模型之所以值得一寫的原因：這個模型正被用來製作該公司打算發行的電影，而這比排行榜是更嚴苛的考驗。

在基礎模型仍是實用選擇的情況下

對這週真的需要生成影片的人來說，這個系列中可路由存取的那一半，就是基礎模型。MiniMax H3已在 OrcaRouter 上以供應商的牌價提供——768p 每秒 $0.08，也就是每分鐘 $4.80，與 Artificial Analysis 列出的數字相同——零加成，因此任何廠商降價都會在同一天反映，而非等到重新定價週期之後，並且自動容錯移轉可跨供應商運作，讓單一端點中斷不會導致你的管線停擺。它接受文字、圖像、影片和音訊參考作為單一統一的上下文，並以 768P 或 2K 傳回 4 到 15 秒的片段，附帶原生立體聲音訊，按生成輸出的秒數計費。

Utopai X 並未提供路由，本文任何內容都不應被解讀為聲稱它已提供路由。基礎模型能帶給你的，是一種測試 H3 系列美學與動態特性的方式——這正是 Utopai 起步時所依據的同一套基礎，無論它之後施加了什麼後訓練——只要一組 API 金鑰，就能與超過 200 個其他模型並列使用，無需 PAI 訂閱。倘若 Utopai X 日後上架到可路由的供應商，它會在同一天以定價現身，並以供應商的費率原樣轉嫁，而非加價。在那之前，誠實的區分是：Utopai X 給 PAI 內部的工作室，MiniMax H3 給所有正在拼湊工作流程的人。

是什麼決定這究竟是初登場，還是一個時刻？

接下來一季有三件事值得觀察。第一，榜首的七分差距能否在再累積數千票後依然存在——目前區間互相重疊，而當新一批比較結果進來就會重新洗牌的排行榜，根本還沒塵埃落定。第二，Utopai 究竟會不會開放任何開發者存取；一個全球排名第二、卻只有 PAI 訂閱者能呼叫的模型，是產品決策，而且可以逆轉。第三，競爭是否會往另一個方向發展。Wan 3.0 已經能生成長達 30 秒、具備原生音訊的 1080p 內容，並接受文字、圖像、影片、音訊、文件和網頁作為參考，且在使用案例細分中於光影、材質和鏡頭控制方面領先排行榜。相較基礎模型有十二分的後訓練增益，這很耐人尋味；但要對抗一個輸入範圍更廣的基礎模型並保住第二名，則是另一回事。

這裡真正新的並不是 Elo，而是這項主張的形態：一間具備製作流程的工作室主張，擁有影片素材背後的那些決策——哪個鏡次、哪個參考、哪個修訂版——比擁有預訓練運行更有價值。這個論點可以檢驗，而 2027 年片單的票房就是其中一項檢驗。