Claude Opus 5.5 يتصدر Code2Video-AA بـ 1536 نقطة Elo متقدمًا على GPT-6 Astra بفارق 109 نقاط

أصدرت Artificial Analysis اختبار Code2Video-AA، وهو تنفيذ مستقل لاختبار HeyGen Code2Video Bench. تتلقى النماذج 114 موجزًا تصميميًا لمقاطع قصيرة عن المنتجات والعلامات التجارية، وعليها تصميم الفيديو برمجيًا. في التصنيف الأول بتاريخ 26 أكتوبر 2026 يتصدر Claude Opus 5.5 (max with fallback) بـ 1536 نقطة Elo. يفصله عن المركز الثاني 93 نقطة، وهو الأول في محاور التقييم الخمسة كلها. يليه Claude Sonnet 5.5 بـ 1443 نقطة وGPT-6 Astra بـ 1427 نقطة، والفارق بينهما يقع ضمن حدود الضجيج الإحصائي.

كيف ينتج النموذج فيديو دون أي أداة

الشروط صارمة. يتلقى النموذج الموجز مع موجّه النظام (system prompt) الخاص بـ HeyGen في استدعاء واحد، دون أدوات ودون إمكانية تصحيح النتيجة. والمطلوب في المخرجات ملف index.html واحد يحتوي على تركيبة HyperFrames: يتولى HTML التخطيط، ويتولى GSAP الحركة. بعد ذلك تُحوَّل التركيبة إلى فيديو عبر الرندر، ويقارن قضاة من نماذج LLM المقاطع ثنائيًا على خمسة محاور. ويساوي Elo النهائي متوسط المحاور، وهو مربوط بنموذج GPT-5.5 (xhigh) عند 1000 نقطة.

الموجزات مفصّلة جدًا. ففي أحد أمثلة العينة العلنية، المطلوب بناء عرض توضيحي لأداة تصميم الإطارات السلكية (wireframes) مدته نحو 7,3 ثانية. يتضمن بطاقة عنوان سوداء، وقطع مونتاج حادًا، وكاميرا ثابتة دون تكبير، ولوحة ألوان صارمة بلون تمييز وحيد أصفر ليموني #E4E41B، وكتل Spacer وMedia وText تظهر تباعًا على اللوحة تحت المؤشر. وعلى النموذج الالتزام بالتوقيت واللوحة اللونية في الكود.

جدول: 27 نموذجًا بحسب Elo

• Claude Opus 5.5 (max with fallback) — 1536
• Claude Sonnet 5.5 (max with fallback) — 1443
• GPT-6 Astra (max) — 1427
• GPT-6.1 Sol (max) — 1369
• Claude Fable 5.1 (max with fallback) — 1325
• Gemini 4 Argon (high) — 1259
• Claude Haiku 5.5 (max) — 1192
• Grok 4.7 (xhigh) — 1127
• DeepSeek V4.1 Flash (max) — 1053
• MiMo-V2.6-Flash — 1052
• MiMo-V2.6-Pro — 1052
• Kimi K3 (max) — 1041
• GLM-5.3 (max) — 1034
• GPT-6 Luna (max) — 1030
• Qwen3.8 Max (0902) — 1021
• Muse Spark 1.3 (max) — 1019
• GPT-5.5 (xhigh) — 1000
• Muse Wonder (max) — 997
• GLM-5.3-Flash — 975
• Qwen3.8 27B (xhigh) — 949
• Mistral Large 4 Preview — 931
• Gemini 3.8 Flash (high) — 899
• Step 5 Preview — 821
• MiniMax-M3 — 724
• Beam 1.0 — 675
• Inkling (xhigh) — 467
• Nemotron 3 Ultra — 304

يبلغ الفارق بين المتصدر والنماذج المفتوحة 483 نقطة على الأقل. وأفضل النماذج المفتوحة هي DeepSeek V4.1 Flash (1053) وMiMo-V2.6-Flash وMiMo-V2.6-Pro (1052 لكل منهما).

تبرز أفضلية Opus 5.5 بوضوح خاص في محور craft، أي نظافة التنفيذ، إذ يتقدم هناك على Sonnet 5.5 بـ 128 نقطة. وأصغر فارق في محور prompt intent، وهو 48 نقطة. ويكاد ترتيب النماذج لا يتغير من محور إلى آخر: لا يتحرك أي نموذج أكثر من ست مراتب. ويفرّق محور temporal consistency بين النماذج أقل من غيره: نطاق Elo فيه 1057 نقطة مقابل 1222–1349 في المحاور الأربعة الأخرى.

ثمن الفوز واستهلاك التوكنات

تتراوح كلفة المهمة الواحدة بين 0,01 دولار مع MiMo-V2.6-Flash و3,89 دولار مع Claude Fable 5.1، أي أكثر من 300 ضعف. أما المتصدر فكلفته 3,08 دولار. وتبلغ كلفة GPT-6.1 Sol، صاحب المركز الرابع، 0,31 دولار، أي أرخص بنحو عشر مرات. بينما تبلغ كلفة GPT-6 Astra 1,62 دولار، أي 5 أضعاف كلفة Sol مقابل تفوق قدره 58 نقطة Elo. وتقع ثمانية نماذج على جبهة باريتو في معادلة «Elo مقابل السعر». ومن بينها MiMo-V2.6-Flash (1052 نقطة Elo، 0,01 دولار) وClaude Haiku 5.5 (1192 نقطة Elo، 0,08 دولار) وGPT-6.1 Sol (1369 نقطة Elo، 0,31 دولار) وClaude Opus 5.5 (1536 نقطة Elo، 3,08 دولار).

يتفاوت استهلاك التوكنات 16 ضعفًا: من نحو 11 ألفًا مع Nemotron 3 Ultra إلى نحو 176 ألفًا مع Claude Sonnet 5.5. ويعود معظم الفارق إلى توكنات الاستدلال. أما الإجابات نفسها بما فيها التركيبات فتشغل عند الجميع بين 4 و12 ألف توكن. وتنفق نماذج Claude 5.5 الثلاثة بين 152 و176 ألف توكن للمهمة الواحدة، بينما يبلغ المتوسط لدى النماذج الـ 24 الأخرى نحو 42 ألفًا والوسيط نحو 34 ألفًا.

ويتناول فحص منفصل مسألة الرندر: فالتركيبة التي لم تتحول إلى فيديو تخسر أي مقارنة. جرى رندر 3042 مهمة من 3078 (98,8%)، وأنجزت 8 نماذج من 27 المهام الـ 114 كلها. وأدنى نتيجة كانت لـ GLM-5.3 (max): 110 من 114. أما النماذج الثلاثة الأخيرة فجرى رندر 111–113 مهمة لكل منها، ما يعني أن انخفاض Elo لديها يفسّره أساسًا حكم القضاة على المقاطع الجاهزة.

والخلاصة العملية كالتالي. إذا كان المطلوب أقصى جودة للحركة في الكود وكانت الميزانية تسمح، فلا منافس لـ Opus 5.5 حتى الآن. وإذا كانت الكفاءة الاقتصادية على دفق كبير من المقاطع هي الأهم، فمن الأجدى النظر إلى GPT-6.1 Sol أو Claude Haiku 5.5. أما النماذج المفتوحة فلا تصلح حتى الآن إلا للمسودات الرخيصة: كلفة MiMo-V2.6-Flash زهيدة، لكنه متأخر بـ 484 نقطة. وسيُحدَّث التصنيف على صفحة Code2Video-AA، ونشرت HeyGen عينة الموجزات بترخيص CC BY 4.0.