具體評價上看，與國內頭部大模型（國內前三）相比，Sora在視頻-文本一致性維度、視頻質量上均有小幅落后。Sora在運動質量維度表現略好于可靈 1.6，即生成的視頻畫面在動態過程中的主體一致性和動態幅度更自然。在視頻-文本一致性維度上，Sora 存在文本理解有誤、指令遵循不符的問題，即生成的視頻內容與提示詞的描述不符的現象。