后训练：SFT、偏好标注与奖励模型
一句话结论
- 后训练数据是"小而贵"的人工环节，各家技报极少披露规模。 明确核到的数字只有：腾讯 HunyuanVideo（1 / 1.5） 精调集约 100 万条人工筛选样本 [4]；VideoReward / VideoAlign 18.2 万偏好三元组 [7]；VisionReward 约 3.3 万视频、约 200 万 QA [8]；VideoScore / VideoFeedback 3.76 万视频、20 位专家、约 4 周 [9]。Meta Movie Gen、字节 Seedance（1.0 / 2.0）与即梦、阿里通义万相 Wan（2.1 / 2.2 / 2.5）、阶跃 Step-Video-T2V、Sand AI MAGI-1 的 SFT/偏好集规模均未披露 ⚠️。
- 范式已收敛：人工精选 SFT（按风格 × 运动类型分几百类定向采集 + 人工校验 caption）→ best/worst 偏好对 → 多维奖励模型（基础对齐/运动/美学）→ DPO/GRPO 类对齐。奖励模型多由 VLM 微调而来，反过来降低了新增人工标注的需求（VideoDPO、OnlineVPO 走自动打分路线）[10][11]。
- 外部标注商的真实切入点在四类任务：SFT 清洗与 caption 修订、偏好对/多维打分、评测集与 human eval panel、镜头级结构化标注。学术偏好集的标注厂商几乎不披露（VisionReward 仅称 "a specialized company"）[8]。
- 视频偏好/标注的公开单价基本不存在。 能核到的只有间接锚点：Alignerr 视频标注岗标价 $40-120/h、Mercor 承包者均值约 $85/h、Labelbox 托管标注 "from $10/hr"、国内多模态训练师月薪 5000-7000 元；按条/按分钟的视频偏好报价：未查到 ⚠️ [27][30]。
- 新进入者在"众包即时偏好"：Rapidata（2026-02 种子轮 $850 万，公司称触达 1500-2000 万人）发布 Veo 3.1 等模型偏好集（约 7.4 万条反馈、约 2.3 万标注者），与专家型标注商（Surge AI/Scale AI/Mercor）形成两极 [14][20]。
生产方式
SFT 精选数据（高质量精调集）
| 模型 | 披露的做法 | 规模 | 来源 |
|---|---|---|---|
| Meta Movie Gen | 预训练后经多阶段过滤得"数百万"候选视频；人工标注员手动筛选、选最佳片段、修订 Llama3-Video 生成的 caption；多个 SFT 模型做模型平均 | 最终 SFT 集规模：未披露 ⚠️ | [1] |
| 字节 Seedance（1.0 / 2.0）与即梦 1.0 | 精选高质量视频-文本对 + 人工校验 caption；按视觉风格、运动类型等分"数百个类别"定向采集；分子集训多个模型再合并 | 未披露 ⚠️ | [2] |
| 阿里通义万相 Wan（2.1 / 2.2 / 2.5） 2.1 | 精选图像（专家模型评分前 20% + 人工收集顶级图，"数百万"）与按视觉/运动质量分类的"数百万"视频，覆盖 12 类；人工对采样聚类（100 簇）按 1-5 分打分，再训专家模型给全量打分；人工密集 caption 用于最后 caption 阶段 | 总量未披露 ⚠️ | [3] |
| 腾讯 HunyuanVideo（1 / 1.5） | 精调集约 100 万条，经人工标注筛选（美学：色彩和谐/光照/主体突出/布局；运动：速度/动作完整/运动模糊）；人像 I2V 另用约 200 万人像视频精调并人工抽检 | 约 100 万（公司口径） | [4] |
| 阶跃 Step-Video-T2V | 自动评分过滤后保留约 3000 万视频子集，人工逐条审查清晰度/美学/运动/转场/无水印字幕 | 3000 万为过滤后子集，非 SFT 终集 | [5] |
| Sand AI MAGI-1 | 预训练数据"数十 PB"原始视频/图像，逐阶段降量并加严过滤（DOVER、美学、运动强度、CLIP/DINOv2 去重、MLLM 过滤）；SFT/RL 细节未读到 | SFT/偏好规模：未查到 ⚠️ | [6] |
偏好标注（人工）
- 字节 Seedance（1.0 / 2.0）与即梦 1.0：prompt 取自训练集 + 线上用户并去重；标注员按维度选 best 与 worst，约束"best 在其他维度不劣于 worst"；视频来自模型不同阶段 + 其他素材；标注人数未披露 [2]。
- 阶跃 Step-Video-T2V：prompt 取训练集随机子集 + 标注员按真实用户模式撰写；每个 prompt 多 seed 出视频；人工打偏好，有质检人员监控一致性；对数未披露 [5]。
- VideoReward / VideoAlign（VideoAlign，快手 KwaiVGI 等）：1.6 万 prompt（8 大类，GPT-4o 扩写）→ 10.8 万视频 → 18.2 万成对三元组；视频来自 12 个 T2V 模型（Gen2、SVD、Pika 1.0、PixVerse v1/v2、Dreamina、Luma、Gen3、Kling 1.0/1.5 等）；三个维度 VQ（视觉质量）、MQ（运动质量）、TA（文本对齐），成对偏好 + 1-5 Likert；验证集 1.3 万三元组；另有 VideoGen-RewardBench 2.65 万对。标注为"专业标注员"，人数与厂商未披露 [7]。
- VisionReward（THUDM）：约 3.3 万视频（CogVideoX/Open-Sora/VideoCrafter2 各 1 万 + Panda-70M 真实视频 3000）、约 200 万 QA；64 个二元问题、9 维/20 子维；标注由 "a specialized company" 完成，经培训、资格考核与质检，视频二元一致率 89.33%；费用、厂商、人数未披露 [8]。
- VideoScore / VideoFeedback（VideoFeedback，TIGER-Lab）：3.76 万视频（11 个生成模型）、5 维（视觉质量、时序一致、动态程度、文本对齐、事实一致）；20 位专家评分员（其中 14 位为在读本/硕/博，同时是论文作者），每人约 1K-2K 视频，试标多轮 + 抽检 + 校准，耗时约 4 周；prompt 从 VidProm 104 万条下采样至 4.45 万；测试集 760 条；报酬仅称 "decent salary"。后续 VideoFeedback2 约 2.7 万视频 [9]。
- VideoDPO：1 万 VidProm 人写 prompt，每个 prompt 4 个候选，取 best-vs-worst 1 对 = 1 万对；偏好由自动指标 OmniScore（质量 + 对齐）而非人工产生 [10]。
- OnlineVPO：用视频质量评估（VQA）模型替代图像级奖励，在线生成偏好并课程式更新；摘要未披露数据规模 [11]。
- DanceGRPO / Flow-GRPO / Flow-GRPO：把 GRPO 用于扩散/整流流的图像与视频生成；DanceGRPO 用 5 个奖励模型（美学、文图对齐、视频运动质量、二元反馈等），在 HPS-v2.1、CLIP Score、VideoAlign、GenEval 上最多提升 181%；Flow-GRPO 实验为 T2I（GenEval 63%→95%）。两者不依赖新增人工标注，依赖已有奖励模型 [12]。
- Claru（公司口径案例）：为某视频生成实验室交付 976,355 条人工质量评估，四维（运动质量、视觉保真、观看兴趣、文本-视频对齐）；标注员需在金标准校准集上 >85% 一致率入池，持续监控 Krippendorff alpha；价格未披露 [13]。
- Rapidata：Veo 3.1 偏好集数据卡称约 7.4 万条人类反馈、约 2.3 万标注者；题目 "Which video do you prefer aesthetically?"，覆盖 Veo 3.1、Veo 2、Marey、Kling v2.1 等 [14]。
奖励模型与 RL
- 字节 Seedance（1.0 / 2.0）与即梦 1.0 三奖励模型：基础 RM（VLM，图文对齐与结构稳定）、运动 RM（伪影、幅度/生动度）、美学 RM（关键帧）；对比 DPO/PPO/GRPO，另在 refiner 上做 RLHF [2]。
- VideoReward / VideoAlign：基于 Qwen2-VL-2B 一类 VLM（底座据后续论文引用），配套 Flow-DPO / Flow-RWR / Flow-NRG 三种对齐 [7][33]。
- 阶跃 Step-Video-T2V：Video-DPO（Flow Matching 适配，同噪声/时间步生成偏好对）+ 用新人类反馈重训的奖励模型做 on-policy 排序 [5]。
- 趋势：奖励模型自身的噪声与 reward hacking 成为新研究点（SoliReward；FIRM-Video 用 Rapidata + VideoFeedback2 构建约 3 万训练样本，仅据检索摘要）[15]。
评测与基准数据
| 基准/渠道 | 规模与方法 | 来源 |
|---|---|---|
| VBench / VBench-2.0 | 16 维分层评测，每维定制 prompt；配套人类偏好标注验证各维与人类感知的一致性 | [16] |
| VBench-2.0 | 5 大类（Human Fidelity、Controllability、Creativity、Physics、Commonsense），含"大量人类标注"以对齐 | [16] |
| EvalCrafter | 700 条 prompt（真实用户数据 + LLM）、17 个客观指标四大类，用系数拟合人类意见 | [17] |
| Movie Gen Video Bench | 1003 prompt，专家成对 A/B（含平局）；评分员人数未披露 | [1] |
| Seedance SeedVideoBench-1.0 | T2V、I2V 各 300 prompt，导演专家参与设计；5 分 Likert + GSB；对比 Kling 2.1、Veo 3、Wan 2.1、Sora / Runway Gen4 | [2] |
| Wan-Bench | 3 维 14 细项、1035 样本/模型；人评 700+ 任务、20+ 人；另有 5000+ 用户成对比较用于维度加权 | [3] |
| HunyuanVideo 人评 | 1533 prompt、60 位专业评估员、对比 5 个闭源基线 | [4] |
| Step-Video-T2V-Eval | 128 条中文真实用户 prompt，11 类 | [5] |
| Artificial Analysis Video Arena（Artificial Analysis） | 盲测成对投票，"validated private evaluators"；Elo + 95% CI + 样本数；2026-10-15 抓取时 T2V（含音频）榜单每个头部模型约 5000-5800 样本，并给出每分钟 1080p API 价格；Kling 3.0 1080p Pro 固定为 1000 作基准 | [18] |
| UC Berkeley VideoArena | 动态 T2V 排行榜（检索仅见标题） | [19] |
人力与吞吐
- VideoFeedback：20 人 × 约 4 周 × 每人 1-2K 视频 ≈ 3.76 万视频（5 维打分）[9]。
- Wan-Bench：20+ 人评 700+ 任务 [3]；HunyuanVideo：60 位专业评估员评 1533 prompt [4]。
- Rapidata：公司称约 150 万次标注/小时、约 5500 人/分钟并发反馈（VentureBeat 转述，公司口径）[20]。
- Mercor：30,000+ 周活跃承包者（WSJ 转引）；Scale/Outlier 主页称 100K+ 专家、已付 $5 亿+（第三方转述，未核官网）[21][22]。
厂商与渠道
美国与全球
| 名称 | 国家 | 类型 | 规模口径 | 客户 | 融资 | 来源 |
|---|---|---|---|---|---|---|
| Scale AI | 美 | 数据引擎 + Outlier 众包专家平台 + 评测 | 2024 营收 $8.7 亿，2025 预期约 $20 亿（报道口径）；Outlier 称 100K+ 专家 | OpenAI、Meta 等；视频生成专项客户未披露 ⚠️ | 2025-06 Meta 投资约 $143 亿换约 49% 非投票权，估值约 $290 亿 | [21] |
| Surge AI | 美 | RLHF/偏好、专家标注（DataAnnotation） | 报道称 2024 营收 >12亿，另称TTM>10 亿；约 110 名员工；视频偏好专项：未查到 ⚠️ | 未披露 | 无外部融资；传 $150 亿估值融资（报道口径） | [22] |
| Mercor | 美 | 专家承包者撮合 + 训练数据 | 2026-06 年化毛收入 >$20 亿（毛，净约 $6-8 亿为 Dealroom 估计）；30K+ 周活承包者；均时薪约 $85；视频任务：未查到 ⚠️ | 头部 AI 实验室；Meta 2026-03 因安全问题无限期停止合作（报道） | 2025-10 C 轮 $3.5 亿 @ $100 亿；2026-07 传 $200 亿洽谈（报道） | [22] |
| Turing | 美 | 前沿实验室研究加速、多模态/视频标注 | 职位贴显示在招视频标注（含 OpenAI Egocentric 项目标注岗）；营收融资未查到 | OpenAI 等（职位贴口径） | 未查到 | [23] |
| Invisible Technologies | 美 | AI 训练师网络 | 曾有 video captioning data trainer 职位（聚焦、动作、运镜）；营收融资未查到 | 未披露 | 未查到 | [23] |
| Alignerr（Labelbox 旗下） | 美 | 视频标注岗 | 切镜头、标注机位/景别/运动/动作；$40-120/h，10-40h/周（2026-02 职位贴，已关闭） | — | — | [23] |
| Toloka | 荷（Nebius 子公司） | 众包 + 专家 | 检索只见文本 LLM 偏好项目；视频专项：未查到 ⚠️ | Amazon、Microsoft、Anthropic（Reuters 转述） | 2025-05 Bezos Expeditions 领投 $7200 万 | [24] |
| Appen | 澳 | 数据服务；生成式 AI 项目 | FY2025 营收 $2.308 亿；Appen China $1.029 亿（+75%）；H1 FY26 营收 $1.199 亿（+17%）；视频专项未披露 | 中国 LLM 客户为主 | ASX 上市 | [25] |
| iMerit | 美/印 | SFT、RLHF、红队 | "10,000+ contributors"（公司口径）；有报道称 2026 被 EXL 以至多 $3.1 亿收购（未经一手核实） | 未披露 | 最近一轮 $2350 万（第三方） | [26] |
| Sama | 美/东非 | 标注、评测、数据治理 | 营收/员工/融资及视频生成专项：未查到 ⚠️ | — | — | — |
| Rapidata | 瑞士苏黎世 | 移动应用内微任务众包人类反馈；视频/图像偏好集与基准 | 触达 1500-2000 万人（公司口径）；研究基金最高 $5 万标注额度/项目 | Rime 等 | 2026-02 种子轮 $850 万（Canaan、IA Ventures 领投） | [20] |
| Claru | 美 | 视频 RLHF 质量标注交付 | 单案例 97.6 万条评估（公司口径） | 未具名视频实验室 | 未查到 | [13] |
| Labelbox | 美 | 平台 + 托管服务；2024-08 博客谈 T2V 人类偏好评分 | 服务 "from $10/hr"；平台 $0.10/LBU（1 视频 = 1 LBU）（2026-07 快照） | — | — | [27] |
中国
| 名称 | 国家 | 类型 | 规模口径 | 客户 | 融资 | 来源 |
|---|---|---|---|---|---|---|
| 海天瑞声（SpeechOcean，科创板 688787） | 中 | 训练数据，多模态含视频 | 2025 营收 3.77 亿（+59%）；2026Q1 营收 9678 万（+38.6%）；2026H1 营收 1.92 亿（+22.45%），归母净利 977 万；视频生成占比未查到 ⚠️ | 智谱、Meta、阿里、腾讯、月之暗面、MiniMax（媒体口径） | 上市 | [28] |
| 景联文科技 | 中 | "高质量数据运营商" | 报道成立年份 2012 与 2018 两说；公司称有近百万段视频描述成品集 | 未披露 | 近亿元 A 轮（国资+产业资本，不到一年第二轮） | [29] |
| 曼孚科技 MindFlow | 中 | 视频→文本标注案例、多模态 RLHF 偏好；转向具身数据集 | 视频偏好一手案例未查到，视为"自报能力" ⚠️ | 未披露 | 2025-07 近亿元 B+++；36 氪项目页称 2026-04 Pre-C 数亿元（用户维护，待核） | [29] |
| 整数智能 | 中 | 数据工程平台（智能标注），自驾/AIGC/医疗 | 未披露 | — | 2023-06 Pre-A 数千万元 | [29] |
| 星尘数据 | 中 | 多模态/视频描述 | 独立披露未查到 ⚠️；另与生数有具身物理交互数据合作（非标注采购） | 生数 | 未查到 | — |
| 标贝科技 / 云测数据 | 中 | — | 规模、融资、视频产品均未查到 ⚠️ | — | — | — |
国内厂商若干条目仅据搜索摘要，未逐页核验；价格表均不公开，按项目询价。
开源与学术
VideoReward / VideoAlign / VideoGen-RewardBench（KwaiVGI/VideoAlign）、VisionReward（THUDM）、VideoScore / VideoFeedback（VideoFeedback / VideoFeedback2，TIGER-Lab，HF，Apache-2.0）、Rapidata HF 偏好集、VBench / VBench-2.0 / VBench-2.0 / EvalCrafter、VidProm（prompt 池，被 VideoFeedback、VideoDPO 复用）。
应用方式
| 阶段 | 数据形态 | 代表模型/论文 | 占比 |
|---|---|---|---|
| 预训练末段 / 精调（SFT） | 人工精选片段 + 人工修订 caption；按风格/运动分类定向采集 | Meta Movie Gen、字节 Seedance（1.0 / 2.0）与即梦、阿里通义万相 Wan（2.1 / 2.2 / 2.5）、腾讯 HunyuanVideo（1 / 1.5）、阶跃 Step-Video-T2V | 数量远小于预训练（Hunyuan 精调约 100 万；Wan 称预训练为"billions"级）；比例未被任何技报给出 |
| 偏好对齐（DPO / RLHF） | 成对或 best/worst 偏好；多维打分 | Seedance 1.0（PPO/GRPO/DPO 对比）、Step-Video（Video-DPO）、VideoReward（Flow-DPO/RWR/NRG）、VideoDPO、OnlineVPO | 偏好对数量多数未披露；公开最大为 VideoReward 18.2 万 |
| RL（GRPO 系） | 现成奖励模型 + prompt 集，不需新人标 | DanceGRPO / Flow-GRPO、Flow-GRPO；Seedance 1.0 奖励最大化 | 人工量主要体现在训练奖励模型 |
| 奖励模型训练 | 多维人类评分/成对偏好；VLM 微调 | VideoReward / VideoAlign、VisionReward、VideoScore / VideoFeedback | 见"生产方式" |
| 评测 | 固定 prompt 集 + 专家成对/Likert + 在线竞技场 | VBench / VBench-2.0 系、EvalCrafter、SeedVideoBench、Wan-Bench、Artificial Analysis Video Arena | 评测 prompt 规模仅百到千级 |
偏好数据具有强时效性：VideoReward 论文论证早期偏好集基于低分辨率旧模型，已与现代模型偏好不匹配，需持续重标。这使偏好数据更像"订阅式"复购需求而非一次性数据集 [7]。
规模、成本与价格
已核到的价格/成本锚点
| 项目 | 数字 | 性质 | 来源 |
|---|---|---|---|
| Alignerr 视频标注（切镜、机位/景别/运动/动作） | $40-120/h，10-40h/周 | 职位标价（2026-02） | [23] |
| Outlier | 行业博客估计通用 $15-60/h（来源互相矛盾），官方不公布 | 第三方估计 | [30] |
| DataAnnotation（Surge） | 自称 25 − 30 + /h通用、50-100+/h 专业；评测估计实际中位 $14-16/h | 自称 + 第三方 | [30] |
| Mercor | 承包者均时薪约 $85 | 第三方（Sacra/WSJ 转述） | [22] |
| Labelbox 托管标注 | from $10/h；平台 $0.10 / 视频（LBU） | 厂商价目（2026-07-17 快照） | [27] |
| 国内多模态视觉内容训练师 | 月薪 5000-7000 元（江西，2026-09 招聘贴） | 招聘价 | [30] |
| 北京 151 份标注 JD | 月薪中位数 10,500 元；日薪岗中位 185 元/天；大厂 AI 训练师 20-35K；金融类专家时薪 150-200 元；岗位分布：多模态/综合 36%、图像和视频 17%、LLM/AIGC 语料类 28% | 招聘统计 | [30] |
| xAI 中文 AI 导师（语音，美国境内） | $35-45/h | 招聘价 | [30] |
| Rapidata 研究基金 | 最高 $5 万标注额度/项目 | 公司政策 | [20] |
| 对照：机器自动视频标签 | 阿里云 0.05 元/分钟；Google Video Intelligence $0.10/分钟 | 自动化 API，非人工 | [31] |
| 对照：人工字幕 | 约 $1-2/分钟 | 人工转写，非生成模型标注 | [31] |
未查到
视频偏好标注"每对/每条"报价、视频 caption 修订"每分钟/每条"报价、SFT 精选"每小时素材"报价：未查到任何公开报价 ⚠️（中英文检索均无）。学术偏好集标注总成本（VideoReward、VisionReward）均未披露。
粗略推算（推算，非来源数据）
VideoFeedback：20 人 × 4 周，若按 $20-40/h、每周 20-40h 计，人工成本量级约 3.2万−12.8 万，折合约 $0.9-3.4/视频（5 维打分）。仅作量级参考。Seedance 类 RLHF 偏好数据成本无法从技报推出。
市场体量
- 海天瑞声 2025 营收 3.77 亿元；某行业测评称中国数据标注 2025 市场约 117.53 亿元、2026 预计超 150 亿元（单一测评口径，据检索摘要）[28][32]。
- 全球：Surge >10亿、Mercor毛收入年化>20 亿、Scale 2025 预期约 $20 亿；这些体量主要来自文本/代码/专家推理，视频偏好占比：未查到 ⚠️。
- Artificial Analysis Video Arena 头部 T2V 的 API 价格（2026-10-15 抓取，1080p）：Wan 3.0 $12.00/分钟、Seedance 2.5 $34.12/分钟、MiniMax H3 $4.80/分钟 [18]。
局限与争议
- 披露极度不足：Movie Gen、Seedance、Wan、Step-Video、MAGI-1 均不给 SFT/偏好终集规模、标注员数量、外包商名称；学术集用 "specialized company" 回避厂商。外部无法从公开文件推算人工采购额。
- 人力构成偏学生：VideoFeedback 20 名评分员中 14 人是学生兼作者；Alignerr 招聘贴称"无需专业视频经验"。偏好信号质量依赖校准与抽检，一致率（VisionReward 视频二元一致 89.33%）是少数公开质量指标 [8][9][23]。
- 奖励模型替代人工：VideoDPO、OnlineVPO、DanceGRPO 路线用自动评分/VLM 奖励，削弱新增人工偏好需求；但 reward hacking 与标注噪声又促使重新引入高质量人工信号 [10][11][12][15]。
- 偏好集过时快：模型迭代使旧偏好集失效，学术集对商业闭源模型的代表性存疑 [7]。
- 众包质量 vs 专家：Rapidata 类消费者 App 微任务在规模和速度上占优，但"美学偏好"题较浅；多维、物理一致性等判断仍需专家。
- 人工评测可重复性：竞技场依赖 "validated private evaluators"，选择偏差、新模型 Elo 波动大（三方报道）；VBench 等自动指标与人类偏好的相关性需靠人工标注校准 [16][18]。
- 劳工与合规：时薪区间分化极大，Outlier/DataAnnotation 评测称有效时薪被未付费筛选与等活拉低 20-30%（博客口径）；Mercor 与 Meta 因安全问题终止合作（2026-03，报道）；Scale 因 Meta 持股导致部分前沿实验室转向他处（单一来源，待核）[22][30]。
- 数据版权：偏好集多用 VidProm prompt 与开源模型生成的视频，版权风险低于预训练；精调集多来自预训练池，继承其版权问题（见 版权库章、诉讼监管章）。
口径冲突与未核实
| 说法 A | 说法 B | 采信 | 原因 |
|---|---|---|---|
| 人工只剩 SFT prompt 集、质量/美学打分、偏好对、评测集 | Meta Movie Gen 与 腾讯 HunyuanVideo（1 / 1.5） 的 SFT 集本身由人工筛选/标注 | B（补充 A） | 技报明确写人工筛选，并非纯自动过滤 |
| 曼孚科技 MindFlow 有多模态 RLHF 偏好数据 | 未找到其视频偏好一手案例，近期叙事转向具身数据集 | 降级为"自报能力" | 无一手案例 |
| 海天瑞声 视觉板块包含视频生成 | 已补最新经营数据，视频生成占比仍未披露 | 仅写总营收，不写视频占比 | 无拆分 |
| 字节 Seedance（1.0 / 2.0）与即梦 1.0 SFT 为"人工标注 prompt + 密集字幕" | 技报表述为"人工校验 caption + 数百类定向采集" | B | 以技报措辞为准，规模未披露 |
| 榜单旗舰以 Seedance 2.0 为准 | 2026-10-15 榜单页前列为 Wan 3.0、Utopai X、Seedance 2.5、MiniMax H3 | B，并标注日期 | 榜单变动快，引用须带日期 |
| iMerit 被 EXL 收购；Surge $150 亿估值；Mercor $200 亿洽谈 | 均为二手/报道口径 | 不作事实引用，仅标"报道称" | 无一手核实 |
| Scale 因 Meta 持股流失前沿实验室客户 | 仅单一来源 | 待核 | 无交叉验证 |
| Outlier 通用时薪（多个博客） | 各博客数字互相矛盾（$15-60/h） | 只给区间并标第三方估计 | 官方不公布 |
此外，MAGI-1 的 SFT/RL 细节仅读取了技报前约 10 万字符；FIRM-Video、SoliReward 仅据检索摘要；国内厂商条目多据搜索摘要。
来源
- Movie Gen. https://arxiv.org/abs/2410.13720 （html: https://arxiv.org/html/2410.13720）
- Seedance 1.0. https://arxiv.org/abs/2506.09113 （html: https://arxiv.org/html/2506.09113）
- Wan. https://arxiv.org/html/2503.20314
- HunyuanVideo. https://arxiv.org/html/2412.03603
- Step-Video-T2V. https://arxiv.org/html/2502.10248
- MAGI-1. https://arxiv.org/html/2505.13211
- VideoReward / VideoAlign. https://arxiv.org/abs/2501.13918 ；https://arxiv.org/html/2501.13918 ；https://arxiv.org/pdf/2501.13918
- VisionReward. https://arxiv.org/abs/2412.21059 ；https://arxiv.org/html/2412.21059
- VideoScore / VideoFeedback. https://arxiv.org/abs/2406.15252 ；VideoFeedback2: https://huggingface.co/datasets/TIGER-Lab/VideoFeedback2
- VideoDPO. https://arxiv.org/abs/2412.14167
- OnlineVPO. https://arxiv.org/abs/2412.15159
- DanceGRPO https://arxiv.org/abs/2505.07818 ；Flow-GRPO https://arxiv.org/abs/2505.05470
- Claru 案例. https://claru.ai/case-studies/video-quality-at-scale
- Rapidata Veo 3.1 偏好集. https://ai.gitcode.com/hf_mirrors/Rapidata/text-2-video-human-preferences-veo3.1/blob/main/README.md
- SoliReward https://arxiv.org/pdf/2512.22170 ；FIRM-Video https://arxiv.org/pdf/2608.21839
- VBench https://arxiv.org/abs/2311.17982 ；VBench-2.0 https://arxiv.org/abs/2503.21755
- EvalCrafter. https://arxiv.org/abs/2310.11440
- Artificial Analysis Video Arena. https://artificialanalysis.ai/video/leaderboard/text-to-video
- Berkeley VideoArena. https://sky.cs.berkeley.edu/project/videoarena/
- Rapidata：https://venturebeat.com/data/rapidata-emerges-to-shorten-ai-model-development-cycles-from-months-to-days ；https://pulse2.com/rapidata-8-5-million-closed-for-scaling-global-human-feedback-network/ ；https://rapidata.ai/research-grants
- Scale / Meta：https://www.verdict.co.uk/meta-invest-10bn-scale-ai/ ；https://app.dealroom.co/news/feed/scale-ai-valued-over-29-billion
- Surge / Mercor：https://startupfortune.com/mercors-revenue-hit-2-billion-in-june-and-the-ai-data-race-isnt-slowing/ ；https://www.herohunt.ai/blog/mercor-vs-surge-vs-scale-ai-2026-buyer-guide/ ；https://dealroom.co/news/137121-mercor-doubles-to-2b-gross-revenue-run-rate-as-ai-labs-buy-expert-data/
- 职位贴：Alignerr https://dynamitejobs.com/company/alignerr/remote-job/video-annotation-specialist ；Turing https://work.turing.com/r/Wl62P2h7aB ；Invisible https://www.workingnomads.com/jobs/video-captioning-ai-data-trainer-invisible-technologies
- Toloka. https://opendatascience.com/jeff-bezos-leads-72m-investment-in-ai-data-company-toloka/
- Appen. https://announcements.asx.com.au/asxpdf/20260225/pdf/06wq7ntr51bhgl.pdf ；https://announcements.asx.com.au/asxpdf/20260827/pdf/0739d4q7lyh3w2.pdf
- iMerit. https://www.trysignalbase.com/news/funding/imerit-secures-235m-to-power-next-generation-ai-data-solutions-for-global-enterprises
- Labelbox 价目（Forasoft 快照）. https://www.forasoft.com/blog/article/video-annotation-tool-development
- 海天瑞声. https://www.jiemian.com/article/14101842.html ；https://m.jiemian.com/article/15093923.html
- 景联文 https://news.pedaily.cn/202508/553331.shtml ；曼孚 https://pitchhub.36kr.com/project/1957961221180681 ；整数智能 https://news.pedaily.cn/202306/514939.shtml
- 薪资：https://www.huxiu.com/article/4865283.html ；https://campus.niuqizp.com/job-v8Y5n5MaC.html ；https://breakingeven.online/blog/outlier-ai-pay-per-hour-2026 ；https://breakingeven.online/blog/dataannotation-pay-rates-2026
- 对照价格：https://help.aliyun.com/zh/ims/smart-label ；https://cloud.google.com/video-intelligence/pricing ；https://www.panopto.com/?p=2131
- 中国数据标注市场测评. https://finance.sina.cn/stock/jdts/2026-10-09/detail-iniurwaf7778162.d.html
- EvoSearch（引用 VideoReward 底座）. https://arxiv.org/html/2505.17618
本章涉及的实体
Appen公司与机构 · 全球
澳洲上市数据服务商，中国 LLM 项目拉动增长
Claru公司与机构 · 美国
定制采集与视频 RLHF 标注商，单案例交付 97.6 万条质量评估
Mercor公司与机构 · 美国
专家承包者撮合平台，转型为 AI 实验室的训练数据供应商
Rapidata公司与机构 · 欧洲
瑞士移动 App 众包人类反馈，发布 Veo 3.1 等视频偏好集
Scale AI公司与机构 · 美国
数据引擎加 Outlier 专家众包平台，Meta 持约 49% 非投票权
Surge AI公司与机构 · 美国
无外部融资的 RLHF 专家标注商，旗下 DataAnnotation
数据堂公司与机构 · 中国
北京新三板挂牌的老牌训练数据服务商，与海天瑞声是同业竞争对手而非同一品牌
星尘数据公司与机构 · 中国
北京数据标注与管理服务商，主要客户在自动驾驶，未见视频生成相关披露
景联文科技公司与机构 · 中国
自称高质量数据运营商，报称近百万段视频描述成品集
曼孚科技 MindFlow公司与机构 · 中国
有视频到文本标注案例，近期叙事转向具身数据集
海天瑞声公司与机构 · 中国
A 股上市训练数据商（688787），含视频理解数据集
ShareGPT4Video数据集 · 中国
GPT-4V 差分滑窗字幕，蒸馏出 480 万 clip 的字幕器
VideoReward / VideoAlign数据集 · 中国
快手 18.2 万偏好三元组与配套多维奖励模型
VideoScore / VideoFeedback数据集 · 美国
TIGER-Lab 5 维视频质量评分集，20 位专家约 4 周
VisionReward数据集 · 中国
清华/智谱的细粒度多维奖励，64 个二元问题
Meta Movie Gen模型 · 美国
公开了完整策展、captioner 与 SFT 流程的闭源视频模型
字节 Seedance（1.0 / 2.0）与即梦模型 · 中国
字节视频生成模型，技报称数据来自公开与授权库，规模未披露
百度 MuseSteamer 蒸汽机模型 · 中国
百度中文音视频一体生成模型，仅有"亿级中文多模态清洗"媒体口径
阶跃 Step-Video-T2V模型 · 中国
阶跃开源 30B 视频模型，预训练约 20 亿视频-文本对，12 万簇平衡
DanceGRPO / Flow-GRPO论文与基准 · 中国
把 GRPO 用于扩散/整流流，靠现成奖励模型不需新人标
VideoDPO论文与基准 · 中国
用自动打分构造 1 万 best/worst 偏好对的视频 DPO
字节 Seaweed-7B论文与基准 · 中国
字节 Seed 7B 视频基座，披露约 100M 片段与 6 级质量过滤
Artificial Analysis Video Arena工具与格式 · 全球
盲测成对投票的视频生成 Elo 榜，附 API 价格
EvalCrafter工具与格式 · 中国
700 prompt、17 项客观指标的视频生成评测
VBench / VBench-2.0工具与格式 · 中国
16 维/5 大类视频生成评测套件，附人类偏好验证
本文为个人研究笔记，结论基于成文时可获得的公开信息；带〔估算〕〔推断〕或 ⚠️ 的数字未经独立核实。