El ranking de modelos de generación de vídeo por inteligencia artificial ha cambiado mucho en un año. Al 13 de noviembre de 2026, Wan 3.0, de Alibaba, ocupa el primer puesto del ranking de texto a vídeo, y un modelo con pesos abiertos (cuyos parámetros se pueden descargar) figura en el top 3.
Este ranking se basa en un único criterio de calidad, una puntuación Elo (sistema de valoración basado en comparaciones por pares) calculada a partir de votos humanos a ciegas, extraídos de la Artificial Analysis Video Arena. Se cruza con el precio por segundo de la API y el estado de la licencia de los pesos. Según la fuente, el audio nativo es ahora un requisito indispensable, y los clips duran de 15 a 30 segundos.
Los modelos a la cabeza
Wan 3.0 totaliza 1175 puntos en texto a vídeo, con 7.651 votos. Lanzado el 24 de agosto de 2026, genera clips 1080p de 30 segundos a partir de texto, PDF o presentaciones, al precio de 0,20 $ por segundo. Sus pesos no son descargables, y Wan 2.2, lanzado en julio de 2025, sigue siendo el último modelo de vídeo estrella abierto de Alibaba. En imagen a vídeo, desciende al puesto 11, con 1108 puntos.
Utopai X, con 1170 puntos, es el único modelo que figura en el top 2 de ambos rankings. Fue diseñado por Utopai Studios, un estudio cinematográfico con sede en Mountain View, que lo obtuvo mediante post-entrenamiento de MiniMax H3. Solo es accesible a través de la plataforma PAI, que factura 93 créditos por segundo, con paquetes desde 15 $ por 1.000 créditos, y no dispone de API para desarrolladores.
MiniMax H3 llega tercero, con 1161 puntos y un precio de 0,08 $ por segundo. Sus pesos se publican bajo la MiniMax H3 Community License, pero esta licencia bloquea el despliegue local en Estados Unidos, la Unión Europea, el Reino Unido y Corea del Sur. Solo la versión H3-Base está abierta, con un límite de 768p, y el repositorio pesa 288 GB. Varios modelos del ranking, incluidos Utopai X y HeyGen Video 1, son versiones post-entrenadas de H3.
En imagen a vídeo, el primer puesto corresponde a Dreamina Seedance 2.5, de ByteDance, con 1161 puntos. Artificial Analysis muestra 34,12 $ por minuto, la tarifa más alta del ranking, mientras que BytePlus anuncia aproximadamente 0,23 $ por segundo para un formato particular, lo que invita a verificar las condiciones de acceso en su región.
Precio y margen de error
Calidad y precio ya no van de la mano. HeyGen Video 1 (1152 puntos, 0,04 $ por segundo) y Pika H3 Flex (1124 puntos, 0,035 $ por segundo, lanzado el 29 de octubre de 2026) figuran entre los más baratos del top 10. Gemini Omni Flash 1.2, de Google, obtiene 1154 puntos por 0,104 $ por segundo. Según la fuente, Wan 3.0 reporta unos 23 puntos más que HeyGen Video 1 por un coste 5 veces superior por segundo.
Las puntuaciones tienen un margen de error de ±13 a ±15 Elo. Los modelos situados a menos de 25 puntos unos de otros están estadísticamente próximos, y los puestos 3 a 8 forman por tanto un grupo más que un orden estricto. Veo 3.1, de Google, obtiene 964 puntos, por debajo del anclaje fijado en 1000 para Kling 3.0 1080p Pro. Kling 4.0, disponible en klingai.com con clips nativos de 30 segundos, aún no aparece en los rankings de Artificial Analysis.
