当前首选
94.6GPT-5
任务匹配96输出质量94业务适配95可控性95效率85
优势 时间切片、镜头指令和格式稳定
限制 成片质量需独立评测
需要人工审核模型评测
用控制变量与可复算权重比较候选模型
01 · 选择评测案例
视频前期演示假设
02 · 控制变量实验固定提示词与业务上下文
唯一变量：模型
固定提示词与业务上下文
固定提示词
生成 15 秒竖屏短视频脚本，按 0–3秒、3–8秒、8–12秒、12–15秒拆分，每段包含画面、镜头、字幕、旁白和声音提示。仅使用产品事实，不得生成医疗宣称。
业务上下文
- 敏感肌修护面霜
- 抖音信息流
- 前 3 秒建立换季泛红共鸣
控制变量
- 相同产品资料、时长、平台规范和输出表格
- 同一导演与品牌 rubric 盲评
03 · 人工评审
模型对比研究
| 模型 | 任务匹配 | 输出质量 | 业务适配 | 可控性 | 效率 | 综合分 | 风险 |
|---|---|---|---|---|---|---|---|
| GPT-5gpt-5-series-demo-snapshot当前权重下首选 | 96 | 94 | 95 | 95 | 85 | 94.6 | 需要人工审核 |
| Claudeclaude-4-family-demo-snapshot | 94 | 96 | 94 | 91 | 78 | 93.3 | 需要人工审核 |
| Qwenqwen3-family-demo-snapshot | 91 | 88 | 92 | 92 | 96 | 90.9 | 需要人工审核 |
候选 02
93.3Claude
任务匹配94输出质量96业务适配94可控性91效率78
优势 叙事与情绪表达
限制 个别脚本需压缩到严格时长
需要人工审核候选 03
90.9Qwen
任务匹配91输出质量88业务适配92可控性92效率96
优势 短视频语感与批量效率
限制 创意差异化稍弱
需要人工审核