Ranking modeli generowania wideo przez sztuczną inteligencję bardzo się zmienił w ciągu roku. Na 13 listopada 2026 roku, Wan 3.0 firmy Alibaba zajmuje pierwsze miejsce w rankingu tekst-na-wideo, a model z prawdami otwartymi (których parametry można pobrać) znajduje się w pierwszej trójce.
Ranking ten opiera się na jednym kryterium jakości, wyniku Elo (system punktacji oparty na porównaniach parami) obliczanym na podstawie ślepych głosów ludzkich, pochodzących z Artificial Analysis Video Arena. Jest on skrzyżowany z ceną za sekundę API i statusem licencji wag. Według źródła, natywny dźwięk jest obecnie niezbędnym warunkiem wstępnym, a klipy trwają od 15 do 30 sekund.
Liderujące modele
Wan 3.0 osiąga 1175 punktów w kategorii tekst-na-wideo, przy 7 651 głosach. Wprowadzony 24 sierpnia 2026 roku, generuje 30-sekundowe klipy w rozdzielczości 1080p z tekstu, PDF lub prezentacji, w cenie 0,20 $ za sekundę. Jego wagi nie są do pobrania, a Wan 2.2, wydany w lipcu 2025 roku, pozostaje ostatnim otwartym flagowym modelem wideo Alibaby. W kategorii obraz-na-wideo spada na 11. miejsce, z 1108 punktami.
Utopai X, z 1170 punktami, jest jedynym modelem znajdującym się w pierwszej dwójce obu rankingów. Został zaprojektowany przez Utopai Studios, studio filmowe z siedzibą w Mountain View, które uzyskało go poprzez post-trening MiniMax H3. Jest dostępny wyłącznie przez platformę PAI, wycenianą na 93 kredyty za sekundę, z pakietami od 15 $ za 1000 kredytów, i nie posiada API dla deweloperów.
MiniMax H3 zajmuje trzecie miejsce, z 1161 punktami i ceną 0,08 $ za sekundę. Jego wagi są publikowane na licencji MiniMax H3 Community License, ale licencja ta blokuje lokalne wdrożenie w Stanach Zjednoczonych, Unii Europejskiej, Wielkiej Brytanii i Korei Południowej. Otwarta jest tylko wersja H3-Base, z limitem 768p, a repozytorium waży 288 GB. Kilka modeli z rankingu, w tym Utopai X i HeyGen Video 1, to wersje post-trenowane H3.
W kategorii obraz-na-wideo, pierwsze miejsce należy do Dreamina Seedance 2.5 firmy ByteDance, z 1161 punktami. Artificial Analysis wyświetla cenę 34,12 $ za minutę, najwyższą w rankingu, podczas gdy BytePlus podaje około 0,23 $ za sekundę dla określonego formatu, co zachęca do sprawdzenia warunków dostępu w swoim regionie.
Cena i margines błędu
Jakość i cena już nie idą w parze. HeyGen Video 1 (1152 punkty, 0,04 $ za sekundę) i Pika H3 Flex (1124 punkty, 0,035 $ za sekundę, wydany 29 października 2026) należą do najtańszych w pierwszej dziesiątce. Gemini Omni Flash 1.2 firmy Google osiąga 1154 punkty za 0,104 $ za sekundę. Według źródła, Wan 3.0 daje około 23 punktów więcej niż HeyGen Video 1 przy koszcie 5 razy wyższym za sekundę.
Wyniki mają margines błędu ±13 do ±15 Elo. Modele znajdujące się w odległości mniejszej niż 25 punktów od siebie są statystycznie bliskie, a miejsca od 3 do 8 tworzą zatem grupę raczej niż ścisły porządek. Veo 3.1 firmy Google osiąga 964 punkty, poniżej punktu zakotwiczenia ustalonego na 1000 dla Kling 3.0 1080p Pro. Kling 4.0, dostępny na klingai.com z natywnymi 30-sekundowymi klipami, nie pojawia się jeszcze w rankingach Artificial Analysis.
