Agnes-Video-V2.0 arrive à 0,30 $/min : un perturbateur de prix sur le classement d'Artificial Analysis

Un nouveau modèle a fait son apparition sur le classement vidéo d’Artificial Analysis cette semaine avec une revendication tarifaire assez tranchante pour mériter un examen attentif : Agnes-Video-V2.0 à 0,30 $/min avec génération audio-vidéo native. Pour replacer ce chiffre dans son contexte immédiat — c’est environ 28× moins cher par seconde que Seedance 2.0 standard et bien en dessous de tout modèle figurant dans le précédent top 10. Agnes AI se positionne ouvertement comme le “casseur de prix” du secteur.

La lecture honnête est plus nuancée que le titre. Agnes V2.0 est un véritable perturbateur tarifaire. Il est aussi clairement positionné en dessous des leaders actuels en termes d’Elo. Voici ce qui a été livré, où Agnes V2 se situe réellement dans le classement, et quels types de charges de travail le prix de 0,30 $/min change la donne.

Ce qui a été livré

Détail	Valeur
Nom du modèle	Agnes-Video-V2.0
Fabricant	Agnes AI (AgnesAI Sapiens)
Tarification	0,30 $/min (~0,005 $/sec)
Audio-vidéo natif	Oui
Modes	Texte-vers-vidéo, image-vers-vidéo, première image, première et dernière image, multi-images
Distribution	Application Agnes, application PAVO, API
Date de sortie	Semaine du 19 mai 2026

La liste des modes mérite qu’on s’y arrête. La plupart des modèles vidéo dans cette gamme de prix proposent uniquement le texte-vers-vidéo ; Agnes V2.0 prend en charge l’interpolation première-et-dernière-image et le conditionnement multi-images de manière native. C’est une surface de fonctionnalités plus proche de l’endpoint standard de Seedance 2.0 que des variantes bon marché de Veo ou Sora.

La position dans le classement, honnêtement

L’annonce officielle d’Agnes mentionne un “top 10 mondial des laboratoires d’IA”. Ce positionnement est exact mais masque l’écart. En reprenant les scores Elo d’Artificial Analysis qu’Agnes a publiés avec le lancement :

Catégorie	Elo Agnes-V2	Taille de l’échantillon	IC 95%
Texte-vers-vidéo (avec audio)	885	2 463	±13
Image-vers-vidéo (avec audio)	934	2 576	±12

Pour contexte — les premières entrées du même classement lors de ma dernière analyse :

Modèle	Elo T2V	Statut
HappyHorse-1.0	~1 333	Modèle mystère, pas d’API
Seedance 2.0	~1 273	Production, disponible sur WaveSpeedAI
SkyReels V4	~1 245	Production
Kling 3.0 Pro	~1 241	Production
Agnes-Video-V2.0	~885	Vient de sortir

Agnes V2 est donc bien dans le top 10 — mais il est à environ 400 points Elo derrière les leaders. Un écart Elo de 400 points signifie qu’Agnes perd les confrontations directes contre Seedance 2.0 dans la grande majorité des cas. Ce n’est pas une différence de qualité marginale ; c’est un niveau différent.

La lecture honnête : Agnes V2.0 ne rivalise pas avec Seedance 2.0 sur la qualité. Il rivalise avec ce que vous payeriez autrement 0,30 $ pour générer — ce qui, aujourd’hui, représente essentiellement rien dans le tier frontier.

Là où le prix de 0,30 $/min change vraiment le calcul

Les charges de travail intéressantes ne sont pas celles où Seedance 2.0 produit déjà un résultat acceptable. Celles-là continueront à utiliser Seedance. Les catégories intéressantes sont celles qui ne pouvaient économiquement pas faire tourner de la vidéo frontier du tout avant aujourd’hui :

1. Génération de brouillons en grand volume. Lorsque le coût unitaire passe de ~8 $/min (Seedance 2.0) à 0,30 $/min, vous pouvez générer plus de 25 variantes par dollar là où vous n’en génériez qu’une. Même si la qualité baisse significativement, la boucle d’ingénierie de prompts s’accélère considérablement.
2. Contenu personnalisé à grande échelle. Génération vidéo par utilisateur pour des flux de travail de personnalisation éducatifs, de formation ou de fil social. L’économie qui ne fonctionnait pas à 0,14 $/sec commence à fonctionner à 0,005 $/sec.
3. Pipelines d’évaluation interne. Générer des clips de référence pour les évaluer par rapport aux nouvelles versions de modèles a représenté un coût réel dans les stacks axées sur l’évaluation. Réduire le coût de génération de référence de 28× change la façon dont vous pouvez structurer les boucles de benchmark.
4. Marchés où la vidéo premium est impraticable. Plateformes éducatives longue durée, réseaux publicitaires à faible CPM, outils créateurs à petit budget — tarification dans des régions où Seedance/Veo n’étaient jamais faisables.

La catégorie qu’Agnes V2 ne sert pas est celle dont la plupart des workflows vidéo en production se préoccupent aujourd’hui : un unique clip de haute qualité destiné à un client payant. Pour cela, l’écart de 400 Elo compte. Pour le travail en volume en amont de cela, l’écart compte bien moins.

Ce que nous ne savons pas encore

Trois points qui ne sont pas publics et qui changeraient l’analyse :

1. Benchmarks indépendants. Le classement d’Agnes est spécifique à Artificial Analysis. Si la même qualité se maintient sur d’autres critères — précision du rendu de texte, cohérence multi-personnages, physique des contacts — n’est pas encore documenté. La revendication “top 10 mondial” est réelle sur un benchmark ; la réplication la rendrait réelle en général.
2. Qualité de la synchronisation audio. L’audio-vidéo natif figure dans la fiche technique. Si la qualité de la synchronisation labiale, de l’audio ambiant et des repères musicaux correspond au niveau visuel n’est pas documenté. Avec Veo 3.1 établissant une barre haute en matière de cohérence audio-visuelle, c’est l’axe qui détermine si “avec audio” est un vrai produit ou juste une case à cocher.
3. Latence et débit. Un modèle à 0,30 $/min qui prend 10 minutes par génération a une économie très différente de celui qui s’exécute en 30 secondes. Les données “temps de génération” d’Artificial Analysis n’étaient pas renseignées pour Agnes V2 lors de ma consultation du tableau de bord.

Ces questions ne se résoudront pas à partir de la couverture presse. Elles se résolvent quand les développeurs font leurs propres évaluations, ce qui représente les deux à quatre prochaines semaines de débat public.

Où Agnes V2 s’inscrit dans la gamme actuelle

Lectures concrètes de déploiement :

Utilisez Agnes V2 pour :

• Les tests A/B en volume de prompts où le coût unitaire prime sur les décisions de qualité
• La génération de brouillons dans les workflows de storyboard
• La vidéo personnalisée à des échelles qui ne fonctionnent pas économiquement sur Seedance/Veo
• La génération de clips de référence pour les évaluations internes

Restez sur Seedance / Veo / Sora pour :

• La vidéo finale destinée aux clients
• Le contenu où l’écart de qualité de 400 Elo dégrade visiblement le résultat
• Les workflows nécessitant les entrées de référence multimodales dans lesquelles Seedance 2.0 se spécialise (images + vidéos + audio combinés, comme couvert dans notre guide Seedance 2.0)
• Tout ce où l’écart Elo “avec audio” de 350+ points d’Artificial Analysis serait perceptible par l’utilisateur final

Ce qu’il faut surveiller

Deux signaux au cours du prochain mois :

1. Réplication de benchmarks tiers. Agnes V2 maintient-il sa position top 10 sur des suites de benchmarks autres qu’Artificial Analysis ? Surveillez les évaluations cross-plateformes Vidu et les panels de préférence humaine menés par des laboratoires indépendants.
2. La prochaine version d’Agnes. Agnes AI itère rapidement — V1.2 → V2.0 s’est produit dans une fenêtre relativement courte. Si V2.1 ou V3 comble l’écart Elo tout en maintenant le prix de 0,30 $/min, le récit produit devient bien plus intéressant. S’ils augmentent les prix pour viser la qualité, ils deviennent un acteur mid-tier ordinaire.

En attendant

Pour les charges de travail vidéo en production aujourd’hui, la gamme Seedance 2.0 — Standard, Fast, les prochaines variantes Mini et 2.1 — reste la valeur par défaut la plus défendable. Agnes V2 est un ajout qui mérite d’être évalué dans le tier volume de tout stack vidéo, pas un remplacement de Seedance. Faites votre propre comparaison A/B de style Elo sur votre ensemble de prompts spécifique avant de décider quel tier mérite quel travail.

Sources : Annonce X d’Agnes AI, Couverture Sohu du lancement, Page Agnes Video d’Artificial Analysis, Classement Text-to-Video.