AI 影片模型基準測試方法：選擇前應評估的指標

AI 影片模型基準測試需要比較延遲、動作一致性、提示詞遵循度、格式限制以及每秒輸出成本，且必須使用您自己的提示詞和負載模式，而非廠商的示範影片。本文將為您提供衡量維度、2026 年各大影片 API 的每秒成本基準、以程式化方式測量延遲與計算成本的程式碼，以及一種將人工審核擴展至少量剪輯之外的方法。

AI 影片模型基準測試：關鍵要點

• 在同等層級（720p-1080p，相似音訊設定）下，每秒成本在下方的來源快照中，低階與高階之間存在約 9 倍的差異：PixVerse V6 為 $0.045/s（fal, 720p, 無音訊），而 Veo 3.1 Standard 為 $0.40/s（Google, 720p-1080p, 含音訊）。若包含 4K 或基於 token 的 seedance 定價，價差會更大，但這些無法直接比較，請參閱限制說明。
• 本文引用的所有供應商定價文件中均未涵蓋延遲。在您親自測量之前，請勿採信生成時間的聲明，並使用下方的時間戳模式進行測量。
• 人工審核無法隨測試量線性擴展。請使用兩階段系統：自動化技術檢查可免費篩選出格式錯誤，隨後對分層樣本進行人工檢視。
• TokenLab 的每秒與每次請求影片價格在多種情況下（如 Hailuo、Veo）大致與供應商報告的單位經濟效益一致，這是在您投入預算前進行合理性檢查的有效方式，詳見下方的交叉檢查表。

來源快照：影片 API 供應商定價 (2026)

供應商	模型 / 層級	指標	數值	來源	觀察日期
Google	Veo 3.1 Standard, 720p/1080p, 含音訊	$/s	$0.40	Gemini API 定價	2026-07-09
Google	Veo 3.1 Standard, 4K, 含音訊	$/s	$0.60	Gemini API 定價	2026-07-09
Google	Veo 3.1 Fast, 720p, 含音訊	$/s	$0.10	Gemini API 定價	2026-07-09
Google	Veo 3.1 Lite, 720p, 含音訊	$/s	$0.05	Gemini API 定價	2026-07-09
PixVerse	V6, 720p, 無音訊	credits/s	9	PixVerse 平台文件	2026-07-09
PixVerse (透過 fal)	V6, 720p, 無音訊	$/s	$0.045	fal PixVerse V6	2026-07-09
PixVerse (透過 fal)	V6, 1080p, 含音訊	$/s	$0.115	fal PixVerse V6	2026-07-09
MiniMax	Hailuo-2.3-Fast, 768p/6s	points	0.7	MiniMax 影片定價	2026-07-09
MiniMax	標準方案	$/3,760 pts	$1,000	MiniMax 影片定價	2026-07-09
Runway	veo3, 所有解析度	credits/s	40 ($0.40/s，以 $0.01/credit 計算)	Runway API 定價	2026-07-09
Runway	seedance2, 480p/720p	credits/s	36 ($0.36/s)	Runway API 定價	2026-07-09
Kling	開發者 API	$/unit	$0.14 (單位基礎未確認是否為每秒成本)	Kling 開發者定價	2026-07-09

Google 同時聲明 Veo 3.0 模型已被棄用，預計於 2026 年 6 月 30 日關閉，建議遷移至 Veo 3.1 Preview 或 GA Agent Platform 模型。如果您在生產環境中仍鎖定使用 Veo 3.0，請務必將此遷移納入您的時程規劃中。

TokenLab 即時影片模型定價

此表格僅包含 TokenLab 即時定價快照中存在的影片模型，觀察日期為 2026-07-07。

TokenLab 模型	單位	費率	備註
veo3.1	per_second	$0.200000	鎖定價格
veo3	per_second	$0.200000	鎖定價格
veo3.1-fast	per_second	$0.080000	鎖定價格
veo3-fast	per_second	$0.080000	鎖定價格
seedance-1.0-pro	per_token (輸出)	$2.205882	無法直接與 $/s 比較，詳見限制
seedance-1.0-pro-fast	per_token (輸出)	$0.617647	無法直接與 $/s 比較
seedance-1.5-pro	per_token (輸出)	$1.176471	無法直接與 $/s 比較
seedance-2.0	per_token (輸出)	$6.764706	無法直接與 $/s 比較
seedance-2.0-fast	per_token (輸出)	$5.441176	無法直接與 $/s 比較
seedance-2.0-mini	per_token (輸出)	$3.382353	無法直接與 $/s 比較
pixverse-c1	per_second	$0.026471	鎖定價格
pixverse-v5.6	per_second	$0.030882	鎖定價格
pixverse-v6	per_second	$0.022059	鎖定價格
hailuo-2.3	per_request	$0.280000	鎖定價格
hailuo-2.3-fast	per_request	$0.190000	鎖定價格
hailuo-2.3-pro	per_request	$0.490000	鎖定價格
hailuo-2.3-standard	per_request	$0.280000	鎖定價格

來源：TokenLab 即時模型/定價證據，觀察日期 2026-07-07。

您可以在 TokenLab 模型目錄中直接進行比較（該目錄支援依供應商和單位類型篩選），或在 模型排名頁面查看規格級別的比較，再執行您自己的測試集。

立即取得 API 金鑰並執行首次測試： 建立 TokenLab API 金鑰，並針對相同的少量提示詞樣本呼叫 pixverse-v6 或 veo3.1-fast，在投入更大規模測試前，先並排查看成本與作業成功率。

交叉檢查 TokenLab 價格與供應商數據

TokenLab 的鎖定價格並非直接源自供應商列表價格，因為路由、交易量和利潤率均會納入考量。但您可以使用上述來源快照，針對供應商的單位經濟效益對 TokenLab 定價進行合理性檢查。以下估算值基於公開的供應商數據，而非 TokenLab 的內部成本基礎。

比較	供應商衍生估算	TokenLab 即時價格	誤差
Hailuo-2.3-Fast, 768p/6s	0.7 pts x ($1,000 / 3,760 pts) = ~$0.186	$0.190 (per_request)	~$0.004，接近吻合
Hailuo-2.3 standard, 768p/6s	1 pt x ($1,000 / 3,760 pts) = ~$0.266	$0.280 (per_request)	~$0.014，接近吻合
Veo 3.1, 無音訊對等	Runway veo3.1 無音訊: 20 cr/s x $0.01 = $0.20/s	$0.200000 (per_second)	完全吻合
Veo 3.1 Fast, 720p	Google 列表，含音訊: $0.10/s	$0.080000 (per_second)	TokenLab 低約 20%，音訊包含與否未確認
PixVerse V6, 360p 無音訊	fal 轉售商: $0.025/s	$0.022059 (per_second, 解析度未確認)	接近，TokenLab 證據中未說明解析度層級

請將每一行視為參考方向。供應商列表價格、轉售商價格（fal、Runway）以及 MiniMax 套餐層級的每點費率是三種不同的定價結構，且沒有任何一項能確切確認 TokenLab 的固定每秒鎖定價格對應的是哪種解析度、音訊設定或 SLA 層級。在建立假設精確匹配的成本模型之前，請務必在 TokenLab 模型目錄中驗證確切的解析度和音訊假設。

AI 影片模型基準測試必須衡量的指標

文字和程式碼基準測試具有確定性評分：是否編譯成功、是否匹配參考答案。影片生成沒有對等的基準真理。同一個提示詞在同一個模型上執行兩次，在動作品質上可能會有明顯差異，因此一個具備說服力的 AI 影片模型基準測試，必須結合自動化技術檢查與結構化的人工審核，涵蓋五個維度。

1. 延遲與佇列行為

本文引用的供應商定價文件均未說明典型或最差情況下的生成延遲。這不在本證據集的測試範圍內，您不應輕信廠商示範頁面上的速度聲明。請自行測量：

async function timedGenerate(provider, generateFn, input) {
  const t0 = Date.now();
  let submittedAt = null;
  let completedAt = null;

  try {
    const job = await generateFn(input);
    submittedAt = Date.now();

    // 根據供應商 SDK 進行輪詢或訂閱；記錄每個狀態變更
    const result = await job.completed(); // 根據供應商文件驗證確切的完成 API
    completedAt = Date.now();

    return {
      provider,
      queueMs: submittedAt - t0,
      generationMs: completedAt - submittedAt,
      totalMs: completedAt - t0,
      status: "success",
    };
  } catch (err) {
    return {
      provider,
      totalMs: Date.now() - t0,
      status: "error",
      errorType: err?.status || "unknown",
      message: err?.message,
    };
  }
}

請在 3-4 個並發請求中執行此操作，而非一次一個，並儲存每個供應商的 p50/p90/p99，而不僅僅是平均值。並發下的佇列行為是供應商差異最大之處，也是行銷頁面隻字未提的地方。

2. 動作一致性與時間連貫性

本文使用的證據中，各供應商之間不存在數位化的行業標準評分。一個實用的替代方案：在 3-4 個模型上生成相同的提示詞，移除標籤，並讓 2-3 名審核員針對物件持久性、背景漂移和物理合理性進行獨立排名。

3. 提示詞遵循度

針對每個指令元素（主體、數量、攝影機方向、構圖）進行通過/失敗評分，而非僅給出一個品質數字。測試短提示詞（15 字以內）、帶有一個攝影機指令的中等提示詞，以及帶有多個構圖限制的長提示詞。這能為您提供可操作的細分數據，例如某模型能很好地處理簡單提示詞，但在長提示詞中會遺漏攝影機方向。

4. 解析度、持續時間與格式限制

檢查每個 API 在您的定價層級下實際支援的規格，而非標題規格：

• 預設層級與高級層級的最大解析度
• 單次呼叫的最大剪輯持續時間，以及擴展是否需要額外的拼接呼叫
• 音訊生成是否為獨立開關，且會改變價格（如 Veo 3.1 (Google) 和 PixVerse V6 (PixVerse 文件, fal)）

5. 標準化後的每秒成本

各供應商的定價結構不同：MiniMax 按點數扣除，PixVerse 和 fal 按解析度和音訊設定每秒收費，Runway 銷售固定每秒點數，Google 公布各層級的直接每秒費率。在比較之前，請使用上述來源快照表作為參考點，將所有項目標準化為固定解析度和音訊設定下的 $/s。

從生成作業計算每秒成本

一旦您獲得作業元數據（持續時間、解析度、供應商），請直接計算成本，而非從費率卡估算：

function computeCost(job, rateTable) {
  const rate = rateTable[job.provider]?.[job.resolution]?.[job.audio ? "audio" : "noAudio"];
  if (!rate) {
    throw new Error(`No rate entry for ${job.provider} at ${job.resolution}, audio=${job.audio}. Verify pricing doc before billing.`);
  }
  return {
    provider: job.provider,
    durationSeconds: job.durationSeconds,
    costUsd: Number((rate * job.durationSeconds).toFixed(4)),
  };
}

從上述來源快照表填入 rateTable，而非憑記憶或廠商首頁截圖，並在每次重新執行基準測試時重新驗證，因為費率會變動。

請求影片生成：發布前需驗證的事項

fal PixVerse V6 模型頁面記錄了一個 JavaScript subscribe 呼叫，用於 fal-ai/pixverse/v6/text-to-video，接受 prompt、resolution、duration 和 generate_audio_switch。這就是此處可用的負載證據範圍。一個僅使用這些已記錄欄位，並具備重試與錯誤處理功能的最小客戶端封裝：

import { fal } from "@fal-ai/client";

async function generatePixVerseVideo(prompt, resolution, durationSeconds, withAudio) {
  const maxRetries = 3;

  for (let attempt = 1; attempt <= maxRetries; attempt++) {
    try {
      return await fal.subscribe("fal-ai/pixverse/v6/text-to-video", {
        input: {
          prompt,
          resolution,
          duration: durationSeconds,
          generate_audio_switch: withAudio,
        },
        logs: true,
      });
    } catch (err) {
      const status = err?.status || err?.response?.status;

      if (status === 429 || status === 503) {
        // 速率限制或供應商過載，退避並重試
        await new Promise((r) => setTimeout(r, 2000 * attempt));
        continue;
      }
      if (status >= 400 && status < 500) {
        // 客戶端錯誤，請勿盲目重試
        throw new Error(`PixVerse request rejected: ${status} ${err.message}`);
      }
      if (attempt === maxRetries) {
        throw new Error(`PixVerse generation failed after ${maxRetries} attempts: ${err.message}`);
      }
    }
  }
}

此程式碼未在本證據集中針對即時回應架構進行測試。在生產環境使用前，請驗證目前的 fal 和 PixVerse 文件中的身份驗證設定、確切的回應物件形狀、逾時行為和速率限制標頭。影片生成本質上是多模態輸出（影格加上可選的音訊軌道）；在您於其上建立計費或審核自動化之前，必須在官方文件中確認確切的多模態請求與回應負載。

大規模自動化人工審核

手動審核數百個生成的剪輯無法擴展。兩階段方法可將人工時間集中在真正需要的剪輯上：

第一階段：自動化技術驗證（免費、確定性）

• 作業完成 vs. 失敗 vs. 逾時
• 輸出持續時間與請求的持續時間是否相符
• 輸出解析度與請求的解析度是否相符
• 檔案未損毀或長度不為零
• 無黑影或單色影格輸出（基本的影格採樣檢查）

第二階段：分層人工審核（抽樣）

• 審核 100% 的第一階段失敗案例，以確認它們是真正的失敗，而非誤報
• 隨機抽樣 10-15% 的第一階段通過案例，檢查動作一致性和提示詞遵循度
• 使用上述相同的 2-3 名審核員盲測排名法，並針對 rubric 元素進行評分

一個可選的預篩選器是使用具備視覺能力的 LLM，在人工審核前針對提取的影格進行嚴重錯誤評分（主體模糊、遺漏請求的物件）。TokenLab 目前的目錄中，Gemini 3.5 Flash 或 Claude Sonnet 5 等模型支援多模態輸入，但本文使用的證據中沒有針對此特定分類用例的準確度基準測試。在您根據自己的人工審核樣本測量其偽陰性率之前，請將任何自動化分類評分視為預篩選器，而非最終品質判斷。

實用基準測試檢查清單

• 定義您的用例（社交剪輯、產品演示、遊戲資產）並選擇相符的提示詞
• 建立涵蓋短、中、長複雜度的固定提示詞集。本文以 20 個提示詞作為工作範例，而非研究得出的最佳數量；此證據集中沒有任何供應商或學術來源指定理想的樣本大小，因此請根據您的審核預算調整數量
• 在每個候選模型上，以相同的解析度和音訊設定執行每個提示詞
• 記錄延遲（p50/p90/p99）、根據實際作業持續時間計算的每秒成本，以及作業成功率
• 對 100% 的輸出執行第一階段自動化驗證，然後對失敗案例加上 10-15% 的樣本進行第二階段人工審核
• 每次測試週期前重新檢查定價。本文自身的模型 SSOT 快照在觀察後七天失效（觀察日期 2026-07-07，失效日期 2026-07-14）。該節奏特定於此快照的失效窗口，而非已發布的行業標準，但這是重新驗證影片定價和模型可用性頻率的合理底線
• 交叉檢查規格與 TokenLab 模型目錄，而非依賴單一廠商的行銷頁面

跨供應商與路由層比較

如果您在多個影片供應商之間進行路由，而非僅承諾使用一個 API，則路由層也適用相同的準則。OpenRouter 比較涵蓋了路由開銷和供應商選擇如何影響延遲和成本一致性，這對於影片作業而言更為重要，因為與文字完成相比，它們的執行時間更長。

如需使用相同方法對當前影片供應商進行預先比較，請參閱 2026 年最佳 AI 影片模型 API。如果您同時在同一個流程中評估圖像模型，2026 年最佳 AI 圖像模型 API 在較小規模上使用了類似的混合方法。對於相關的模型選擇工作，2026 年最佳 AI 程式碼模型針對不同的工作負載應用了類似的重新測試節奏準則。

限制

• 此處引用的供應商定價文件均未說明以秒或毫秒為單位的典型生成延遲。本文中的延遲數據僅限於時間戳測量方法，而非已發布的基準測試。
• Seedance TokenLab 價格為每個輸出 token 的價格，且本文使用的證據中未發布 token 轉秒的轉換率。在未與 TokenLab 或模型供應商確認編碼率之前，請勿將 seedance token 定價轉換為 $/s。
• Kling 開發者定價以「單位」描述，並參考搜尋快照中的 $0.14 列表價格，而非確認的每秒費率。在使用於成本模型之前，請在 Kling 的供應商頁面上驗證確切的每秒成本。
• PixVerse 平台的每點美元價值僅透過 Starter-pack 促銷組合（$1 = 5 個影片，720p，5s，無音訊）確認。該組合之外的獨立每點定價在此證據集中未獲確認。
• Vidu 被列為當前的影片 API 範例，但本文中沒有定價證據。請直接在 Vidu 的供應商頁面上驗證定價。
• 跨供應商比較混合了直接供應商定價（Google、MiniMax、PixVerse）與轉售商定價（fal、Runway），後者可能包含僅從列表價格無法看到的加價或批量折扣。
• 此證據集中不存在使用 LLM 作為自動化影片審核分類層的準確度基準測試。請將其視為未經驗證的預篩選器。
• 本文建議的 20 個提示詞測試集大小和七天重新測試節奏是為實用性而選擇的工作預設值，並非由已發布的研究或供應商建議所支持的數據。請根據您自己的人工審核能力和風險承受能力進行調整。

常見問題

我今天應該在 TokenLab 上開始測試哪個模型？ 根據 TokenLab 的即時定價（觀察日期 2026-07-07），pixverse-v6 ($0.022059/s) 和 veo3.1-fast ($0.08/s) 處於每秒成本的低端，而 veo3.1 和 seedance-2.0 則處於高端。一個合理的首次測試是使用一個低成本候選模型和一個高保真候選模型，針對相同的固定提示詞集進行測試，並使用來自 tokenlab.sh/en/api-keys 的 API 金鑰，在簽署單一供應商合約之前進行評估。

我該如何以程式化方式實際測量延遲？ 使用上述模式，在每次呼叫的請求前、作業提交後以及終端完成後記錄時間戳。分別儲存佇列時間和生成時間，並在並發負載下至少執行幾十次測試來追蹤 p50/p90/p99，而非僅進行單次順序測試。此證據集中沒有供應商發布典型延遲，因此必須由您自行測量。

我從哪裡取得每秒成本數據？ 使用本文中的來源快照表作為起始參考，對照 模型目錄上的 TokenLab 即時定價進行交叉檢查，然後使用上述公式根據實際作業持續時間計算實際成本，而非假設固定費率，因為解析度和音訊設定會改變大多數供應商的每秒價格。

我需要多少提示詞才能進行可靠的基準測試？ 此證據集中沒有已發布的研究指定影片模型評估的最佳提示詞集大小。本文使用 20 個提示詞，分為短、中、長複雜度，作為一個實用的起點，在覆蓋範圍與人工審核時間之間取得平衡。如果您的用例有更多樣化的提示詞，請擴大規模；如果您在進行更大規模測試前進行快速篩選，則可縮小規模。

如果我必須測試數百個影片，該如何自動化人工審核？ 將其分為兩個階段：第一階段自動化技術檢查（持續時間匹配、解析度匹配、損毀檔案偵測）對每個輸出免費執行，然後對 100% 的第一階段失敗案例加上 10-15% 的隨機通過樣本進行人工審核。基於 LLM 的影格分類可以進一步減少人工審核量，但在本證據集中沒有測量其準確度，因此在依賴它之前，請針對人工審核的樣本驗證其偽陰性率。

我應該多久重新執行一次此基準測試？ 至少在本文的模型 SSOT 快照失效時，即觀察後約七天（觀察日期 2026-07-07，失效日期 2026-07-14）。該窗口與此證據集自身的失效時間掛鉤，而非獨立的行業建議。影片模型版本和定價層級變動頻繁，評估時執行的基準測試可能在一個季度內就會過時。

開始使用

建立 TokenLab API 金鑰，並使用上述延遲與成本計算程式碼，針對兩個候選模型（一個來自低成本層級：pixverse-v6, veo3.1-fast；一個來自高保真層級：veo3.1, seedance-2.0）執行本文中的固定提示詞集。在鎖定供應商合約之前，請先查看 模型目錄以獲取當前費率。