Artificial Analysis 联合 HeyGen 推出 Code2Video-AA：27 个大模型比拼「写代码做营销视频」，Claude Opus 5.5 领先
独立评测机构 Artificial Analysis 10 月 26 日发布 Code2Video-AA，基于 HeyGen 的 Code2Video Bench，让 27 个大模型按 114 份产品和品牌视频需求写 HyperFrames HTML 动画再渲染成视频，盲评五个维度后算 Elo。Claude Opus 5.5 以 1536 分领先，GPT-6.1 Sol 排第四但单次成本约为其十分之一，开源模型最高约 1053 分。
独立 AI 评测机构 Artificial Analysis 10 月 26 日发布了新榜单 Code2Video-AA，和 HeyGen 合作，测的是大模型「用代码做视频」的本事：模型不直接生成像素，而是写一份网页动画，再渲染成成片。
按官方文章和榜单页，要点如下：
- 测什么：题目来自 HeyGen 公开的 Code2Video Bench，共 114 份产品和品牌短视频需求；每个模型一次调用、不带工具，写出一个 HyperFrames HTML 文件（HTML 排版、GSAP 做动画），再在断网环境里渲染成视频；
- 怎么评：由 Gemini 4 Argon 在不知道模型名的情况下两两对比同一题的视频，分吸引力、贴合需求、构图、时间一致性、做工五个维度各自算 Elo，总分取平均，以 GPT-5.5 为 1000 分基准，累计 3.5 万多次判定；
- 排名：Claude Opus 5.5 以 1536 分第一，五个维度都领先；Claude Sonnet 5.5（1443）和 GPT-6 Astra（1427）在误差范围内并列第二梯队，GPT-6.1 Sol（1369）第四；
- 成本差距：单题成本从 0.01 美元到 3.89 美元不等，GPT-6.1 Sol 每题约 0.31 美元，大约是 Claude Opus 5.5（3.08 美元）的十分之一；
- 开源模型：最好的是 DeepSeek V4.1 Flash（1053）和小米 MiMo-V2.6 系列（1052），与第一名差距在 480 分以上；
- 能不能渲染：3078 个任务里 98.8% 成功出片，失败的作品在对比中直接判负。
需要注意，这个榜只衡量「代码写出来的图文动效类视频」，比如产品介绍、品牌宣传的动态图文，和 Seedance、可灵这类直接生成实拍感画面的视频模型不是一回事；评委也是 AI 模型，而不是真人观众。
对创作者意味着什么： 做产品介绍、数据动效、知识类图文视频的人，现在可以让大模型直接写一版可渲染的动画稿，再改文案和节奏，比从零在剪辑软件里抠关键帧快不少。榜单给了一个选模型的参考：追求效果可以先试排名靠前的模型，批量出稿更在意成本的，第四名这类价格只有十分之一的模型可能更划算。上手前建议拿自己的一个真实需求在两三个模型上各跑一遍，看谁的版式和动效更接近你要的风格。
信息来源：Artificial Analysis（本文为编辑整理改写）
