Hong Kong Üniversitesi'ndeki araştırmacılara göre, Çinli yapay zeka video üretim modelleri görsel kalite açısından ABD'li önde gelen rakiplerini geride bıraktı, ancak birçoğu güvenlik önlemleri konusunda geride kalıyor.
HKU'nun işletme fakültesinde inovasyon ve bilgi yönetimi profesörü olan Zhenhui Jack Jiang liderliğindeki bir araştırmaya göre, ByteDance'in Seedance 2.0 Pro modeli, 12 önde gelen yapay zeka video üretim modelinin yer aldığı sıralamada görsel kalite açısından 5 üzerinden 3.84 puan alarak zirveye yerleşti. Bu sonuçla model, görsel kalite için 3.47 alan Google DeepMind'ın Veo 3.1 modelini ve 3.27 alan OpenAI'ın Sora 2 Pro modelini geride bıraktı.
ByteDance modeli ayrıca görsel tutarlılık, fiziksel gerçekçilik, estetik kalite ve komut uyumluluğu konularında da liderliği üstlendi; ses yetenekleri hesaba katıldığında da Veo'nun 3.51'ine ve Sora'nın 3.35'ine karşı 3.86 puan alarak liderliğini korudu.
Jiang, ByteDance modelinin performansının beklenenden çok güçlü olduğunu ve hem Çinli hem de Amerikalı rakiplerinin "fersah fersah önünde" bulunduğunu söyledi.
Başarının temel nedeninin ByteDance'in çekirdek iş modeli olabileceğini belirten Jiang, kısa video odaklı bir şirket olarak firmanın rakiplerinde bulunmayan devasa bir video eğitim verisi hacmine sahip olduğunu ifade etti.
Diğer Çinli modeller de rekabetçi görsel performans sergiledi.
Çinli start-up Shengshu Technology tarafından geliştirilen Vidu Q3 Pro, yalnızca görsel performansta 3.44, birleştirilmiş ses-video performansında ise 3.49 puan alarak Veo'nun hemen gerisinde kalıp Sora'yı geçerek her iki kategoride de üçüncü sırada yer aldı.
Kuaishou Technology'nin Kling 3 modeli, yalnızca görsel performansta Sora ile birlikte 3.27 puanla dördüncü sırada yer alırken, ses yetenekleri dahil edildiğinde 3.28 puanla altıncılığa geriledi.
Çalışma, Amerika Birleşik Devletleri'nden teknoloji devlerinin giderek daha fazla rekabet ettiği bir alanda Çinli geliştiricilerin kaydettiği hızlı ilerlemelerin altını çizerken, teknik performans ile içerik güvenliği arasındaki boşluğu da gözler önüne serdi.
Araştırmacılar, üstün performans gösteren bazı modellerin aşırı şiddet veya yasadışı davranışlar içeren komutlar verildiğinde yasal olarak yasaklanmış görsel içerikler ürettiğini ve bunun da güvenlik filtrelemesindeki zayıflıkları ortaya çıkardığını tespit etti.
Zararlı içerikleri engelleme yetenekleri değerlendirilen 11 model arasında Seedance, beş üzerinden 3.12 puan alarak altıncı sırada yer aldı. Vidu 3.08 puanla yedinci, Kling ise 2.40 puanla dokuzuncu sırada kendine yer buldu.
Görsel kalitede 2.95 ile son sıralara yaklaşan MiniMax'in Hailuo 2.3 modeli, 3.63 puanla test edilen en güvenli model olarak öne çıktı ve 3.62 alan Veo ile 3.52 alan Pika Labs'ın Pika 2.2 modelini kıl payı geride bıraktı.
Değerlendirme, metinden videoya ve görselden videoya üretim süreçlerini kapsayan 71 Çince komut kullanılarak gerçekleştirildi ve sonuçlar 20 insan değerlendirici tarafından puanlandı.
Çalışma, Nisan ayında mevcut olan model versiyonlarını değerlendirirken, MiniMax'in H3 gibi daha yeni sürümleri kapsam dışı bıraktı. Ayrıca açık kaynaklı ve mülk (proprietary) modeller arasındaki farkların güvenliklerini nasıl etkileyebileceğini incelemedi; bu durum, yetenekleri giderek artan video üretim araçlarının yaygınlaşmasıyla birlikte büyüyen bir endişe kaynağıdır.
Jiang, yüksek teknik performans ile güçlü güvenlik siperlerinin birbirini dışlamadığını belirterek, ByteDance gibi şirketlerin performanslarından ödün vermeden güvenlik standartlarını güçlendirebileceğini ekledi.
Bulgular, küresel yapay zeka endüstrisinde artan rekabet ve güvenlik denetimlerinin ortasında geldi. Nisan ayındaki değerlendirmeden bu yana Çinli firmalar modellerini hızla güncelledi.
ByteDance Temmuz ayında Seedance 2.5'i piyasaya sürerken, Kuaishou bu ay daha uzun klipler ve daha iyi kare kontrolü sunan Kling 4.0'ı çıkardı. ABD'li teknoloji devleri de Mayıs ayında Omni modelini piyasaya sürerek bu adımlara karşılık verdi.