Gli stessi 15 secondi costano 1,05 $, 1,50 $ o 3,47 $

Per gran parte dell'anno, confrontare i modelli di generazione video significava confrontare le demo delle aziende. Google, ByteDance e Alibaba pubblicavano ciascuna un clip in un'unica ripresa che faceva bella mostra del proprio modello. Le cose sono cambiate il 6 novembre, quando Google ha rilasciato Gemini Omni 1.2 Flash e il primo test indipendente è apparso insieme ai numeri di Artificial Analysis e a esecuzioni affiancate di altri creator.
La cosa più utile nel mucchio è la tabella dei prezzi. Un clip di 15 secondi a 720p costa 1,05 $ su Omni 1.2, 1,50 $ su Wan 3.0 e circa 3,47 $ su Seedance 2.5. A 1080p lo stesso clip costa 1,56 $, 3,00 $ e 8,54 $. Alibaba applica anche una promozione di circa il 30% su Wan 3.0, che porta il 1080p fino a 0,14 $ al secondo.
La forbice è di tre volte nel livello più economico e di cinque volte a 1080p, e il modello più economico è in testa in poche categorie.
Dove ogni modello vince davvero
Artificial Analysis, al 6 novembre, colloca Seedance 2.5 al primo posto in 13 delle 20 categorie, inclusi dialogo e sincronizzazione labiale con un punteggio di 1213. Immagine-a-video è la sua modalità più forte. Gemini Omni 1.1 si è classificato ventesimo su venti in anatomia umana e fisica.
Il montaggio è il campo in cui guida Wan 3.0, che vince su montaggi complessi, modifiche agli oggetti ed effetti visivi, mentre Seedance vince su montaggio audio e vocale.
I test con lo stesso prompt provenienti dall'esterno delle aziende sono più rivelatori della classifica. Krea ha eseguito Seedance 2.5 e Wan 3.0 a 720p con seed identici e la riscrittura del prompt disattivata. In un'inquadratura con lo skateboard, Seedance ha mantenuto lo skater sul percorso descritto nel prompt, mentre Wan lo ha mandato verso la camera. In una ripresa unica di 20 secondi che segue un ciclista, Seedance ha tenuto l'inquadratura fino alla fine e Wan ha staccato a 13,6 secondi. Wan ha anche renderizzato i suoi clip di otto secondi circa due volte più velocemente. Il creator YouTube JSFILMZ ha eseguito entrambi i modelli affiancati sugli stessi prompt e pubblicato i risultati.
Omni 1.2 non ha quasi nessun test indipendente finora. Il più vicino è Segmind, che ha eseguito venti test il giorno del lancio e ha definito Omni 1.2 Flash il modello video più preciso nell'eseguire le istruzioni tra quelli testati, adatto a video esplicativi e testo animato. Segmind ha anche rilevato che le persone fotorealistiche apparivano fluttuanti, i volti erano inferiori a Seedance e circa un'istruzione su quattro veniva saltata.
Google stessa ammette che ci sono piccoli cambiamenti dal primo all'ultimo fotogramma e indica le azioni sportive veloci e la fisica complessa come lavori in corso. I loghi di marca nei filmati di partenza possono attivare un blocco per copyright. Ogni clip porta un watermark invisibile SynthID.
Cosa dicono i numeri delle richieste
Le classifiche video di OpenRouter, con dati fino al 6 novembre, mostrano HeyGen Video primo con 65.000 richieste settimanali, Veo 3.1 Lite secondo a 50.000, Seedance 2.5 terzo a 35.000, Wan 3.0 quarto a 31.000 e mischief 1 nono dopo un balzo del 481%.
La quota di mercato per autore è il dato su cui vale la pena soffermarsi. ByteDance detiene il 26,1% delle richieste video, HeyGen il 19,7%, Google il 18,5%, SpaceXAI il 12,2%, Alibaba il 9,3% dopo un calo del 53%, Kwaivgi il 6,0% e MiniMax il 5,0%.

Il modello video più richiesto sul più grande aggregatore è un umano digitale. Nessun lancio di prodotto sta vincendo per volume; lo sono i video esplicativi con persona che parla e i video di formazione. Seedance e Wan guidano la categoria cinematografica, e la loro quota di richieste totali è un errore di arrotondamento accanto al traffico degli avatar.
La domanda che non è cinematografica
Guardate di nuovo dove vanno le richieste. HeyGen Video guida la tabella con 65.000 richieste settimanali, e HeyGen è un'azienda di avatar. I team aziendali di sicurezza e abilitazione hanno iniziato a sostituire le presentazioni guidate dei prodotti dal vivo ricorrenti con video presentatore generati dall'IA, il che, secondo i loro stessi calcoli, fa risparmiare più di 100 ore all'anno per team. L'adozione tra i marketer si aggira intorno al 63% secondo un sondaggio del 2026 citato da Colossyan.
Nel frattempo l'audio nativo è passato da funzionalità a impostazione predefinita in tutta la categoria. Veo 3.1 Audio e la sua variante fast generano un suono abbinato alle immagini, i livelli audio di Kling producono stereo con sincronizzazione labiale migliorata, e lo strumento testo-a-video di Canva produce clip con dialogo ed effetti sincronizzati.
La divisione che ne deriva è utile. Il lavoro con avatar e persona che parla vuole che il personaggio resti coerente, la voce resti stabile e la resa funzioni. Il lavoro cinematografico vuole che l'inquadratura colpisca per otto secondi. Questi sono requisiti diversi e modelli diversi li soddisfano, ed è per questo che una singola classifica che copre entrambi vi dice meno della suddivisione delle richieste.
Cosa è cambiato quando Sora se n'è andata
L'uscita di Sora dal web e dall'app ad aprile e dall'API a settembre ha fatto più che rimuovere un concorrente. Ha ridefinito ciò per cui le persone si aspettano di pagare e ciò che si aspettano sia disponibile, e ha lasciato le piattaforme rimanenti a competere sugli assi che determinano davvero l'uso: quanto può durare un clip, se l'audio arriva con esso e cosa succede al personaggio tra un'inquadratura e l'altra.
Due anni fa, l'impostazione predefinita ragionevole per un nuovo prodotto era costruire sull'API video di OpenAI. Quell'impostazione predefinita è sparita. Qualsiasi cosa costruita su di essa ha bisogno di un sostituto, e i sostituti ora differiscono abbastanza per prezzo e durata che la scelta del modello è una decisione di business più che tecnica.
Il livello dei rivenditori aggiunge un'altra complicazione da considerare nel prezzo. Le tariffe API ufficiali sono il minimo, non il prezzo effettivo di mercato. fal, per esempio, indica Seedance 2.5 a circa il doppio della tariffa BytePlus. I team che fanno test su un marketplace e poi pianificano i budget di produzione su quel numero avranno una sorpresa, e il divario tra prezzi ufficiali e di rivendita è abbastanza ampio da cambiare quale modello sceglie un progetto.
Scegliere con questi numeri
Se il lavoro è dialogo, sincronizzazione labiale o audio, Seedance 2.5 è la scelta più sicura a circa tre volte il prezzo. Se il lavoro è montare un clip esistente, Wan 3.0 è in testa e il suo prezzo promozionale ne fa il costo al secondo più basso della tabella. Se il lavoro è seguire le istruzioni alla lettera in un video esplicativo, Omni 1.2 Flash è quello che i primi tester continuano a lodare, ed è il più economico dei tre a 720p, anche se i test di Segmind richiedevano da 40 a 70 secondi per clip.
Il confronto giusto è il prezzo per clip utilizzabile. Un modello che richiede quattro tentativi per mantenere un volto per una ripresa di 15 secondi costa quattro volte il suo prezzo di listino, e la classifica non può vederlo.
Nessuna delle tre aziende ha pubblicato un confronto cieco, con lo stesso prompt e lo stesso seed, tra tutti e tre i modelli. Finché qualcuno non lo eseguirà, trattate ogni affermazione sulla qualità incrociata dei modelli in questa categoria, comprese quelle in questo articolo, come indicativa.
Una cosa è chiara dai dati sulle richieste. I modelli più economici sono economici solo se l'output supera la revisione, e la revisione è dove vive il costo per la maggior parte dei team che producono video in volume.
Articoli correlati
La spesa in AI non si è fermata: la regge l'1% delle aziende
Il volume di token è cresciuto del 37.1 per cento e i prezzi sono scesi del 26.8: la differenza spiega perché i ricavi dei fornitori sembrano fermi.
Claude ora legge i tuoi estratti conto. Anthropic gli ha tolto le mani di proposito
Il design in sola lettura è il prodotto, e scollegare una banca non ritira ciò che è già finito in una chat.
Adobe ha smesso di chiedere ai marketer di aprire Adobe
Per un decennio la strategia è stata possedere l'interfaccia. Adobe ha appena scommesso il contrario.
CrowdStrike ha rilasciato un kill switch per gli agenti AI. La parte difficile è sapere cosa terminare.
Un kill switch trasforma una supposizione in qualcosa di applicabile. L'applicazione richiede un elenco, e l'elenco è la parte che nessuno ha.