排名模型厂商分数(百分制)样本量上下文价格/百万token
1
X
grok-imagine-video-1.5-preview-720p Xai
100.0
5.6K
1M
¥9 / ¥18输入/输出
2
B
dreamina-seedance-2.0-720p Bytedance
97.4
56.7K
-
-
3
A
happyhorse-1.0 Aorizon
94.9
33.3K
-
-
4
X
grok-imagine-video-720p Xai
92.3
380.6K
1M
¥9 / ¥18输入/输出
5
G
veo-3.1-audio Google
89.7
25.1K
200K
¥14.4 / ¥57.6输入/输出
6
G
veo-3.1-audio-1080p Google
87.2
24.4K
200K
¥14.4 / ¥57.6输入/输出
7
G
veo-3.1-fast-audio Google
84.6
99.9K
200K
¥14.4 / ¥57.6输入/输出
8
X
grok-imagine-video-480p Xai
82.1
19.4K
1M
¥9 / ¥18输入/输出
9
G
veo-3.1-fast-audio-1080p Google
79.5
24.9K
200K
¥14.4 / ¥57.6输入/输出
10
SH
vidu-q3-pro Shengshu
76.9
36.7K
-
-
11
K
kling-v3-pro Kling
74.4
97K
-
-
12
G
veo-3-audio Google
71.8
32.4K
200K
¥14.4 / ¥57.6输入/输出
13
A
wan2.5-i2v-preview Alibaba
69.2
13.9K
-
-
14
G
veo-3-fast-audio Google
66.7
41.2K
200K
¥14.4 / ¥57.6输入/输出
15
A
wan2.6-i2v Alibaba
64.1
59.3K
-
-
16
B
seedance-v1.5-pro Bytedance
61.5
196.5K
-
-
17
UNpixverse-v5.6
-
59.0
91K
-
-
18
K
kling-2.6-pro Kling
56.4
162.9K
-
-
19
K
kling-2.5-turbo-1080p Kling
53.8
3.8K
200K
¥108 / ¥432输入/输出
20
B
seedance-v1-pro Bytedance
51.3
34K
-
-
21
M
hailuo-2.3 Minimax
48.7
201K
-
-
22
G
veo-3-fast Google
46.2
26.3K
200K
¥14.4 / ¥57.6输入/输出
23
G
veo-3 Google
43.6
26.1K
200K
¥14.4 / ¥57.6输入/输出
24
UNp-video
-
41.0
23.4K
-
-
25
SH
vidu-q2-turbo Shengshu
38.5
2.5K
-
-
26
K
kling-v2.1-master Kling
35.9
29.8K
-
-
27
M
hailuo-02-pro Minimax
33.3
21.8K
-
-
28
K
kling-v2.1-standard Kling
30.8
30K
-
-
29
L
ray-3 Luma Ai
28.2
1.6K
-
-
30
M
hailuo-02-standard Minimax
25.6
21.8K
-
-
31
SH
vidu-q2-pro Shengshu
23.1
2.6K
-
-
32
TE
hunyuan-video-1.5 Tencent
20.5
5.5K
200K
¥108 / ¥432输入/输出
33
M
hailuo-02-fast Minimax
17.9
22.5K
-
-
34
B
seedance-v1-lite Bytedance
15.4
33.8K
-
-
35
A
wan-v2.2-a14b Alibaba
12.8
27.1K
-
-
36
G
veo-2 Google
10.3
10.3K
-
-
37
UNltx-2-19b
-
7.7
146.5K
-
-
38
L
ray2 Luma Ai
5.1
9.5K
-
-
39
R
runway-gen4-turbo Runway
2.6
6.8K
-
-
40
PI
pika-v2.2 Pika
0.0
8.7K
-
-
榜首模型解读grok-imagine-video-1.5-preview-720p 为什么排第一
grok-imagine-video-1.5-preview-720p 当前排名第 1,厂商为 xai,百分制分数 100.0,样本量 5.6K。如果你的任务与本榜单口径一致,可以优先把它作为候选模型,再结合价格、上下文长度和可用性做最终选择。
如何选择模型不要只看第一名
先选择最接近真实任务的排行榜,再比较 Top 模型的分数和样本量。分数越高说明同一榜单内偏好表现越强;样本量越高通常结果更稳定。最后再结合价格、上下文长度、开源闭源和厂商可用性筛选。
相关排行榜继续比较相近能力