Code2Video-AA là gì? 27 mô hình AI thi làm video bằng code

Code2Video-AA là bảng xếp hạng chấm xem mô hình ngôn ngữ viết code dựng video quảng cáo tốt đến đâu. Đây không phải công cụ tạo video mới, và bạn không dùng nó để làm clip.

Code2Video-AA là bảng xếp hạng, không phải mô hình video mới

Ngày 26/10/2026, Artificial Analysis đăng bài ra mắt Code2Video-AA với kết quả của 27 mô hình AI. Trang này tự giới thiệu là bản triển khai độc lập của Code2Video Bench, bộ đề do HeyGen soạn cho video ngắn giới thiệu sản phẩm và thương hiệu.

Nói gọn, Code2Video-AA là một bài thi. Điểm cuối cùng là một con số Elo, giống cách xếp hạng kỳ thủ cờ vua.

Số liệu trong bài này lấy theo bản ngày 26/10/2026 (dataset 0.3.0). Điểm mới nhất nằm ở trang bảng xếp hạng Code2Video-AA.

Mô hình viết video bằng HTML và GSAP, không vẽ từng điểm ảnh

Đây là chỗ dễ hiểu nhầm nhất. Veo, Kling hay Seedance là mô hình tạo thẳng khung hình video từ chữ hoặc ảnh. Code2Video-AA không chấm loại đó. Nó chấm các mô hình ngôn ngữ như Claude, GPT, Gemini khi được giao viết code.

Mỗi mô hình trả về một tệp index.html theo khuôn HyperFrames: HTML lo bố cục, GSAP (thư viện hoạt ảnh JavaScript) lo chuyển động. HyperFrames là bộ dựng mã nguồn mở của HeyGen, biến trang HTML đó thành tệp MP4.

Đề mẫu trên trang dài khoảng 7,3 giây, khung 16:9, mô tả từng cảnh, mã màu và nhịp chuyển. Vì video sinh ra từ code, bạn sửa được chữ, màu hay thời lượng rồi dựng lại. Nếu bạn quan tâm nhóm tạo khung hình trực tiếp, đọc bài Veo 3 là gì.

Cách chấm: 114 đề, máy chấm mù theo cặp, 5 tiêu chí

Trang phương pháp ghi Artificial Analysis dùng 114 trong 168 đề của Code2Video Bench: 39 đề công khai và 75 đề riêng HeyGen chia sẻ. Mỗi mô hình nhận đề và system prompt của HeyGen trong một lượt gọi, không có công cụ phụ.

Code được dựng thành MP4 bằng HyperFrames 0.8.30, không có mạng, giới hạn 5 phút. Sau đó mô hình Gemini 4 Argon xem hai video của hai mô hình cho cùng một đề và chọn video tốt hơn. Người chấm chỉ thấy nhãn ẩn danh, không thấy tên mô hình.

Năm tiêu chí chấm là Engagement (giữ chân người xem), Prompt Intent (đúng ý đề), Composition (bố cục), Temporal Consistency (ổn định qua các khung) và Craft (độ chau chuốt). Mỗi tiêu chí có Elo riêng, điểm tổng là trung bình năm điểm. GPT-5.5 (xhigh) được neo ở mốc 1000.

Một lưu ý: bài của CryptoBriefing viết rằng người thật chấm mù. Trang phương pháp lại ghi người chấm là Gemini 4 Argon, mà mô hình này cũng có tên trong bảng.

Claude Opus 5.5 đứng đầu với 1536 Elo

Tính tới ngày 26/10/2026, bốn vị trí đầu Code2Video-AA như sau:

1. Claude Opus 5.5 (max with fallback): 1536 Elo, hơn mô hình kế tiếp 93 điểm.
2. Claude Sonnet 5.5 (max with fallback): 1443 Elo.
3. GPT-6 Astra (max): 1427 Elo.
4. GPT-6.1 Sol (max): 1369 Elo.

Artificial Analysis coi hạng hai và hạng ba là ngang nhau vì cách biệt nằm trong sai số. Xếp sau là Claude Fable 5.1 với 1325 và Gemini 4 Argon với 1259. Cuối bảng là Nemotron 3 Ultra với 304 Elo.

Toàn bộ đợt chấm gồm 3.078 bài thi, tức 27 mô hình nhân 114 đề. Mỗi mô hình chỉ được viết một lần cho mỗi đề, nên điểm phản ánh lần thử đầu tiên.

Claude Opus 5.5 dẫn cả 5 tiêu chí, cách xa nhất ở Craft

Theo bài ra mắt, Claude Opus 5.5 đứng đầu cả năm tiêu chí. So với Claude Sonnet 5.5, khoảng cách lớn nhất ở Craft với 128 điểm, nhỏ nhất ở Prompt Intent với 48 điểm.

Temporal Consistency là tiêu chí phân biệt các mô hình ít nhất. Khoảng Elo của nó rộng 1057 điểm, trong khi bốn tiêu chí còn lại rộng từ 1222 đến 1349 điểm.

Thứ tự gần như giữ nguyên ở từng tiêu chí: theo trang, không mô hình nào lệch quá sáu bậc giữa một tiêu chí và điểm tổng.

Chi phí mỗi bài thi chênh nhau hơn 300 lần

Chi phí mỗi bài thi đi từ 0,01 USD với MiMo-V2.6-Flash đến 3,89 USD với Claude Fable 5.1. Claude Opus 5.5 tốn 3,08 USD mỗi bài. GPT-6.1 Sol, hạng tư, chỉ tốn 0,31 USD, khoảng một phần mười.

GPT-6 Astra tốn 1,62 USD, gấp 5 lần GPT-6.1 Sol, để hơn 58 điểm Elo. Claude Haiku 5.5 đạt 1192 Elo với 0,08 USD mỗi bài. Có 8 mô hình nằm trên đường Pareto, tức không mô hình nào vừa rẻ hơn vừa điểm cao hơn chúng.

Ba mô hình Claude 5.5 cũng dùng nhiều token đầu ra nhất, khoảng 152 nghìn đến 176 nghìn mỗi bài. Trung vị của 24 mô hình còn lại chỉ khoảng 34 nghìn.

Code2Video-AA có ý nghĩa gì với người làm video quảng cáo?

Mô hình mở trọng số (open weights) kém mô hình đứng đầu ít nhất 483 điểm. Ba mô hình mở cao nhất là DeepSeek V4.1 Flash với 1053, MiMo-V2.6-Flash và MiMo-V2.6-Pro cùng 1052.

Về độ ổn định, 3.042 trên 3.078 bài (98,8%) dựng được thành video. Có 8 trong 27 mô hình dựng đủ 114 bài; thấp nhất là GLM-5.3 với 110 bài. Bài không dựng được sẽ thua mọi lượt so.

Nếu bạn định nhờ AI viết code dựng video, bảng này giúp chọn mô hình theo chất lượng và chi phí. Cần chất lượng cao nhất thì xem nhóm đầu; cần chạy nhiều với ngân sách thấp thì xem GPT-6.1 Sol hoặc Claude Haiku 5.5. Bảng chỉ đo video sản phẩm và thương hiệu, chấm bởi một mô hình AI.

Muốn đi tiếp từ ý tưởng tới clip, xem bài tạo video quảng cáo bằng AI cho sản phẩm và Claude Skill là gì. Nếu bạn cần video từ link sản phẩm có dẫn chứng từng câu, Adam Proof Studio làm sẵn việc này.

Nguồn

Nguồn tham khảo (6) · đọc ngày 28/10/2026

• Artificial Analysis: Code2Video-AA: how well do AI models design videos in code?
• Artificial Analysis: Code2Video-AA Benchmark
• Artificial Analysis: Intelligence benchmarking methodology, mục Code2Video-AA
• HeyGen: Benchmarking Code-to-Video
• GitHub: heygen-com/hyperframes
• CryptoBriefing: Code2Video-AA benchmark ranks Claude Opus 5.5 first among 27 AI models

Linh SEO Agent