作者 ｜ 丸丸柚貝
郵箱 ｜wangxianxian @pingwest.com

1080P特效炸裂，全球第二的視頻模型有多強？

MiniMax憋了半年的Hailuo 02視頻大模型，昨天半夜終于上線了！

官方demo一放，有網(wǎng)友喊著“鈕祜祿·螺，起駕回宮”。

視頻效果說實話確實一點都不AI！但真實水平還是得測過才能評價，今天我們也拿到了內(nèi)測名額，實測一下Hailuo 02究竟是不是回宮的那位！

先看模型實力：全新架構(gòu)、榜單前排

Hailuo 02此次升級采用了NCR（Noise-aware Compute Redistribution）新架構(gòu)，直接將訓(xùn)練和推理效率提升了 2.5 倍，模型的總參數(shù)量相較于Hailuo 01擴大了3倍，數(shù)據(jù)量擴大了4倍，讓模型能夠理解更加復(fù)雜的指令和物理場景。

在全新架構(gòu)的加持下Hailuo 02在 Artificial Analysis Video Arena 的 Image-to-Video 榜單位列全球第二，僅次于字節(jié)的 Seedance 1.0，已把 Google Veo 3、可靈 2.0 甩在身后。

官方給出的Hailuo 02模型的各種成績確實很亮眼，demo演示的效果也很驚艷，接下來咱們用幾個案例深度測評一下，看看Hailuo 02這全球第二的名頭虛不虛。

測試1：復(fù)雜物理場景理解

提示詞：“一位年輕女子的半身像，她有著淡淡的棕色眼睛和深色的眉毛，站在墻邊。一部電影正投射在她身上?！?/blockquote>

提示詞：“雨夜，四十多歲的男人面容嚴(yán)肅，站在高樓樓頂，風(fēng)衣下擺被風(fēng)吹動，鏡頭拉近到他半張臉，雨水順著下巴滴落。”

Hailuo 02對于光影、雨、風(fēng)等物理場景的理解可以做到1:1還原現(xiàn)實世界，無論是少女臉上的投影還是在男人隨風(fēng)擺動的衣服，臉上滑落的雨水，生成的效果都非常真實。

測試2：復(fù)雜指令遵循

提示詞：“遠(yuǎn)處廣場上人群涌動；鏡頭迅速下降至鐘樓上的狙擊點，瞄準(zhǔn)鏡的十字線特寫鎖定在大樓窗口的男子身上。”

提示詞：“新聞直播畫面，電視屏幕特寫——通緝令照片與電視前男子的真實面容重疊；他脫下帽子，冷笑一聲，鏡頭拉遠(yuǎn)，他消失在貧民窟的人群中，全景鏡頭。”

Hailuo 02能夠理解復(fù)雜變化的畫面場景，可以從廣場，鐘樓到狙擊點特寫一鏡到底，也可以從電視畫面絲滑轉(zhuǎn)場到新的場景，具有電影戲劇化的同時，也非常完整的理解了提示詞中的所有信息。

測試3：圖生視頻

提示詞：“唐僧行走于天宮之中，從玉皇大帝和諸神中走向鏡頭”

提示詞：“泳池里的labubu游到岸邊，換上泳衣，躺在沙灘椅上，悠閑地喝著飲料。"

Hailuo 02的圖生視頻可以讓人物保持高度一致的同時，還能按照原畫風(fēng)生成后續(xù)內(nèi)容，并且整體畫面非常穩(wěn)定。

如果測試內(nèi)容看的還不夠爽，那下面這個100%用Hailuo 02生成的《暗影追蹤》電影預(yù)告片，值得一看！

從 Hailuo 01 到 02，MiniMax 僅用半年把分辨率拉到 1080p、把復(fù)雜動作做到“雜技級”，并在全球榜單硬生生卷進(jìn)前三。而在可落地的 API、可負(fù)擔(dān)的單價與社群氛圍的三重加成下，Hailuo 02 已不只是“國產(chǎn)之光”，更像一臺大眾化的“AI 攝影機”。

接下來，1080p10s、4K、分層編輯、長視頻一致性——相信都已寫在 MiniMax 的路線圖里。我們坐等下一次刷新認(rèn)知的時刻。