先说结论：选 AI 视频模型，别看画质排名。真正该算的是单位成片成本——也就是单次生成成本除以“可用率”。我按这个口径重算了一遍之后，之前的选型判断有一半是错的。
这篇记录的是我自己走过一轮弯路之后的算法，不是评测教程，但同样在选型上纠结过的人，这套算法应该能省点时间。
起因：一次失败的选型
前阵子为了给一个项目出演示视频，我按画质表现挑了一个模型。结果跑了两天，能用的没几条。后来把账算清楚才发现，问题不在模型不好，在我用错了评判标准。
当时的判断依据很朴素：哪个模型的样片看起来更精致，就用哪个。
我做了什么
第一步是固定一组提示词，分四个难度层级，从单主体单动作一路加到前景遮挡与变速叠加。这一步的目的是让不同模型之间可比。
同一组提示词重复用在不同模型上，是整套对比能成立的前提。
提示词的难度我按要素密度分，不按画面规模分。规模大反而容易掩盖问题。
第二步是按时间轴取关键帧，比对物体形变与接触关系是否自洽。单看一帧是看不出问题的。
取帧的位置也有讲究，我固定取接触发生前、接触瞬间、接触后几帧三处，这样比对才有基准。
第三步是统计废片率：同一提示词重复十次，逐条判定可用与否，再算比值。
第四步是换算单位成片成本。
这一步做完之后，之前所有的印象分都被推翻了。
前后对比
| 评判维度 | 改造前 | 改造后 |
|---|---|---|
| 选择依据 | 画质排名 / 主观观感 | 单位成片成本（可计算） |
| 测试方式 | 每次临时想提示词 | 固定提示词分四级压测 |
| 质量判断 | 看单帧是否好看 | 按时间轴比对物理一致性 |
| 样本量 | 跑两三次就下结论 | 同一提示词重复十次统计 |
| 成本认知 | 只看单次价格 | 单次成本 ÷ 可用率 |
四个坑****
坑一：给不同模型用不同提示词。这样得到的结论不可比，等于白测。
坑二：只拿最难的提示词去测。全部失败的结果没有信息量，应该从最简单的层级往上压，找到能力边界在哪。
坑三：废片率样本太小。我一开始只跑三次，结论摇摆得很厉害，后来固定到十次才稳定下来。
样本量的影响比想象中大。三次的结论和十次的结论，指向的会是不一样的模型。
坑四：忽略要素叠加。变速和前景遮挡单独出现基本没事，叠在一起才是真正的压力点。
这四个坑有个共同点：都在用印象替代统计。印象没有错，只是不能作为决策依据。
一个反直觉的发现
按单位成片成本重算之后，价格更低的那个模型反而更贵。原因很简单：单次便宜，但十次里只有两次能用。
我把候选模型的数字列成一行，排序结果和之前的直觉完全不同。
单次价格只决定一次尝试的成本，废片率才决定一条成片的成本。
顺便说一个容易忽略的能力点：参考维度越细，可控性越高。以前只能描述“我想要什么样的镜头”，现在能直接指认“就照这个运镜来”。对不擅长用文字描述画面的人来说，这个入口的门槛低得多。
这一点的价值不体现在参数上，但对我这种不擅长用文字描述画面的人，实际帮助很大。
写在最后
如果只记一句话：把选型从“哪个画质好”改成“哪个单位成本低”。这需要至少跑十次统计，前期确实麻烦，但比事后返工划算。
流程本身也值得留档。下次换模型，直接套同一套提示词和判定表就行。
前期多花一天做统计，比选错之后返工两周便宜得多。
能算出来的成本，才是有用的成本。
