66 modelos de imagem e 33 de vídeo: como ler esse catálogo

O catálogo do OpenRouter lista hoje 66 modelos que geram imagem e 33 que geram vídeo. Se você já tentou escolher rolando um leaderboard, conhece a sensação: o ranking diz o que os outros rodaram, não o que você deveria rodar.
Então puxei a prateleira inteira pela API pública de modelos e li como catálogo. Os preços abaixo são a tarifa de token de imagem convertida em dólares por milhão de tokens, ou o preço publicado por segundo de vídeo quando existe. Nada aqui é nota de benchmark. É o formato do mercado.
A prateleira tem oito famílias, não sessenta e seis produtos
Conte as entradas e dá 66. Conte as linhagens e dá mais ou menos oito: a linha GPT Image da OpenAI, a linha Gemini/Nano Banana do Google, o Seedream da ByteDance, a série Image do Qwen, o FLUX da Black Forest Labs, Recraft, Krea e uma cauda longa de avulsos de Sourceful, Microsoft, Meta, Tencent e xAI.
Só a Recraft responde por cerca de dezesseis dos 66, porque vende consistência de estilo como produto: IDs de estilo por requisição, variantes utilitárias, saída vetorial. Não é enchimento, é outro modelo de negócio — você compra um visual consistente, não um modelo. Mesma história com o FLUX, que aparece como FLUX 3 Image, FLUX 3 Image Klein e quatro níveis do FLUX.2, porque pesos abertos e hospedagem via API são dois produtos diferentes dividindo um nome.
Consequência prática: quando você compara “66 modelos de imagem”, está comparando principalmente as estratégias de preço de oito fornecedores. Trate as variantes como níveis dentro de uma família e a decisão encolhe muito.

Imagens: cinco faixas de preço, e o que cada uma compra
Faixa econômica, abaixo de 3 dólares por milhão de tokens de imagem. O Hy Image 3.5 Preview, da Tencent, a 1,6; o Recraft V4.1 Flash a 1,7; o FLUX 3 Image Klein a 1,9; o Muse Image, da Meta, a 2,4. É aqui que você faz exploração e miniatura. O Klein é o interessante porque tem pesos abertos: a API é conveniência, não o produto. O Muse chama atenção por ser agêntico — planeja antes de renderizar, o que importa quando seu prompt é um parágrafo e não uma frase.
Faixa de trabalho, de 4 a 11 dólares. Qwen Image 2.1 Turbo a 4,4; Seedream 5.0 Flash a 4,3; Krea K3 Edit a 7,2; Seedream 5.0 Lite a 8,4; FLUX 3 Image a 9,8; Qwen Image 2.1 Pro a 11,0. A maior parte do tráfego de produção deveria morar aqui. O K3 Edit é o que vale anotar: aceita de uma a oito imagens de referência e é feito para edições pontuais em vez de renders do zero, que é o que a maioria dos pedidos reais é.
Faixa premium, 30 dólares. GPT Image 2.6 Sunburst, GPT Image 2.6 Flare, Gemini Nano Banana 2.1. Os três caem no mesmo número, o que não é coincidência — é um guarda-chuva de preço. Você paga por renderização de texto, layouts densos e consistência entre edições. Se a sua saída tem palavras que precisam estar escritas corretamente, é nessa faixa que isso se resolve.
Faixa especializada, de 38 a 120 dólares. O Microsoft MAI-Image 2.6, a 38, está posicionado para precisão. O Gemini 3 Pro Image, a 120, é vinte vezes a faixa econômica, para edição conversacional com raciocínio acoplado.
A exceção vetorial. O V4.1 Vector da Recraft, a 19, e o Pro Vector, a 50, existem porque SVG é outro entregável, não outro nível de qualidade. Se você precisa de algo que um designer consiga abrir e editar, a comparação de preço com modelos raster não significa nada.
Vídeos: 33 modelos, quatro trabalhos
O preço de vídeo em boa parte não está publicado no catálogo, porque é cobrado por segundo por cada provedor. Onde está, a escada é instrutiva: o Gemini Omni 1.2 Flash roda a 0,023 dólar por segundo em 360p, 0,070 em 720p, 0,104 em 1080p, 0,209 em 4K. Um clipe de quinze segundos em 720p sai por cerca de 1,05 dólar.
Essa escada mostra como a categoria se estrutura. Agrupe os 33 pelo trabalho que fazem e a escolha fica legível.
Texto para vídeo e imagem para vídeo gerais. Gemini Omni 1.2 e 1.1 Flash, Seedance 2.5, Wan 3.0 e 3.0 Prime, Hailuo 3 e 3 Max, Runway Gen-4.5, Kling 3.0 Pro e Standard, Veo 3.1 e seus níveis fast/lite, Grok Imagine Video 1.5. É a parte cheia do mercado, e os diferenciais são duração do clipe, áudio nativo e tratamento de referência, não fidelidade bruta. A proposta do Omni é uma tomada de quinze segundos com áudio, controle de primeiro e último quadro e edição em múltiplos turnos via o ID de um job anterior.
Edição de material existente. O Runway Aleph 2.0 recebe um vídeo e uma instrução em texto e muda algo dentro da tomada. O FLUX Video Edit faz o mesmo. O FLUX Video Upscale amplia. É a categoria menos glamourosa e economicamente mais útil, porque refilmar é o que realmente custa dinheiro.
Humanos falando. Avatar IV e HeyGen Video, da HeyGen, mais os modelos gerais usados com um retrato. Treinamento corporativo, localização, explicadores de produto. Chato, mercado enorme.
Níveis de lote e rascunho. Seedance 2.0 Mini e Fast, Veo 3.1 Fast e Lite, Grok Imagine Video 1.5 Lite, Wan 3.0 Prime. A existência de um nível “fast” em cinco famílias ao mesmo tempo é o sinal real: a indústria aceitou que você gera um rascunho barato, olha, e depois paga por um final.
Como ler a tabela de preços sem se enganar
Três armadilhas, na ordem da frequência com que pegam as pessoas.
Tokens de imagem não são imagens. Uma tarifa de “30 dólares por milhão de tokens de imagem” não diz o custo de uma figura 1024×1024 até você saber quantos tokens aquela resolução consome, e isso varia por modelo. A comparação honesta é uma imagem de teste fixa em qualidade fixa, precificada de ponta a ponta. Quem cita custo por imagem sem dizer a resolução está chutando.
Preço de rascunho não é preço de produção. Um vídeo em 360p a 0,023 dólar por segundo é uma oferta real e uma base terrível para orçar uma campanha. Orce na resolução em que você vai entregar.
Os roteadores automáticos não são modelos. O openrouter/auto e seus irmãos aceitam texto, imagem, arquivo, áudio e vídeo e roteiam por você. Útil quando você não se importa; inútil quando está tentando atribuir custo ou reproduzir um resultado.
O que eu escolheria de fato
Se eu fosse montar um pipeline de imagem esta semana: Seedream 5.0 Flash ou Qwen Image 2.1 Turbo para exploração, Krea K3 Edit para revisões, GPT Image 2.6 Sunburst para qualquer coisa com tipografia e FLUX 3 Klein quando o cliente quiser os pesos. São quatro modelos, três faixas de preço, e cobrem mais ou menos tudo que um time de conteúdo pede.
Para vídeo: Omni 1.2 Flash como padrão, porque quinze segundos com áudio cobrem a maioria dos formatos sociais numa chamada só; Aleph 2.0 para corrigir uma tomada em vez de refilmar; um nível rápido para rascunhos. Depois orce em 1080p e aceite que o número em 360p na sua planilha era ficção.
O ponto mais amplo é que tamanho de catálogo não é escolha. Sessenta e seis modelos com oito linhagens e três faixas de preço significam que o espaço de decisão é pequeno, e a maior parte das entradas existe para atender compras, não o ofício. Escolha a faixa pelo que a saída precisa sobreviver — uma miniatura, um pôster, um outdoor — e o nome do modelo se resolve sozinho.
Artigos relacionados
Uma planilha comunitária de toques que desliga os anúncios dos Android chineses
Não mexe no sistema, não desbloqueia nada, não faz flash de nada. Só vira os botões que os fabricantes já deixaram à mostra. O preço é uma lista que alguém precisa continuar escrevendo.
GPT Image 2.6 manteve o preço por token e elevou a fatura
O GPT Image 2.6 mantém cada tarifa por token do 2.5 e mesmo assim custa mais por imagem, porque boa parte do trabalho acontece agora nos tokens de saída. Onze dias após o lançamento, a estrutura de preços diz mais que o ranking.
Alguém reconstruiu o IDM por fora e anotou o que não tocou
Uma reimplementação em Rust do Internet Download Manager promete 5 vezes a velocidade e 86 idiomas. O documento mais interessante é o parágrafo que explica como ela foi feita sem copiar nada.
Rune é um framework de UI em Rust feito para que um agente possa verificar o próprio trabalho
Rune renderiza sem interface, despeja sua árvore de elementos e aceita entrada roteirizada, o que dá a um agente de código um sinal diffável que um screenshot nunca oferece. O framework está em pré-lançamento e não aceita pull requests.