← Volver al blog
Newsaprox. 7 min de lectura

Los mismos 15 segundos cuestan $1,05, $1,50 o $3,47

Publicado 7 nov 2026
Los mismos 15 segundos cuestan $1,05, $1,50 o $3,47

Durante la mayor parte del año, comparar modelos de generación de video significaba comparar las demos de las empresas. Google, ByteDance y Alibaba publicaron cada uno un clip de una sola toma que favorecía a su propio modelo. Eso cambió el 6 de noviembre, cuando Google lanzó Gemini Omni 1.2 Flash y apareció la primera prueba independiente del modelo, junto con cifras de Artificial Analysis y ejecuciones lado a lado de otros creadores.

Lo más útil del conjunto es la tabla de precios. Un clip de 15 segundos a 720p cuesta $1,05 en Omni 1.2, $1,50 en Wan 3.0 y unos $3,47 en Seedance 2.5. A 1080p, el mismo clip cuesta $1,56, $3,00 y $8,54. Alibaba también aplica una promoción de aproximadamente el 30 % en Wan 3.0, lo que deja 1080p por tan solo $0,14 por segundo.

La diferencia es de tres veces en el nivel más barato y de cinco veces a 1080p, y el modelo más barato lidera pocas de las categorías.

Dónde gana realmente cada modelo

Artificial Analysis, con datos al 6 de noviembre, sitúa a Seedance 2.5 primero en 13 de 20 categorías, incluidos diálogo y sincronización labial con una puntuación de 1213. Imagen a video es su modo más fuerte. Gemini Omni 1.1 quedó en el vigésimo lugar de veinte en anatomía humana y física.

La edición es donde lidera Wan 3.0, al llevarse ediciones complejas, ediciones de objetos y efectos visuales, mientras que Seedance se lleva edición de sonido y de voz.

Las pruebas externas con el mismo prompt son más reveladoras que la clasificación. Krea ejecutó Seedance 2.5 y Wan 3.0 a 720p con semillas idénticas y su reescritura de prompts desactivada. En una toma de skateboard, Seedance mantuvo al patinador en el camino descrito en el prompt, mientras que Wan lo envió hacia la cámara. En una toma única de 20 segundos que sigue a un ciclista, Seedance mantuvo la toma hasta el final y Wan cortó a los 13,6 segundos. Wan también renderizó sus clips de ocho segundos aproximadamente el doble de rápido. El creador de YouTube JSFILMZ ejecutó ambos modelos lado a lado con prompts emparejados y publicó los resultados.

Omni 1.2 aún casi no tiene pruebas independientes. Lo más cercano es Segmind, que realizó veinte pruebas el día del lanzamiento y calificó a Omni 1.2 Flash como el modelo de video más exacto en seguir instrucciones que había probado, bueno para videos explicativos y texto animado. Segmind también encontró que las personas fotorrealistas se veían flotantes, que los rostros quedaban por debajo de Seedance y que se omitía aproximadamente una de cada cuatro instrucciones.

Google mismo admite que hay pequeños cambios desde el primer fotograma hasta el último, y enumera la acción deportiva rápida y la física compleja como trabajo en curso. Los logotipos de marcas en el material de origen pueden activar un bloqueo por derechos de autor. Cada clip lleva una marca de agua invisible SynthID.

Qué dicen los números de solicitudes

Las clasificaciones de video de OpenRouter, con datos hasta el 6 de noviembre, muestran a HeyGen Video primero con 65.000 solicitudes semanales, Veo 3.1 Lite segundo con 50.000, Seedance 2.5 tercero con 35.000, Wan 3.0 cuarto con 31.000 y mischief 1 noveno tras un salto del 481 %.

La cuota de mercado por autor es la cifra que merece atención. ByteDance tiene el 26,1 % de las solicitudes de video, HeyGen el 19,7 %, Google el 18,5 %, SpaceXAI el 12,2 %, Alibaba el 9,3 % tras una caída del 53 %, Kwaivgi el 6,0 % y MiniMax el 5,0 %.

Tres vasos de vidrio transparente de diferentes alturas sobre una encimera de piedra clara.

El modelo de video más solicitado en el mayor agregador es un humano digital. El lanzamiento de producto de nadie está ganando el volumen; lo están los videos explicativos con presentador y los videos de capacitación. Seedance y Wan lideran la categoría cinematográfica, y su cuota del total de solicitudes es un error de redondeo al lado del tráfico de avatares.

La demanda que no es cinematográfica

Fíjate de nuevo en adónde van las solicitudes. HeyGen Video lidera la tabla con 65.000 solicitudes semanales, y HeyGen es una empresa de avatares. Los equipos de seguridad y habilitación empresarial han empezado a reemplazar los recorridos de producto en vivo recurrentes por videos de presentador generados por IA, lo que, según sus propios cálculos, ahorra más de 100 horas al año por equipo. La adopción entre los especialistas de marketing ronda el 63 % según una encuesta de 2026 citada por Colossyan.

Mientras tanto, el audio nativo ha pasado de ser una función a ser lo predeterminado en toda la categoría. Veo 3.1 Audio y su variante rápida generan sonido sincronizado con la imagen, los niveles de audio de Kling producen estéreo con una sincronización labial mejorada, y la herramienta de texto a video de Canva produce clips con diálogo y efectos sincronizados.

La división que esto crea es útil. El trabajo con avatares y presentadores quiere que el personaje se mantenga consistente, que la voz se mantenga estable y que la interpretación funcione. El trabajo cinematográfico quiere que la toma impresione durante ocho segundos. Estos son requisitos diferentes y distintos modelos los atienden, por lo que una única clasificación que cubra ambos te dice menos que la división de solicitudes.

Qué cambió cuando Sora se fue

La salida de Sora de la web y la app en abril y de la API en septiembre hizo más que eliminar a un competidor. Redefinió lo que la gente espera pagar y lo que espera que esté disponible, y dejó a las plataformas restantes compitiendo en los ejes que realmente determinan el uso: cuánto puede durar un clip, si el audio llega con él y qué ocurre con el personaje entre tomas.

Hace dos años, la opción predeterminada razonable para un producto nuevo era construir sobre la API de video de OpenAI. Esa opción predeterminada ya no existe. Todo lo construido sobre ella necesita un reemplazo, y los reemplazos ahora difieren lo suficiente en precio y duración como para que la elección de modelo sea una decisión de negocio y no técnica.

La capa de revendedores añade un matiz más que conviene incluir en el cálculo. Las tarifas oficiales de la API son el suelo, no el precio de calle. fal, por ejemplo, muestra Seedance 2.5 a aproximadamente el doble de la tarifa de BytePlus. Los equipos que prueban en un marketplace y luego planifican presupuestos de producción con esa cifra se llevarán una sorpresa, y la brecha entre el precio oficial y el de reventa es lo bastante amplia como para cambiar qué modelo elige un proyecto.

Elegir con estos números

Si el trabajo es diálogo, sincronización labial o audio, Seedance 2.5 es la apuesta más segura a aproximadamente el triple del precio. Si el trabajo es editar un clip existente, Wan 3.0 lidera y su precio promocional le da el coste por segundo más bajo de la tabla. Si el trabajo es seguir instrucciones al pie de la letra en un video explicativo, Omni 1.2 Flash es el que los primeros evaluadores no dejan de elogiar, y es el más barato de los tres a 720p, aunque las propias pruebas de Segmind tardaron de 40 a 70 segundos por clip.

La comparación correcta es el precio por clip utilizable. Un modelo que necesita cuatro intentos para mantener un rostro durante una toma de 15 segundos cuesta cuatro veces su precio de etiqueta, y la clasificación no puede ver eso.

Ninguna de las tres empresas ha publicado una comparación a ciegas, con el mismo prompt y la misma semilla, entre los tres modelos. Hasta que alguien la haga, trata cada afirmación sobre la calidad entre modelos en esta categoría, incluidas las de este artículo, como orientativa.

Una cosa está clara en los datos de solicitudes. Los modelos más baratos solo son baratos si la salida sobrevive a la revisión, y la revisión es donde vive el coste para la mayoría de los equipos que producen video en volumen.

Artículos relacionados