HeyGen cobra un centavo por segundo y el piso de precios de los modelos de video acaba de moverse

HeyGen lanzó HeyGen Video este mes, su primer modelo de video de propósito general. Está construido sobre MiniMax H3 y con postentrenamiento interno, y cubre texto a video, imagen a video y referencia a video en un solo modelo con sonido sincronizado. La tarifa promocional en el lanzamiento es de $0,01 por segundo, la mitad del precio estándar, dirigida directamente a usos empresariales con restricciones de presupuesto.

Esa cifra merece una pausa. Un clip de diez segundos cuesta diez centavos. El año pasado, el mismo tipo de resultado se cobraba en dólares por generación, y los equipos lo racionaban.

El encuadre promocional es informativo en sí mismo. HeyGen fijó la tarifa estándar en dos centavos por segundo y lanzó a la mitad, lo que es un recorte de precios destinado a sacar a los equipos de los proveedores establecidos en lugar de maximizar los ingresos por clip. Una tarifa promocional es una apuesta a que, una vez que un flujo de trabajo se construye alrededor de un modelo, el costo de cambio mantiene al cliente después de que termina el descuento.

La tarifa por segundo es la nueva referencia

El precio de los modelos de video pasó de cobrarse por generación a cobrarse por segundo de resultado, y las tarifas publicadas ahora abarcan un orden de magnitud. El centavo promocional por segundo de HeyGen equivale a unos $0,60 por minuto. MiniMax H3, la base de pesos abiertos, cuesta $4,80 por minuto. Wan 3.0 figura a $12 por minuto. Seedance 2.5 cobra $34,12 por minuto. Grok Imagine Video 1.5 se sitúa en $0,08 por segundo, o $4,80 por minuto, con audio nativo y una única tarifa publicada sin niveles de resolución.

La estructura de tarifa única de Grok merece mención aparte. La mayoría de los proveedores cobra por nivel de resolución, por lo que un render en 1080p cuesta más que uno en 480p. Una tarifa publicada sin niveles es más fácil de presupuestar y más difícil de manipular. También señala confianza en que la calidad del modelo no depende en gran medida de cuántos píxeles solicite el comprador.

La dispersión indica que el mercado se ha segmentado. En la parte superior está la calidad para campañas donde un solo clip importa. En la parte inferior está el volumen para flujos de trabajo donde se generan cien clips y la mayoría se descarta.

El precio de HeyGen lo sitúa deliberadamente en el extremo bajo, y el encuadre son casos de uso empresariales donde el presupuesto es la limitación. Ese es un cliente diferente de una agencia que produce un anuncio principal. Es una empresa que quiere video en cada artículo de soporte, cada página de producto, cada flujo de incorporación, y no puede justificar un diseñador para cada uno.

Postentrenamiento sobre la base de otro

La elección de arquitectura es tan notable como el precio. HeyGen no entrenó un modelo fundacional desde cero. Tomó MiniMax H3, un modelo de pesos abiertos, y lo postentrenó internamente para su caso de uso.

Esto se está convirtiendo en el manual estándar. Creatify hizo lo mismo con Boreal-H3, postentrenando MiniMax H3 con datos reales de proyectos publicitarios y reportando que el cumplimiento del brief subió del 27,8 % al 50 % y la consistencia del sujeto del 83,3 % al 94,4 % frente a la base. El patrón se repite porque la base es abierta y la diferenciación vive en los datos de entrenamiento y la evaluación, no en la ejecución de preentrenamiento.

Para los equipos que construyen productos de video, el cálculo es sencillo. Entrenar un modelo fundacional cuesta decenas de millones y lleva meses. El postentrenamiento de una base abierta cuesta una fracción de eso y produce un modelo ajustado a tu umbral de calidad específico. El riesgo es que la capacidad central de tu producto se apoye en los términos de licencia de otro, lo cual es un problema vigente para H3, ya que MiniMax no ha publicado qué territorios cubre su licencia. Tres productos construidos sobre H3 se lanzaron esta semana en territorios que la licencia podría no alcanzar, y el laboratorio les dio la bienvenida, lo que está muy lejos de conceder permiso.

La cuestión de la licencia es la parte del manual del postentrenamiento que recibe menos atención. Un modelo puede descargarse hoy y no estar disponible mañana, o ser legal en un mercado y no en otro, y los términos a menudo están escritos para el propósito original del modelo, no para los productos construidos sobre él. Cualquiera cuyo producto dependa de una base abierta debería leer la licencia con la misma atención con que lee el informe técnico. La ventaja de costo del postentrenamiento es real, y conlleva un riesgo operativo que no aparece en una comparación de precios.

Qué significa el precio para el trabajo creativo

Cuando un clip de diez segundos cuesta diez centavos, la economía de la iteración cambia. Un equipo puede generar cincuenta variantes de una demo de producto, verlas, quedarse con las dos que funcionan y gastar cinco dólares en hacerlo. El cuello de botella se desplaza del costo de generación al tiempo de revisión humana, que es lo contrario de donde estaba hace dos años.

Ese cambio tiene consecuencias para cómo se dota de personal a los equipos de video y cómo se diseñan los flujos de trabajo. La generación barata significa que la parte costosa es decidir qué es bueno, y las personas que pueden hacer ese juicio rápidamente se convierten en la limitación. También significa que la avalancha de resultados mediocres se hace más grande, porque el costo de producir algo que nadie necesitaba acaba de caer a casi cero.

Hay un efecto menos obvio en cómo planifican los equipos. Cuando un clip cuesta diez centavos, la estrategia racional pasa de hacer una buena versión a hacer muchas y seleccionar. Eso favorece a los equipos buenos en evaluación y perjudica a los equipos buenos en oficio de producción, porque el oficio que antes era el valor ahora es un insumo básico.

También cambia lo que espera un cliente. Un brief que antes especificaba un video ahora especifica cinco variantes para pruebas A/B, porque el costo marginal de las cuatro adicionales es insignificante. El trabajo se desplaza aguas arriba hacia la estrategia y aguas abajo hacia la analítica, y la zona intermedia, donde se encuentra la mayor parte del trabajo de producción creativa, se adelgaza.

La pregunta que el precio no responde

La generación barata no es lo mismo que la generación útil. Un centavo por segundo compra un clip, no un clip que encaje con el brief. Las diferencias que importan en producción —mantener legible la etiqueta de un producto, mantener consistente el rostro de un creador desde el primer fotograma hasta el último, seguir un guion en lugar de una intuición— son las cosas por las que cobran los niveles más caros.

Esa es la verdadera segmentación que revela la dispersión de precios. El mercado se está separando en modelos para volumen y modelos para precisión, y la diferencia de precio entre ellos es aproximadamente un factor de cincuenta. Un equipo que sabe en qué categoría cae su trabajo puede tomar una decisión clara. Un equipo que asume que el modelo barato bastará puede descubrir la brecha en un entregable para un cliente.

La tarifa promocional de HeyGen no se mantendrá en un centavo. Lo que hace es fijar un piso que el resto del mercado tiene que responder, y obligar a todos los que construyen funciones de video a modelar su economía unitaria en un punto de precio que habría sido implausible el año pasado. La pregunta interesante es qué capacidades justifican pagar más de un centavo por segundo.

Es probable que la respuesta sea estrecha y específica. La legibilidad de etiquetas, la consistencia de identidad y la adherencia al brief parecen poco glamorosas, pero son las que deciden si un clip se puede entregar. Todo lo demás es cuestión de gusto, y el gusto es barato de iterar cuando una toma cuesta diez centavos.