Benchmark de geração de vídeo por IA tem uma particularidade que muda a leitura: existem quatro rankings distintos, não um. A avaliação separa texto para vídeo de imagem para vídeo, e cada um é medido com e sem áudio. Ignorar essa divisão produz conclusões erradas — o exemplo mais claro está no Seedance 2.0, que lidera imagem para vídeo com áudio e cai para terceiro na mesma categoria sem áudio. A vantagem dele não é qualidade visual: é trilha sonora sincronizada nativa. Na leitura de 17 de agosto de 2026, quem lidera três das quatro tabelas é o Gemini Omni Flash — e por cerca de US$ 0,10 por segundo, um quarto do preço do Veo 3.1, que aparece em 13º lugar.
Video Arena — texto para vídeo com áudio (Elo, 17/08/2026)
Preferência humana. Em violeta, o líder e o Veo 3.1 para contraste de posição.
O líder custa cerca de US$ 0,10 por segundo; o Veo 3.1, em 13º lugar, custa US$ 0,40 — quatro vezes mais.
As quatro tabelas e o que cada uma revela
| Ranking | Líder | Elo | 2º lugar |
|---|---|---|---|
| Texto → vídeo com áudio | Gemini Omni Flash | 1239,1 | MiniMax H3 (1236,6) |
| Texto → vídeo sem áudio | Gemini Omni Flash | 1322,5 | MiniMax H3 (1304,9) |
| Imagem → vídeo com áudio | Seedance 2.0 720p | 1196,9 | MiniMax H3 (1188,7) |
| Imagem → vídeo sem áudio | Gemini Omni Flash | 1366,0 | MiniMax H3 (1351,8) |
Três leituras que só aparecem cruzando as quatro:
- O áudio é o diferenciador do Seedance. Ele ganha onde o som conta e perde duas posições onde não conta. Se o seu vídeo leva locução ou trilha, isso pesa; se leva legenda, não.
- MiniMax H3 é o mais consistente — segundo lugar em todas as quatro. Vale a consideração de quem quer um só fornecedor para tudo.
- Elo com áudio é sistematicamente menor que sem áudio, nas duas categorias. Gerar som sincronizado é mais difícil, e o público percebe.
⚠️ Duas correções ao que circula por aí
A Sora não saiu dos rankings. Muitos artigos afirmam isso, confundindo duas coisas distintas. O modelo segue listado em texto para vídeo, em 12º lugar com Elo 1091,8 — nas variantes Sora 2, Sora 2 Pro e Sora 2 (dezembro). O que se confirma é o desligamento da API em 24 de setembro de 2026, anunciado em março, sem substituto indicado. Ficar no ranking e ter API descontinuada são fatos compatíveis.
O Seedance 2.5 não está em nenhuma das quatro tabelas. Apesar de ser a versão atual da família, ele não tem API pública aberta o suficiente para entrar na arena. Os números do Seedance nos rankings são todos da 2.0. Quem compara “o Seedance mais novo” contra concorrentes está comparando algo que não foi medido — detalhe tratado no artigo do Seedance.
O preço não acompanha o ranking
É a distorção mais útil deste artigo. O Veo 3.1, do Google, está em 13º lugar e custa US$ 0,40 por segundo — quatro vezes mais que o Gemini Omni Flash, do mesmo Google, que lidera três tabelas a cerca de US$ 0,10 por segundo.
Traduzindo para produção real: um vídeo de 15 segundos sai por US$ 1,50 no Veo 3.1 e US$ 0,45 no Omni Flash. Em uma campanha com 200 variações, a diferença passa de US$ 200 — por um resultado que a preferência humana avalia como pior.
Para o Seedance, os preços oficiais da API internacional estão no artigo dedicado: a cobrança é por token, não por segundo, e a variação entre rotas de acesso chega a ordem de grandeza.
Os benchmarks técnicos: VBench
Fora das arenas de preferência, a referência acadêmica é o VBench, que decompõe qualidade de vídeo em dimensões mensuráveis — consistência temporal, suavidade de movimento, aderência ao pedido, qualidade estética, entre outras.
- VBench — 16 dimensões de avaliação
- VBench-2.0 — 18 dimensões agrupadas em 5 categorias
⚠️ Um detalhe metodológico importante: no VBench-2.0, o total é calculado como 0,2 vezes a soma das cinco categorias — ou seja, o peso por dimensão é desigual. Duas dimensões numa categoria pequena influenciam mais o total que duas numa categoria grande. Não é média simples, e comparar o “total” sem saber disso engana.
Vale registrar também que o leaderboard público do VBench-2.0 não está acessível — o espaço de hospedagem retorna erro de autorização. Os papers estão disponíveis; o ranking ao vivo, não.
Como escolher, por caso de uso
- Peça social com locução ou trilha — Seedance 2.0, pela liderança em imagem para vídeo com áudio. É onde ele é objetivamente melhor.
- Volume alto de variações curtas — Gemini Omni Flash. Lidera três tabelas e custa quatro vezes menos que o Veo.
- Animação a partir de imagem de produto — imagem para vídeo é a categoria certa; compare Seedance e MiniMax H3 nela, não no ranking geral.
- Controle de câmera e linguagem cinematográfica — os rankings não medem isso. O Higgsfield agrega vários modelos com essa camada de controle.
- Fluxo já montado sobre a Sora — planeje migração agora. A API desliga em setembro de 2026.
E teste com o seu briefing real antes de fechar volume: Elo mede preferência média sobre prompts genéricos, não desempenho no seu tipo de peça.
Fontes
- Video Arena — texto para vídeo — Artificial Analysis
- Video Arena — imagem para vídeo — Artificial Analysis
- Página de deprecações (desligamento da Sora) — OpenAI
- VBench · VBench-2.0
Leitura das fontes em 17/08/2026.
Leia também
- Modelos de IA em 2026 — panorama com preços e versões
- Seedance · Higgsfield — os produtos desta comparação
- Benchmark de imagem · de áudio
- Benchmark de IA — a definição no glossário
