复旦发布 Code2Video-Compass:2104 项任务考住 15 个多模态大模型
Fudan-University · hf · 2026-10-23
复旦大学推出 Code2Video-Compass 基准，系统评测多模态大模型基于代码的视频生成能力，覆盖文本生成视频（T2V）、图像生成视频（I2V）和视频生成视频（V2V）三种输入模态。
- 规模：2104 个任务、10 类视频、24 个子类型，涵盖动态信息图、UI 动效、片头动画、3D 运动图形等场景
- 被测模型：GPT、Claude、Gemini、Qwen、GLM、Kimi K3、DeepSeek、MiniMax、MiMo 等 15 个 MLLM，技术栈为 Remotion + HTML/CSS/SVG/Canvas/Three.js
- 评测体系：12 项客观指标（执行成功率、视频质量、图文对齐、片段保真度等）+ 5 项主观指标（指令遵循、整体质量、观看吸引力等）
结论指出，复杂动态与状态依赖类任务对当前模型仍是显著挑战。
「多模态」频道最新
- 开源 ComfyUI 节点耦合初始噪声，不加采样步数提升批量多样性 — Current-Ad-198 · 2026-10-23
- Krea2Edit 细节丢失无解？用户试遍采样器与 LoRA 仍不满意 — taurine_bitch · 2026-10-23
- 创作者抱怨 SeeDance 2.5 生成成本过高,成 AI 视频最大瓶颈 — AIandDesign · 2026-10-23
- Gemini 4 Argon 两档实测：纯 JS 逐笔画油画对决 — RealJamesOfficial · 2026-10-23
- 超现实 AI 时装影像：章鱼袖黑裙与壁炉火焰的诡异构图 — moonsandhues · 2026-10-23
- 前 Google 工程师专注本地 AI:探索开源编码组合与音乐视频生成 — julianharris · 2026-10-23