O ranking dos modelos de geração de vídeo por inteligência artificial mudou muito num ano. A 13 de novembro de 2026, o Wan 3.0, da Alibaba, ocupa o primeiro lugar do ranking texto-para-vídeo, e um modelo com pesos abertos (cujos parâmetros podem ser descarregados) figura no top 3.
Este ranking baseia-se num único critério de qualidade, uma pontuação Elo (sistema de classificação baseado em comparações aos pares) calculada a partir de votos humanos em cegueira, retirados da Artificial Analysis Video Arena. É cruzado com o preço por segundo da API e o estatuto de licença dos pesos. Segundo a fonte, o áudio nativo é agora um pré-requisito incontornável, e os clips duram 15 a 30 segundos.
Os modelos no topo
O Wan 3.0 totaliza 1175 pontos em texto-para-vídeo, com 7 651 votos. Lançado a 24 de agosto de 2026, gera clips 1080p de 30 segundos a partir de texto, PDF ou apresentações, ao preço de 0,20 $ por segundo. Os seus pesos não são descarregáveis, e o Wan 2.2, lançado em julho de 2025, continua a ser o último modelo de vídeo de referência aberto da Alibaba. Em imagem-para-vídeo, desce para o 11.º lugar, com 1108 pontos.
O Utopai X, com 1170 pontos, é o único modelo que figura no top 2 dos dois rankings. Foi concebido pela Utopai Studios, um estúdio de cinema sediado em Mountain View, que o obteve através de pós-treino do MiniMax H3. Só é acessível através da plataforma PAI, faturada a 93 créditos por segundo, com pacotes a partir de 15 $ por 1 000 créditos, e não dispõe de API para programadores.
O MiniMax H3 chega em terceiro, com 1161 pontos e um preço de 0,08 $ por segundo. Os seus pesos são publicados sob a Licença Comunitária MiniMax H3, mas esta licença bloqueia a implementação local nos Estados Unidos, na União Europeia, no Reino Unido e na Coreia do Sul. Só a versão H3-Base é aberta, com um limite de 768p, e o repositório pesa 288 GB. Vários modelos do ranking, incluindo o Utopai X e o HeyGen Video 1, são versões pós-treinadas do H3.
Em imagem-para-vídeo, o primeiro lugar pertence ao Dreamina Seedance 2.5, da ByteDance, com 1161 pontos. A Artificial Analysis apresenta 34,12 $ por minuto, o preço mais elevado do ranking, enquanto a BytePlus anuncia cerca de 0,23 $ por segundo para um formato específico, o que convida a verificar as condições de acesso na sua região.
Preço e margem de erro
Qualidade e preço já não andam de mãos dadas. O HeyGen Video 1 (1152 pontos, 0,04 $ por segundo) e o Pika H3 Flex (1124 pontos, 0,035 $ por segundo, lançado a 29 de outubro de 2026) figuram entre os mais baratos do top 10. O Gemini Omni Flash 1.2, da Google, obtém 1154 pontos por 0,104 $ por segundo. Segundo a fonte, o Wan 3.0 rende cerca de 23 pontos a mais do que o HeyGen Video 1 para um custo 5 vezes superior por segundo.
As pontuações têm uma margem de erro de ±13 a ±15 Elo. Os modelos situados a menos de 25 pontos uns dos outros estão estatisticamente próximos, e as posições 3 a 8 formam, portanto, um grupo e não uma ordem estrita. O Veo 3.1, da Google, obtém 964 pontos, abaixo da âncora fixada em 1000 para o Kling 3.0 1080p Pro. O Kling 4.0, disponível em klingai.com com clips nativos de 30 segundos, ainda não aparece nos rankings da Artificial Analysis.
