现在的视频生成模型，最容易骗过人的，是第一眼。 画面很漂亮，不代表它真的听懂了你。 StreamEval 用300个持续15～300秒的测试，评估37个模型… · @RwatitFahsa · TwKit

@RwatitFahsa

现在的视频生成模型，最容易骗过人的，是第一眼。 画面很漂亮，不代表它真的听懂了你。 StreamEval 用300个持续15～300秒的测试，评估37个模型，覆盖虚拟人对话、动作表演、世界生成和实时视频编辑。它不只看清晰度，还检查模型能否按时执行新指令、记住之前的状态，并保留不该改动的内容。 结果很扎心：画质好、人物长得稳定，与可靠执行指令并不是一回事。头像动作跟随最高仅36.90分，文本控制世界生成最高25.93分，参考图编辑成功率最高15分。 对我最大的启发是，评估AI不能只看一次漂亮的演示。 真正能进入工作流的工具，必须经得起连续追问、反复修改和上下文变化。以后试用AI，我会少问“它能不能做出来”，多问一句： 第二次修改后，它还记得第一次答应过什么吗？

曝光 18 · 评论 0 · 点赞 1 · 书签 0