Gemini 4 Carbon 登顶 Artificial Analysis V5 指数，视频模型的竞争却在别处

最新的数字是 59。据 Tom's Hardware 11 月 3 日的报道，这是 Gemini 4 Carbon 在 Artificial Analysis 智能指数 V5 上的得分，比 Claude Opus 5.5 高一分，比 OpenAI 的 GPT-6 Astra 高两分。谷歌这款模型还在该机构的 AA-Omniscience v1.1 幻觉测试中排名第一。

这些都是语言模型的分数。本文谈的是 AI 视频生成，而在这个领域，情况比标题所暗示的更稀薄，也更奇怪。最新的带日期条目是一份市场报告、一次产品发布，以及一连串厂商公告。真正做生成的模型大多只在二手提及中出现。最近的具体日期是 11 月 3 日，当天 Precedence Research 发布了一份 AI 动漫生成器市场研究，Kling3.io 宣布了 Kling 4.0，这些来自背景标题。两者都不是同行评审的基准测试。

基准测试究竟测了什么

Tom's Hardware 那篇文章值得细读，因为它把智能得分和成本数字分开来讲。Gemini 4 Carbon（high）在智能指数测试中每项任务花费 7.76 美元，比 Gemini 3.8 Flash（high）略便宜，也远低于每项任务 12.99 美元的 Claude Fable 5.1。它仍比 OpenAI 的 GPT 5 Astra 贵，大约是 GPT 6.1 Sol（max）每项任务成本的六倍。与开放权重的 DeepSeek V4.1 Flash 相比，差距约为 13 倍，不过那款模型只得了 32 分。

谷歌通过 Fairwind 计划让网络防御人员优先使用，之后才会扩大开放范围。幻觉测试的结果需要加上文章自己给出的限定：即便是最好的模型，在 -100 到 +100 的量表上也只得了 54 分。召回率上的领先者并不是可靠的叙述者。

"即便是最好的模型，在 -100 到 +100 的量表上也只得了 54 分，这说明 2026 年最好的前沿模型距离稳定、准确地复述信息还差得很远。"

这个说法对买视频工具的人很重要。买家凭眼睛判断生成的片段，不看排行榜。与视频相关的条目依赖厂商的说法，而非独立测试。The Register 11 月 3 日报道，Gartner 分析师 Mark Petty 和 Raymond Paquet 预计，到 2030 年开放权重模型将承担企业智能体工作流步骤的 90%。这只需最便宜闭源模型四分之一的价格，而如果每一步都跑前沿模型，费用可能只有其二十分之一。两位分析师也承认，当前的开源模型"可能更啰嗦，重试也更多"，所以实际节省更接近五到六倍。

这种价格压力是每一款生成模型发布时的背景。如果日常工作迁移到开放权重，闭源实验室卖的就是昂贵的长尾：研究、困难推理，以及架在上面的品牌化创意工具。

专精派的论点，以及谁在提

Il Sole 24 Ore 11 月 1 日撰文称，专用系统在通用模型旁边仍有空间。它举的例子是总部位于罗马的语言服务公司 Translated，该公司 10 月发布了面向专业翻译的 Lara 3。Translated 自己的测试让人工评审盲检了 16800 条从英语译入 21 种语言的译文。评审认为 Lara 3 有 82% 的输出无需修改即可使用，而 GPT-5.6 Sol 为 69%。该报指出，测试由公司自己组织，且仅限于这些内容。任何厂商基准测试都应附上这条限定。

同样的逻辑适用于视频。对品牌团队来说，一款能把字体和版式控制做好的模型，比在指数上得分更高的通用模型更有价值。Ideogram 的 4.5 模型就是一例，它专注于字体和版式，而非广泛能力。

这一切底下是电费。Ember 的 2026 年 10 月分析经 pv magazine 于 11 月 3 日报道，发现数据中心已占爱尔兰峰值需求的约 19%，并预计到 2030 年达到 24%。负荷转移可使爱尔兰峰值需求减少约 100 MW，即 1.5%。表后发电和储能能带来近五倍的缓解，在得克萨斯州最多可减少 2.7 GW。一座大型数据中心需要 200 MW 到 500 MW，可在 18 到 24 个月内建成；电网扩建则需要 4 到 10 年。

物理 AI 也在推进。Tutor Intelligence 11 月 2 日表示，它在 B 轮融资中筹得 7500万美元，由 Andreessen Horowitz 领投，用于训练使用真实世界数据和远程人工辅导员的机器人。CEO Josh Gruenstein 说，公司"造机器人的速度几乎跟不上需求"。

这些都没有决定哪款视频模型会胜出。它确实解释了为什么发布节奏不断加快，而独立评测却落在后面。