清华、英伟达等开了个新榜，38个AI实时视频模型露短板
2026.10.27 · 事件 · 论文 · 论文预印本
全球首个流式交互视频生成评测基准出炉，覆盖五类任务、38个模型。
清华大学、NVIDIA、CMU、UC Berkeley、Princeton、NUS 等机构联合发起评测基准 StreamEval，这是行业内全球首个流式交互视频生成评测榜单。它覆盖数字人对话、虚拟人表演、世界生成、指令编辑和参考编辑五类任务，共 300 个测试用例，涵盖 38 个模型，不只测生成质量，更测交互能力。
- StreamEval 覆盖数字人对话、虚拟人表演、世界生成、指令编辑和参考编辑五类任务，每类 60 个测试用例，覆盖 15 秒至 300 秒五档时长。
- 评测将表现拆成任务执行、状态一致性、视觉保真度、声画协调四个维度、十项指标，各指标采用 0—100 分，五类任务分别排名。
- 论文共评测 38 个模型，形成 49 个模型任务配置，结果显示画面质量、人物身份保持和实时控制是几种相对独立的能力。
- 虚拟人表演任务中 Vidu S2-Avatar 综合得分 81.71 最高，但指令跟随仅 36.90，已是七个参评模型中的最高值。
- 代码、数据集和评分规则全部开源，榜单计划每月持续纳入新模型与最新评测结果。
为什么值得看
首个流式交互视频评测基准，揭示连续指令执行是行业共同短板。
适合谁关注
AI 视频模型研发者、数字人与世界模型团队、评测研究者。