TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
VideoGen Model 1 限量開放申請，論文算出提示擴寫值多少分
VideoGen 於 10 月 20 日限量開放 Model 1 並啟動百萬美元創作額度，隔天提交的 arXiv 論文寫明它是 MiniMax H3 的後訓練版本，並用 90 支約五秒短片對照實測：提示遵循分別增加 0.97 與 0.50 分，整體改善在兩個模型評審間一大一小且 Gemini 區間跨零。本文對照官方產品頁常見問答與新聞稿，拆解額度、商用權利與實驗證據邊界。
用 AI 摘要這篇文章：
VideoGen 在 2026 年 10 月 20 日同時做了兩件事：開放首款影片生成模型 Model 1 的有限合作夥伴申請，並啟動總額一百萬美元的創作額度；隔天，公司把一份更耐看的東西放上 arXiv：用 90 支短片回答「把一句提示擴寫成完整視聽指令，到底值多少分」。
先給判斷。Model 1 的生成器並非從零訓練的新基礎模型，論文第一句就寫明它是 MiniMax H3 的後訓練版本；這家公司押的差異化放在生成器之前（一套多模型分工的寫作系統與片段改寫器）與之後（多鏡頭組裝），而且它願意把「前置層做了多少事」做成可控實驗公開發表。實驗結果值得照原樣讀：兩個模型評審唯一一致買單的是提示遵循（分別 +0.97 與 +0.50 分）；整體分數在 VA-Judger 上 +0.63 分、95% 區間全為正，在 Gemini 3.8 Flash 上只 +0.15 分且區間跨零；畫質兩邊幾乎不動。這組證據支持「把提示講清楚有回報」，支撐不了畫質躍進，更推不到十分鐘長片，因為實驗裡每支片子只有約 5.2 秒。
這篇寫給年底前有影片專案、考慮申請早期存取與額度的創作者，以及想判斷提示擴寫該放進工作流哪一層的人；文中的分數、日期與條款，都出自官方產品頁、新聞稿與論文原文，可以按圖索驥。
限量開放與一百萬美元額度，申請前要分開的三個決定
開放節奏是漸進的。產品頁寫明 10 月 20 日起是「有限私域合作夥伴 rollout」，全面可用要等更多安全測試完成，官方沒有給日期；想參與的人登入後選 Request access，描述自己要做什麼或要報導什麼。一百萬美元是整體額度池而非每人可得：主要分配給影人、創作者與工作室，學生與業餘創作者也在招收範圍，部分額度留給報導或評測 Model 1 的記者與軟體評測者；分配看專案範圍與發行計畫，公司計畫一路分配到 2026 年底。
申請前值得把幾個容易混在一起的決定拆開。額度與素材授權是兩回事：官方常見問答寫明，用計畫額度生成的影片具有與付費 Pro 方案相同的商用權利，但你上傳的內容要自己取得必要授權，免費額度不會替來源照片補齊任何權利。公開展示又是另外一個勾選：要不要讓公司把你的生成影片放進行銷與示範，是申請時另外做的選擇，兩個選項都不預先勾選，範圍只涵蓋生成的影片，不含提示與上傳內容。資料流則有自己的答案：常見問答明說服務供應商會處理輸入與輸出，用來運作平台、生成並保存影片，這與公開展示是兩回事。
安全設計方面，官方稱防護欄設計用來阻擋成人與非法內容，所有輸出帶有標記合成來源的隱形浮水印。定價則還沒有最終數字：官方依內部驗證預期 Model 1 成本比同類模型低 50% 以上，但最終定價、官方 benchmark 與第三方驗證都標明進行中，申請時不該把這個預期當成確定成本。
生成器是 MiniMax H3 後訓練，差異化押在生成器之前
論文（10 月 21 日提交，作者為 VideoGen 的 David Grossman 與執行長 Anton Koenig）對系統結構交代得相當完整。使用者輸入一句提示加選配參考圖（最多 16 張）後，收稿層先判斷內容類型、畫面比例，以及提示是否已經指定了要看到聽到的東西：內容詳細、單一片段就裝得下的純文字提示，直接進片段改寫器；較長的請求與帶參考圖的工作，才進入多人分工的寫作系統。
寫作系統的角色分配用了一排不同的大型語言模型：主要寫手是 Claude Opus 5.5，評論者是 GPT-6.1，收稿與讀者檢查交給 Claude Sonnet 5.5。開放式提示先產生六個候選概念、之後每輪再加五個，共跑兩三輪；評論者按內容類型套不同標準，行銷看產品相關性與清楚呈現的利益，電影看因果推進與成立的結尾，兩套標準都會罰老套的故事與廣告梗，行銷與解說類還會擋捏造的宣稱。超過 15 秒的內容會先多一個故事弧線階段，整理角色目標、阻礙、利害與定時節點，入選概念再發展成有時間安排的劇本；修訂輪數依影片長度設上限，評論者滿意且入選稿達 8.5 分以上可提早收束。論文特別註明這個 8.5 是內部選稿分數，評的是還沒變成影片的文字，不代表成片品質。
對白另有獨立檢查：三個模型讀者只讀台詞與螢幕文字（刻意不看動作說明），回述自己理解到的內容並標記不自然的句子，至少兩個讀者同意的問題才進入回饋。這個設計瞄準的失效模式很具體：只靠劇本裡的背景說明才看得懂的台詞，觀眾聽到時就會一頭霧水。論文也誠實標明這些讀者是自動代理，不是真人受眾測試。
最後一段是片段改寫器：把前面的劇本整理成 H3 支援的三個欄位，依序是視覺與對白描述、整體聲景、背景配樂，目標少於 280 個單字、程式硬上限 320 個單字。指示要求逐字保留使用者給的台詞與螢幕文字、禁止捏造對白與未要求的真實品牌；結構驗證失敗可以帶著錯誤重試一次，再失敗就退回原始提示，流程有明確的回頭路。生成之後還有組裝層：新聞稿說明對重複出現的主題，系統會為人物、物件與地點維持內部表示，跨鏡頭共用視覺參考，並會檢查對白不完整與畫面不一致等問題、在預算內重試部分渲染，再修剪與拼接入選片段。這套「先寫作、再改寫、生成後組裝」的分工，就是公司把差異化放在生成器前後的具體形狀；同樣拿開源權重做二次工程的路線，可以對照把 763B 模型塞進 12GB 顯卡的 Strata，兩者都在基座模型之外做自己的工程層。
九十支短片怎麼做到只差在提示處理
實驗設計本身乾淨。研究團隊自製 30 個提示，分商業內容、人物表現、動作、敘事、自然、動畫、奇幻、螢幕文字、音樂、日常場景十類各三題；27 題用橫式 832×480、3 題用直式 480×832。每個提示做三種版本：原始版照原樣送入；只改格式版用 Claude Sonnet 5.5 把提示整理進同樣三個欄位，聲音未指定時填入「與動作相符的自然聲」、配樂未指定就標缺席，所以對照組本身已含音訊預設；擴寫版交給前面描述的改寫器，其中四個提示有先查資料。三版各渲染一次，共 90 支短片。
固定條件列得完整：全部用 Model 1 的 Diffusers 渲染後端、同一顆隨機種子 1001、28 步取樣、B200 顯卡，每支約 5.2 秒（24fps 下 124 格）。差異因此集中在提示處理這一層。三版提示的平均長度分別是 15、27、237 個英文單字；擴寫版有 22 題帶配樂指令，只改格式版只有 1 題，這個 22 比 1 之後還會回來。擴寫平均每個提示花 0.02 美元模型費用，不含渲染與評分成本；所有改寫都一次通過結構驗證。
評審端同樣有遮盲設計。VA-Judger（2fps 取樣、貪婪解碼）與 Gemini 3.8 Flash（供應商預設處理）各自獨立評全部 90 支，每次只看一支影片加原始提示，看不到改寫後的提示、組別標籤與檔名，順序固定洗牌。五個維度各給 1 到 10 分，等權平均成整體分；兩個評審看的是同一批影片，所以它們的結果不算兩次獨立重做的實驗。
兩組評分要一起讀，跨零的那組不能略過
對比只改格式，擴寫的各維度變化如下（括號內是 10,000 次提示層 bootstrap 的描述性 95% 區間）：
| 維度 | VA-Judger | Gemini 3.8 Flash |
|---|---|---|
| 提示遵循 | +0.97（+0.23 至 +1.73） | +0.50（+0.13 至 +0.93） |
| 整體分（五維等權） | +0.63（+0.11 至 +1.15） | +0.15（-0.03 至 +0.35） |
| 音視一致性 | +0.50（-0.07 至 +1.10） | +0.10（-0.13 至 +0.37） |
| 音質 | +1.00（+0.27 至 +1.80） | +0.17（-0.07 至 +0.43） |
| 畫質 | +0.07（-0.43 至 +0.53） | -0.03（-0.27 至 +0.20） |
| 完整連貫 | +0.60（0.00 至 +1.23） | 0.00（-0.27 至 +0.33） |
讀法一：唯一兩邊區間都不含零的維度是提示遵循。這正是擴寫承諾要做的事（把沒交代的畫面與聲音講清楚），分數也準確落在這個維度上。整體平均分的水準是 VA-Judger 8.95 對 8.32、Gemini 6.76 對 6.61，兩個評審的絕對分數沒有互標，比較時只看變化量。
讀法二：音質是最大的單維改善，但論文自己拆了台：擴寫版 22 題帶配樂指令、對照組只有 1 題，實驗無法區分音質提升來自配樂本身、更好的聲音設計，還是與畫面動作的配合。畫質兩邊都近乎零，說明這個實驗完全沒有測出生成器變強，它測的是前置層。
附帶一組對照也有用：與原始提示相比，擴寫在兩個評審上分別 +0.70 與 +0.47，兩邊區間都是正的；只改格式對原始則是 +0.07 與 +0.32。整理格式本身在 Gemini 上已經拿走一部分改善，擴寫再加碼的主要還是提示遵循與音訊設計。
五秒短片的證據，撐不到十分鐘的結論
產品行銷的主打是「一句提示，最長十分鐘的多鏡頭成片」，產品頁還放了多支標榜單提示、無剪輯後製的短片。但論文的證據邊界要畫清楚：實驗測的是約 5.2 秒的短片，多場景長片裡的人物、地點與敘事一致性不在這 90 支片子裡；論文自列的限制還包括單一種子、30 個自製提示、測到的是新增內容與更長提示與偶爾查資料的合併效果，以及對新提示、新種子與更長影片的推廣都未驗證。
新聞稿裡另一個吸睛數字也該照官方的原話讀：內部實驗中八步取樣的適配器讓平均片段渲染時間比同一系統的 28 步基線少 58.2%，官方自己加註這是實驗配置的量測，不是對所有輸出保證的速度提升。同樣的謹慎也適用在成本預期上：低於同類 50% 以上的說法來自內部驗證，最終定價與第三方驗證都還沒有出爐，想知道實際帳單的人可以等驗證結果，或參考影片生成 API 的零加價計價模式這類已公開的計價對照。
這也是為什麼標題裡的十分鐘要當成產品宣稱而非已驗證能力：目前公開可查的第一手證據，只覆蓋到「提示處理層可靠改善提示遵循」這一段。
誰該現在申請，哪些答案還要再等
多數讀者此刻不用急：限量開放是申請制、分配看專案，沒有明確的先搶先贏。值得現在申請的族群有三種：年底前有完整作品計畫的影人與工作室、想用免費額度累積作品集的學生與業餘創作者，以及要報導或評測的記者與軟體評測者。官方另有創作者計畫，在作品裡標註 Model 1 並連回發布頁、寄給公司，作品有機會被推廣並換取額外額度。
拿到存取後最有依據的第一步，是把同一段內容用原始提示與擴寫各跑一版，看自己的題材在提示遵循上的回報是否明顯，再檢查多鏡頭成片能否接得住人物與場景；寫提示的基本功夫可以參考AI 影片提示詞寫法指南。要驗的正是論文沒驗的兩件事：你的提示在這個改寫器上表現如何，以及長片跨場景的一致性。
還沒有答案的五件事：全面可用的日期、最終定價、官方 benchmark、第三方驗證、額度分配結果。任何一項公布，前面的申請判斷就得重新計算；在官方公布定價與開放時程之前，這些結論都有保存期限。
