AIによる動画生成モデルのランキングはこの1年で大きく変化した。2026年11月13日現在、アリババのWan 3.0がテキストから動画への変換で首位を占め、トップ3にはオープンウェイト（パラメータをダウンロード可能）のモデルが入っている。
このランキングは、単一の品質基準であるEloスコア（ペア比較に基づく評価システム）に基づいており、Artificial Analysis Video Arenaから抽出されたブラインド人間投票から算出される。これはAPIの秒単価とウェイトのライセンス状況とクロス参照されている。情報源によれば、ネイティブ音声は現在必須の前提条件であり、クリップの長さは15〜30秒である。
上位モデル
Wan 3.0はテキストから動画への変換で1175ポイントを獲得し、7,651票を集めた。2026年8月24日にリリースされ、テキスト、PDF、プレゼンテーションから30秒の1080pクリップを生成し、価格は1秒あたり0.20ドル。そのウェイトはダウンロード不可であり、2025年7月にリリースされたWan 2.2がアリババの最後のオープンな主要動画モデルとして残っている。画像から動画への変換では、1108ポイントで11位に下落する。
Utopai Xは1170ポイントで、両ランキングのトップ2に入る唯一のモデルである。マウンテンビューを拠点とする映画スタジオUtopai Studiosによって設計され、MiniMax H3をファインチューニングして得られた。PAIプラットフォーム経由でのみアクセス可能で、1秒あたり93クレジットで課金され、1,000クレジット15ドルからのプランがある。開発者向けのAPIは提供されていない。
MiniMax H3は1161ポイント、1秒あたり0.08ドルで3位につける。そのウェイトはMiniMax H3 Community Licenseの下で公開されているが、このライセンスは米国、EU、英国、韓国でのローカルデプロイをブロックする。H3-Base版のみがオープンで、768pの上限があり、リポジトリのサイズは288GBである。ランキング内のUtopai XやHeyGen Video 1を含む複数のモデルは、H3のファインチューニング版である。
画像から動画への変換では、ByteDanceのDreamina Seedance 2.5が1161ポイントで首位を獲得する。Artificial Analysisは1分あたり34.12ドルと表示しており、これはランキング内で最高価格であるが、BytePlusは特定のフォーマットで約1秒あたり0.23ドルを発表しており、地域ごとのアクセス条件を確認する必要がある。
価格と誤差範囲
品質と価格はもはや連動しない。HeyGen Video 1（1152ポイント、1秒あたり0.04ドル）とPika H3 Flex（1124ポイント、1秒あたり0.035ドル、2026年10月29日リリース）はトップ10内で最も安価な部類に入る。GoogleのGemini Omni Flash 1.2は1154ポイントを1秒あたり0.104ドルで獲得する。情報源によれば、Wan 3.0はHeyGen Video 1より約23ポイント多く獲得するが、1秒あたりのコストは5倍高い。
スコアには±13〜±15のElo誤差範囲がある。25ポイント以内の差にあるモデルは統計的に近く、3位から8位までは厳密な順序というよりグループを形成している。GoogleのVeo 3.1は964ポイントで、Kling 3.0 1080p Proに設定された1000ポイントの基準点を下回る。klingai.comで利用可能な30秒ネイティブクリップを生成するKling 4.0は、まだArtificial Analysisのランキングには登場していない。
