你可能已经试过一圈视频模型：同一个提示词丢进去，出来的东西有的能直接用、有的只能当素材，真正卡住的不是「哪个更强」，而是「我这条片子该用哪个、用几次、按什么口径花钱」。这篇不给你一个万能答案，而是给一套能自己跑一遍的对比方法：先确定要交付什么，再按镜头难度和能力边界排顺序，最后回到站内页面核对当时的价格与额度。
你可能已经轮着试过一圈视频模型：同一个提示词丢进去，出来有的能直接用，有的只能当素材。真正卡住的往往不是「哪个更强」，而是「我这条片子该用哪个、要抽几次、按什么口径花钱」。这篇不给万能答案，给一套能自己跑一遍的对比方法：先确定交付物，再按镜头难度和能力边界排序，最后回站内页面核对当时的价格与额度。
先把预期压低一点：没有哪个模型在所有镜头上都稳。横评的价值在于搞清楚「哪类镜头交给谁」，而不是排出一张总榜。下面每一节都给判断标准和可执行动作，你把自家要做的镜头套进去，跑一轮就能得到自己的结论。
先放弃「谁最强」这个问题
同一句提示词在不同模型上的差异，主要来自它能稳定处理哪类镜头，而不是整体强弱。一个擅长单人静态景的模型，遇到多主体互动可能直接崩；反过来，运镜强的模型在安静口播镜头上未必更讨喜。所以对比的第一件事不是开测，是写清楚你要交付什么。
- 把成品形态先定下来：口播、产品演示、剧情片段、还是纯素材补镜
- 把「画质好」拆成四项分开打分：清晰度、运动连贯、主体一致性、文字与细节还原
- 给每一项定一个最低可接受线，低于这条线就不用再看其他项
- 不适用的情况：只想随便玩两下、没有交付节点的人，做这套对比是浪费时间
按镜头类型分档，而不是按厂商排名
把你要做的镜头归成四类，每类各测两三条提示词，观察哪家一次能成、哪家要抽很多次。多主体互动和手部动作通常是失败率最高的类型，单独列一档重点测。记录失败原因比记录成功次数有用得多，因为失败原因能告诉你这个模型的边界在哪。
| 镜头类型 | 观察重点 | 常见失败表现 |
|---|---|---|
| 单人静态景 | 面部与服装一致性 | 五官漂移、背景无端变化 |
| 动态运镜 | 运动是否连贯、有无跳帧 | 画面抖动、主体跟不上镜头 |
| 多主体互动 | 两人以上是否互相穿透 | 肢体粘连、数量忽多忽少 |
| 带文字或标识 | 文字是否还原、有无乱码 | 字形错误、标识扭曲 |
测完把每类的结论写成一句话，例如「多主体互动这家要抽很多次才出一条」。这种句子比任何总评都能指导你后面的分工。
文生、图生、首尾帧三种输入方式差别很大
有现成参考图或分镜稿时，图生视频通常比文生更好控主体和构图。需要精确控制起点与落点时，就看模型是否支持首尾帧或关键帧输入。同一个模型的不同输入方式要分开评，别用文生的表现去否定它的图生能力——这两条路径的稳定性经常不在一个水平上。
- 先测文生用同一句提示词跑几条，记录可用率，得到模型的「裸能力」底线
- 再测图生拿同一张参考图喂进去，看主体和构图是否稳定保持一致
- 最后测首尾帧如果你的流程需要卡住起止画面，这一项不通过就直接排除，别纠结画面好不好看
做系列内容时，先测同一主体跨多次生成的一致性，再决定用哪家。单条短片看不出来，连着做多条才会暴露问题。
交付前先确认时长、比例、水印、音频四项
这一步最容易被跳过，却最容易让成片报废。把你的投放位要求列出来：横屏还是竖屏、单镜时长上限、是否需要自带音效。导出水印和分辨率上限会直接决定能不能用，测试阶段就要一起验，别等剪完才发现导出带角标。
- 时长
- 单段时长不够的模型要靠剪辑衔接，会改变制作节奏
- 比例
- 竖屏投放和横屏投放对构图要求不同，同一提示词结果不能互认
- 水印
- 导出是否带水印、能否移除，测试阶段就确认
- 音频
- 是否自带音效或配音，决定后期要加多少工
按能力筛一遍工具，可以到 /ai-nav/category/ai-video 按标签过滤，再去 /models 核对模型说明里写的输入方式和输出规格。具体条款以页面当时展示为准。
一套能重复跑的对比流程
对比最容易犯的错，是每次换模型顺手也换了提示词，结果测出来的差异说不清来自哪里。固定三条提示词当基准，分别代表简单、中等、复杂镜头，每次换模型只用这三条。给每条提示词设一个相同的抽卡次数上限，用「几次能出可用片段」作为横向指标。
| 归档档位 | 判断标准 | 后续动作 |
|---|---|---|
| 可直接用 | 不需要修补就能进剪辑 | 作为该模型的能力上限参考 |
| 需剪辑补救 | 裁切、变速或补镜后能用 | 记下补救方式，估算额外工时 |
| 废弃 | 主体崩坏或完全偏离 | 记下失败原因，不重复同类提示词 |
换提示词就重开一轮，不要拿新旧结果混着比，否则结论会偏。这套流程跑完，你手里会有一张按镜头类型分档的对照表，比任何外部评测都贴合自己的需求。
计费口径决定你是不是在用得起的那一档
先分清按次、按秒、按积分扣费三种口径，它们在高频使用下差得很远。按次计费的模型，你抽得越多越贵；按秒计费的，成片时长直接决定支出；按积分扣费的，要看单次生成扣多少分。把「出片率」折进成本才准：一段可用镜头平均要抽几次，才是真实单价。
- 免费额度和排队机制会改变可用性，免费档高峰期出片慢是常态，别只按最好情况排期
- 先算你一周大概要出多少条可用镜头，再反推各口径下的消耗量级
- 把失败生成的消耗也算进去，只算成功那一次会严重低估
- 具体单价和额度别记在脑子里，到 /official-api 与 /price-watch 看当时的数字
- 如果你走中转，先到 /sites 看该站的可用性记录，再决定要不要把产能压上去
选完模型还要想清楚它接在流程的哪一环
生成只是上游。配音、字幕、剪辑对成片观感的影响，往往比模型之间的差距更大。很多人花大量时间纠结模型选择，最后成片被粗糙的转场和忽大忽小的音量拖垮。先想清楚模型输出接在流程的哪一环，再回头看它的短板能不能被下游补上。
- 把模型输出格式和剪辑软件对齐，避免导出后反复转码掉画质
- 镜头一致性差的模型适合做氛围空镜，不适合做需要连续叙事的段落
- 跨模型混用时，统一分辨率和帧率再拼，减少拼接处的跳变
- 给每个模型定一个主用途，别让它既做正片又做补镜，管理起来会乱
这一环的分工一旦定下来，换模型就变成替换某个环节，而不是重做整条流程，迁移成本会低很多。
什么情况下不该急着换模型
看到别人发了条好看的片子就换模型，是最常见的浪费。提示词写法还没定型就换，等于把两件事混在一起测，结论不可用。单次失败大多是提示词或输入素材的问题，先按同一模型重跑再判断。已经有稳定出片流程的团队，换模型的迁移成本常被低估，要算上重写提示词和重新摸边界的时间。
- 提示词还在频繁改动的阶段，不要换模型，先把基准提示词定下来
- 同一模型连续多次失败且失败原因一致，才说明是能力边界问题
- 换模型前估算迁移工时：重写提示词、重测镜头类型、调整剪辑衔接
- 需要长期稳定产出的场景，优先看服务可用性和额度稳定性，而不是单次效果
- 具体某家的可用性记录和额度情况，去 /sites 和 /rankings 看当时的页面
横评的终点不是选出最强的那家，而是知道哪类镜头该交给谁、什么时候不该换。下一步把你要做的镜头按四类列出来，用固定三条提示词跑一轮，再去核对当时的计费口径与额度，得到的就是你自己的选型结论。→
常见问题
Sora、可灵、Pika 到底哪个效果最好？
没有跨场景的固定答案。它们在单人静态镜头、运镜控制、多主体互动上的表现各不相同，同一模型这次赢下次可能就输。靠谱做法是拿你自己的三条基准提示词各跑一轮，按「几次能出可用片段」排序，比看别人的横评结论更准。
评测视频模型该看哪些指标？
建议拆成四项：画面清晰与稳定、运动是否连贯、主体跨帧是否一致、细节（手、文字、标识）是否还原。再加一个工程指标——平均抽几次能出可用片段。四项分开打分，比笼统说「画质好」有用得多。
做产品演示该选哪类视频模型？
产品演示看重主体一致和细节还原，通常图生视频比纯文生更稳。先测几轮同一产品的多角度生成，看模型能不能把外形维持住；维持不住的，宁可用它做氛围镜头，主体靠拍摄或图像合成补。
免费额度够不够跑完一轮对比？
多数平台的免费额度做两三条提示词的对比够用，做完整横评往往不够，尤其是需要抽卡多次的复杂镜头。建议把免费的用在筛掉明显不合适的模型上，剩下的再用付费档验证。具体额度到站内对应页面核对当时的数字。
换了模型之后成片反而变差，问题出在哪？
先排除三项：输入素材是否符合新模型的尺寸与格式要求、提示词是不是照搬了旧模型的写法、导出参数有没有被默认值改掉。这三项都排除后，再怀疑模型本身不适合你的镜头类型。
