我们搭建了一个小型的代理框架，只有一个任务：把一首歌、一个固定的预算和一套工具交给模型，然后退出，让它独立制作完整的音乐视频。模型研究现有的视频模型，生成片段，观看自己的镜头，用ffmpeg编辑，并组装最终剪辑。一些读者在我们上一轮的比赛中表示，他们想看到不同模型之间的工具使用实际如何变化，因此我们给前沿级模型提供了一个开放性、长期任务，每个模型自行决定研究内容、生成内容以及如何编辑。我们记录每一次工具调用，因此您可以准确看到每个工具是如何工作的（下面是完整的记录）。我们运行了两个模型，Claude Fable 5和GPT-5.6 Sol，各自都有两个预算（$25和$100），总共进行了四次实验。每次都使用相同的歌曲（布鲁诺·马尔斯和马克·朗森的《Uptown Funk》）、简短的文本描述和带时间戳的歌词转录。设置 每个模型都运行了一个自主的工具调用循环，有六个工具：计划：一个用于思考的工具（无成本，无行动）。web_search：用于研究生成模型及其API，并获取音乐视频的信息（如有必要）。get_budget：检查剩余预算。generate_image和generate_video：仅有的花费预算的工具。模型可以选择任何FAL或Replicate模型并传递自己的参数。run_command：一个本地shell，提供ffmpeg/ffprobe，用于分析音频、剪切和连接片段，并混合最终视频。一旦预算降至零，就拒绝付费生成，但模型可以继续编辑。每个模型消息、工具调用、费用和错误都被记录。整个框架的开源代码在github.com/hershalb/music-video-arena，您可以自行运行这套系统。四个视频 下面的每个片段都是模型最终自组装的输出.mp4，完整长度与原始歌曲混合在一起。Claude Fable 5 · $25 GPT-5.6 Sol · $25 Claude Fable 5 · $100 GPT-5.6 Sol · $100 数字 所有四轮实验都成功完成（没有一个达到步骤或时间限制），所有四个模型都制作了有效的、完整长度的视频，并且原始歌曲混合在其中。模型 Claude Fable 5 $25 39m10s 25 0 54 1 $24.30 1280x720 GPT-5.6 Sol $25 42m52s 38 61 46 10 $23.18 1280x720 GPT-5.6 Sol $100 49m39s 34 0 70 2 $36.57 1280x720 Claude Fable 5 $100 38m56s 28 0 80 0 $48.60 1920x1080 "生成支出"是计量的FAL成本，即预算的上限。在$25时，两个模型都几乎耗尽了预算。在$100时，它们分别花费了$36.57（Sol）和$48.60（Fable），因此更高的预算确实转化为更多的素材。该费用不包括运行模型本身的成本，我们将在下面添加。完成视频的时间 每个模型构建了什么 由于自由选择自己的工具，模型的选择有所不同。四轮实验中有三轮完全采用了文本转视频。只有$25的GPT-5.6 Sol使用了图像到视频的管道（先生成静态图像，然后进行动画处理）。$100的GPT-5.6 Sol在单次运行中混合了三种不同的视频模型。运行 图像模型 视频模型 方法 Fable 5 · $25 无 Wan 2.5 t2v（$0.05/秒） 仅文本到视频 Sol · $25 FLUX schnell（$0.003/图像） Wan 2.2-5b i2v（$0.10/秒） 关键帧，然后图像到视频 Sol · $100 无 Wan 2.5（$0.05/秒）、Veo 3.1 Lite（$0.10/秒）、Hailuo 2.3 Standard（$0.28/视频） 文本到视频，混合模型 Fable 5 · $100 无 Seedance 1.0 Pro t2v（~$0.12/秒，1080p） 仅文本到视频 价格是FAL列出的费率，除非特别提及，否则以每秒输出视频的费用显示。Hailuo 2.3 Standard按视频定价（大约$0.28每6秒的片段），而Seedance 1.0 Pro按Token定价（~$0.62每5秒1080p片段，上文以其有效每秒费率显示）。每次运行生成的不同片段从46到80不等。工具使用 每次运行花费的工具调用（这统计尝试，包括失败的生成请求）。Claude Fable 5 · $25 GPT-5.6 Sol · $25 Claude Fable 5 · $100 GPT-5.6 Sol · $100 每次运行的完整记录，包含每个计划、工具调用和命令，可以在这里查看: Fable 5 · $25，Sol · $25，Sol · $100，Fable 5 · $100。过程中遇到的错误 "失败的调用"是返回错误的生成请求（主要是瞬态网络故障）。这些请求没有费用，但模型在重试时消耗了步骤。Token使用 每次运行 输入Token 输出Token 推理 缓存输入 Fable 5 · $25 1,476,900 44,341 n/a 0 Sol · $25 2,956,270 33,220 9,656 2,558,029 Sol · $100 2,097,572 31,715 12,330 1,819,050 Fable 5 · $100 2,264,610 48,029 n/a 0 每次运行的总成本 预算只对生成（FAL）支出进行计量。添加Claude Fable 5的LLM Token成本（$10 / $50每百万输入/输出）和GPT-5.6 Sol的（$5 / $30），得出每次运行的总成本。运行 生成支出 LLM Token成本 总成本 Fable 5 · $25 $24.30 $16.99 $41.29 Sol · $25 $23.18 $4.27 $27.45 Sol · $100 $36.57 $3.25 $39.82 Fable 5 · $100 $48.60 $25.05 $73.65 对于Claude Fable 5，Token的费用为$16.99到$25.05，约占每次运行总费用的30-40%。GPT-5.6 Sol的Token费用在相似的Token量下保持在$3-4左右。方法说明 四次运行的输入相同：歌曲、一段简短的文本描述。