Shengshu lance Vidu Q4 Preview et vise un « moment DeepSeek » pour la vidéo

Shengshu Technology a lancé Vidu Q4 Preview, la version préliminaire de la prochaine génération de son modèle vidéo Vidu. La presse sectorielle chinoise y voit déjà un possible « moment DeepSeek » pour la génération de vidéo. La comparaison est précise. DeepSeek a montré qu'un niveau frontier en modèles de langage n'a pas à coûter le prix d'un petit pays. Cette logique est maintenant mise à l'épreuve sur la vidéo, où les factures de calcul sont nettement plus lourdes que pour le texte. Le fragment d'annonce disponible ne contient ni benchmarks, ni prix, ni paramètres du modèle : tout ce qui suit repose donc sur la position affichée par l'entreprise et sur son historique.

Pourquoi la comparaison avec DeepSeek

Pour les grands modèles de langage, l'apport clé de DeepSeek a été la « démocratisation des capacités frontier ». Le niveau de qualité est resté élevé, tandis que le coût de possession a chuté brutalement. Les rédacteurs de Jiqizhixin affirment que les modèles vidéo approchent d'un point similaire : performance, efficacité et accessibilité commencent à progresser en même temps, et non plus l'une après l'autre. Auparavant, le choix était tranché : soit un clip esthétique mais cher et lent, soit une génération bon marché truffée d'artefacts. Q4 Preview est présenté comme une tentative de combler cet écart.

Le mot « Preview » compte aussi. Il ne s'agit pas d'une version finale, mais d'un instantané de l'état actuel du modèle, avec lequel l'entreprise teste la réaction du marché et la stabilité du modèle sous charge. Les conditions d'accès et les tarifs définitifs peuvent différer.

L'efficacité comme argument principal

Le titre de l'article original évoque le « compte de l'efficacité » (效率账). Pour la génération vidéo, c'est la métrique centrale. Le coût d'une seconde de vidéo dépend du nombre de pas de diffusion, de la taille du modèle, de la longueur du contexte en images et du prix de l'heure de GPU. Si un modèle produit une qualité acceptable plus vite et à moindre coût, l'économie change dans plusieurs segments à la fois, des studios publicitaires aux outils pour formats courts.

Ce que l'article affirme ou laisse entendre :

• Vidu Q4 Preview : version préliminaire de la nouvelle génération de modèles vidéo de Shengshu
• Axe de la sortie : hausse simultanée de la qualité, de l'efficacité et de l'accessibilité
• Grille de lecture : l'équivalent d'un « moment DeepSeek » pour le segment vidéo
• Socle technologique : recherches sur les world models
• Non précisé dans le fragment disponible : durée des clips, résolution, prix par seconde, résultats sur les benchmarks publics

Le world model comme point d'appui

La seconde partie de la thèse repose sur le « 底气 », c'est-à-dire la marge de sécurité que procure le travail sur les modèles du monde. L'idée : un modèle vidéo qui comprend la physique d'une scène, la perspective et la stabilité des objets dans le temps se trompe moins sur le mouvement et demande moins de corrections en sortie. Cela touche directement à l'efficacité, car chaque prise ratée en génération coûte de l'argent.

Shengshu a des raisons d'avancer cet argument. L'entreprise est issue d'une équipe académique liée à l'Université Tsinghua et connue pour ses travaux sur les transformeurs de diffusion, dont l'architecture U-ViT. Vidu figure parmi les services vidéo chinois notables, aux côtés de Kling de Kuaishou et de Hailuo de MiniMax. La concurrence dans ce segment se joue sur la vitesse d'itération, et les sorties trimestrielles sont devenues la norme.

Que vérifier en pratique

Tant qu'il n'y a pas de chiffres, mieux vaut juger Q4 Preview par ses propres tests que par les titres. Les équipes qui utilisent la génération vidéo en production peuvent comparer le modèle sur trois tâches : la cohérence d'un personnage d'une scène à l'autre, les mouvements de caméra complexes et le coût d'une minute de contenu fini, régénérations comprises. Ce dernier indicateur compte plus que la beauté d'une image isolée.

Il faut aussi attendre des comparaisons indépendantes et la tarification définitive. Si l'équilibre annoncé se confirme, tous les grands services vidéo, occidentaux compris, subiront une pression sur les prix. Si le gain s'avère obtenu en rognant sur la durée ou la résolution, le « moment DeepSeek » restera une jolie formule de communiqué de presse.