Dieselben 15 Sekunden kosten 1,05 $, 1,50 $ oder 3,47 $

Die meiste Zeit des Jahres bedeutete der Vergleich von Videogenerierungsmodellen, die Demos der Unternehmen zu vergleichen. Google, ByteDance und Alibaba veröffentlichten jeweils einen Ein-Shot-Clip, der das eigene Modell schmeichelhaft präsentierte. Das änderte sich am 6. November, als Google Gemini Omni 1.2 Flash veröffentlichte und der erste unabhängige Test dazu zusammen mit den Zahlen von Artificial Analysis und Side-by-Side-Läufen anderer Creator erschien.
Das Nützlichste in diesem Stapel ist die Preistabelle. Ein 15-Sekunden-Clip in 720p kostet 1,05 $ mit Omni 1.2, 1,50 $ mit Wan 3.0 und rund 3,47 $ mit Seedance 2.5. In 1080p kostet derselbe Clip 1,56 $, 3,00 $ und 8,54 $. Alibaba fährt für Wan 3.0 außerdem eine Rabattaktion von rund 30 Prozent, wodurch 1080p auf bis zu 0,14 $ pro Sekunde kommt.
Die Spanne beträgt das Dreifache in der günstigsten Stufe und das Fünffache bei 1080p, und das günstigste Modell führt nur wenige der Kategorien an.
Wo jedes Modell tatsächlich gewinnt
Artificial Analysis führt Seedance 2.5 mit Stand 6. November in 13 von 20 Kategorien auf Platz eins, darunter Dialog und Lip-Sync mit einer Punktzahl von 1213. Image-to-Video ist sein stärkster Modus. Gemini Omni 1.1 belegte in den Bereichen menschliche Anatomie und Physik Platz 20 von 20.
Beim Editing führt Wan 3.0; es übernimmt komplexe Bearbeitungen, Objektedits und visuelle Effekte, während Seedance sich auf Ton- und Sprachbearbeitung konzentriert.
Die Same-Prompt-Tests von außerhalb der Unternehmen sind aufschlussreicher als das Leaderboard. Krea führte Seedance 2.5 und Wan 3.0 bei 720p mit identischen Seeds und deaktivierter Prompt-Umschreibung aus. Bei einer Skateboard-Aufnahme hielt Seedance den Skater auf dem im Prompt beschriebenen Weg, während Wan ihn auf die Kamera zuschickte. Bei einer 20-sekündigen Einstellung in einem einzigen Take, die einem Radfahrer folgt, hielt Seedance die Aufnahme bis zum Ende durch, während Wan bei 13,6 Sekunden abbrach. Wan rendierte seine Acht-Sekunden-Clips außerdem etwa doppelt so schnell. Der YouTube-Creator JSFILMZ ließ beide Modelle mit passenden Prompts nebeneinander laufen und veröffentlichte die Ergebnisse.
Omni 1.2 hat noch kaum unabhängige Tests. Am nächsten kommt Segmind, das am Starttag zwanzig Tests durchführte und Omni 1.2 Flash als das Videomodell mit der genauesten Befolgung von Anweisungen bezeichnete, das es getestet hatte – gut für Erklärvideos und animierten Text. Segmind stellte außerdem fest, dass fotorealistische Menschen schwebend wirkten, Gesichter hinter Seedance zurückblieben und etwa jede vierte Anweisung übersprungen wurde.
Google selbst räumt kleine Veränderungen vom ersten bis zum letzten Frame ein und nennt schnelle Sportaction und komplexe Physik als noch in Arbeit. Markenlogos im Ausgangsmaterial können eine Urheberrechtssperre auslösen. Jeder Clip trägt ein unsichtbares SynthID-Wasserzeichen.
Was die Anfragenzahlen sagen
Die Video-Rankings von OpenRouter mit Daten bis zum 6. November zeigen HeyGen Video auf Platz eins mit 65.000 wöchentlichen Anfragen, Veo 3.1 Lite auf Platz zwei mit 50.000, Seedance 2.5 auf Platz drei mit 35.000, Wan 3.0 auf Platz vier mit 31.000 und mischief 1 auf Platz neun nach einem Sprung um 481 Prozent.
Der Marktanteil nach Anbieter ist die Zahl, bei der man verweilen sollte. ByteDance hält 26,1 Prozent der Videoanfragen, HeyGen 19,7 Prozent, Google 18,5 Prozent, SpaceXAI 12,2 Prozent, Alibaba 9,3 Prozent nach einem Rückgang um 53 Prozent, Kwaivgi 6,0 Prozent und MiniMax 5,0 Prozent.

Das meistgefragte Videomodell beim größten Aggregator ist ein digitaler Mensch. Kein Produktlaunch gewinnt das Volumen; Talking-Head-Erklärvideos und Trainingsvideos tun es. Seedance und Wan führen die filmische Kategorie an, und ihr Anteil an den Gesamtanfragen ist ein Rundungsfehler gegenüber dem Avatar-Traffic.
Die Nachfrage jenseits des Filmischen
Schauen Sie noch einmal darauf, wohin die Anfragen gehen. HeyGen Video führt die Tabelle mit 65.000 wöchentlichen Anfragen an, und HeyGen ist ein Avatar-Unternehmen. Enterprise-Security- und Enablement-Teams haben begonnen, wiederkehrende Live-Produktvorführungen durch KI-generierte Präsentatorvideos zu ersetzen, was nach eigener Rechnung mehr als 100 Stunden pro Jahr und Team einspart. Die Adoption durch Marketer liegt laut einer von Colossyan zitierten Umfrage aus 2026 bei rund 63 Prozent.
Unterdessen ist nativer Ton in der gesamten Kategorie von einer Funktion zum Standard geworden. Veo 3.1 Audio und seine schnelle Variante erzeugen zum Bild passenden Ton, die Audio-Stufen von Kling liefern Stereo mit verbessertem Lip-Sync, und Canva Text-to-Video-Tool erzeugt Clips mit synchronisiertem Dialog und Effekten.
Die dadurch entstehende Aufteilung ist nützlich. Bei Avatar- und Talking-Head-Arbeit soll die Figur konsistent bleiben, die Stimme stabil und die Darbietung überzeugen. Bei filmischer Arbeit soll die Aufnahme acht Sekunden lang beeindrucken. Das sind unterschiedliche Anforderungen, und unterschiedliche Modelle erfüllen sie, weshalb ein einziges Leaderboard, das beides abdeckt, weniger aussagt als die Aufteilung der Anfragen.
Was sich mit dem Weggang von Sora änderte
Der Rückzug von Sora aus Web und App im April und aus der API im September hat mehr bewirkt, als einen Wettbewerber zu entfernen. Er hat neu definiert, welche Preise Menschen erwarten und was sie als verfügbar erwarten, und er hat die verbleibenden Plattformen dazu gebracht, entlang der Achsen zu konkurrieren, die die Nutzung tatsächlich bestimmen: wie lang ein Clip sein kann, ob der Ton mitgeliefert wird und was zwischen den Einstellungen mit der Figur geschieht.
Vor zwei Jahren war es für ein neues Produkt die vernünftige Standardentscheidung, auf OpenAIs Video-API aufzubauen. Dieser Standard ist weg. Alles, was darauf aufgebaut ist, braucht einen Ersatz, und die Ersatzlösungen unterscheiden sich inzwischen genug bei Preis und Länge, dass die Modellwahl eine Geschäftsentscheidung und keine technische ist.
Die Reseller-Ebene bringt eine weitere Feinheit mit sich, die man in die Kalkulation aufnehmen sollte. Offizielle API-Preise sind die Untergrenze, nicht der Straßenpreis. fal zum Beispiel listet Seedance 2.5 zu ungefähr dem Doppelten des BytePlus-Tarifs. Teams, die auf einem Marktplatz testen und dann Produktionsbudgets anhand dieser Zahl planen, erleben eine Überraschung, und die Lücke zwischen offiziellen und Wiederverkaufspreisen ist groß genug, um zu ändern, welches Modell ein Projekt wählt.
Wie man mit diesen Zahlen auswählt
Wenn die Aufgabe Dialog, Lip-Sync oder Audio ist, ist Seedance 2.5 die sicherere Wahl – zu ungefähr dem Dreifachen des Preises. Wenn die Aufgabe das Bearbeiten eines vorhandenen Clips ist, führt Wan 3.0, und seine Aktionspreise machen es zum günstigsten Preis pro Sekunde im Feld. Wenn die Aufgabe darin besteht, Anweisungen in einem Erklärvideo wörtlich zu befolgen, ist Omni 1.2 Flash das Modell, das frühe Tester immer wieder loben, und es ist mit 720p das günstigste der drei, obwohl Segminds eigene Tests 40 bis 70 Sekunden pro Clip dauerten.
Der richtige Vergleich ist der Preis pro brauchbarem Clip. Ein Modell, das vier Versuche braucht, um ein Gesicht durch eine 15-sekündige Einstellung zu halten, kostet das Vierfache seines Listenpreises, und das Leaderboard kann das nicht sehen.
Keines der drei Unternehmen hat einen blinden Vergleich mit identischen Prompts und Seeds über alle drei Modelle hinweg veröffentlicht. Bis jemand ihn durchführt, sollte jede modellübergreifende Qualitätsaussage in dieser Kategorie – einschließlich der in diesem Artikel – als richtungsweisend behandelt werden.
Eines ist aus den Anfragedaten klar. Günstigere Modelle sind nur günstig, wenn die Ausgabe die Prüfung übersteht, und die Prüfung ist der Ort, an dem für die meisten Teams, die Video in großem Umfang ausliefern, die Kosten entstehen.
Verwandte Artikel
Ein Prozent der Firmen zahlt 80 Prozent der KI-Rechnung, und genau diese Gruppe wächst nicht mehr
600 Millionen Dollar weniger Umsatzwachstum, 26,8 Prozent Preisverfall und eine Käufergruppe, die unter 10.000 Dollar pro Kopf rutschte.
Claude kann jetzt Ihre Kontoauszüge lesen. Anthropic hat ihm bewusst keine Hände gegeben.
Das Read-only-Design ist das Produkt, und das Entkoppeln macht nicht rückgängig, was bereits in einem Chat steht.
Adobe verlangt von Marketingfachleuten nicht mehr, Adobe zu öffnen
Ein Jahrzehnt lang lautete die Strategie: Besitze die Oberfläche. Adobe wettet gerade auf das Gegenteil.
CrowdStrike hat einen Kill Switch für KI-Agenten ausgeliefert. Der schwierige Teil ist zu wissen, was man abschalten muss.
Ein Kill Switch macht aus einer Vermutung etwas Durchsetzbares. Durchsetzung erfordert eine Liste, und die Liste ist der Teil, den niemand hat.