Benchmark de geração de vídeo por IA: ranking e custos

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: na leitura de 3 de outubro de 2026, nenhum modelo lidera as quatro tabelas — o Wan 3.0 lidera as duas de texto para vídeo, o MiniMax H3 Max lidera imagem para vídeo com áudio e o Gemini Omni Flash lidera imagem para vídeo sem áudio. E o preço não acompanha a posição: o MiniMax H3 (768p) fica em 4º em texto para vídeo com áudio por US$ 4,80 por minuto, cerca de sete vezes menos que o Seedance 2.5, que aparece em 3º a US$ 34,12. Os números não se comparam com os de 17 de agosto: a tabela de texto para vídeo foi refeita em setembro, com novo conjunto de prompts e de modelos.

As quatro tabelas e o que cada uma revela

Três leituras que só aparecem cruzando as quatro:

• Cada tabela tem a sua régua. Em cada uma, um modelo-âncora vale 1000 por definição: o Kling 3.0 1080p nas duas de texto para vídeo, o Seedance 1.5 pro em imagem para vídeo com áudio e o Wan 2.1 14B em imagem para vídeo sem áudio. Por isso 1368 numa tabela e 1195 em outra não dizem qual modelo é melhor — só vale comparar Elo dentro da mesma tabela.
• MiniMax H3 é o mais consistente. A família aparece entre os cinco primeiros nas quatro tabelas: 4º e 5º em texto para vídeo com áudio, 2º e 3º sem áudio, 1º e 2º em imagem para vídeo com áudio e 5º sem áudio. Vale a consideração de quem quer um só fornecedor para tudo.
• Imagem para vídeo sem áudio é empate de cinco. Do 1º ao 5º (Gemini Omni Flash, Bach 1.0 Pro, Wan 3.0, Vimoo 1.0 e MiniMax H3) cabem 10 pontos de Elo e as faixas de confiança se sobrepõem. Aí a decisão é de preço: o Vimoo 1.0 sai a US$ 3,00 por minuto e o Gemini Omni Flash a US$ 6,00.

⚠️ Duas coisas que mudaram desde agosto

A Sora saiu das tabelas. Na leitura de 17 de agosto, o modelo ainda aparecia em texto para vídeo, em 12º lugar com Elo 1091,8. Hoje nenhuma variante da Sora consta nas quatro tabelas — a de texto para vídeo foi refeita em setembro com novo conjunto de modelos, e não verifiquei se a retirada foi decisão da Artificial Analysis ou consequência do fim da API. Do lado da OpenAI, a página de deprecações lista 24 de setembro de 2026 como data de remoção da Videos API e dos modelos sora-2 e sora-2-pro, anunciada em março e sem substituto indicado. A data já passou: quem tinha fluxo montado sobre a Sora precisa confirmar que migrou.

O Seedance 2.5 entrou nas tabelas — mas só em duas. Em agosto ele não aparecia em nenhuma. Hoje está em texto para vídeo: 3º com áudio (1143) e 4º sem áudio (1102), a US$ 34,12 por minuto, o mais caro entre os oito primeiros. Em imagem para vídeo ele segue ausente, e os números do Seedance ali são todos da 2.0 em 720p: 4º com áudio (1176, empatado do 2º ao 5º) e 7º sem áudio (1339). Quem compara “o Seedance mais novo” em imagem para vídeo 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 18º lugar em texto para vídeo com áudio, 191 pontos abaixo do líder, e custa US$ 24,00 por minuto (US$ 0,40 por segundo) — o dobro do Wan 3.0, que lidera a mesma tabela a US$ 12,00 (US$ 0,20 por segundo). O Gemini Omni Flash 1.1, também do Google, fica em 8º (1114) a US$ 9,12 por minuto, e o MiniMax H3 (768p), em 4º (1138), a US$ 4,80.

Traduzindo para produção real: um vídeo de 15 segundos sai por US$ 6,00 no Veo 3.1, US$ 3,00 no Wan 3.0 e US$ 1,20 no MiniMax H3 (768p). Em uma campanha com 200 variações, a diferença entre o Veo 3.1 e o MiniMax H3 chega a US$ 960 (US$ 1.200 contra US$ 240) — por um resultado que a preferência humana avalia como pior. Os preços são os da Artificial Analysis: custo por minuto de vídeo em 1080p, nas configurações padrão de cada API.

Para o Seedance, a Artificial Analysis converte para US$ 34,12 por minuto (2.5) e US$ 22,45 (2.0) em texto para vídeo. 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 — olhe as tabelas com áudio: Wan 3.0 em texto para vídeo (US$ 12,00 por minuto) e MiniMax H3 Max em imagem para vídeo (US$ 4,80). O Seedance 2.5, 3º em texto para vídeo com áudio, é a opção premium, a US$ 34,12.
• Volume alto de variações curtas — MiniMax H3 (768p): 4º em texto para vídeo com áudio e US$ 4,80 por minuto, contra US$ 12,00 do líder. Em imagem para vídeo sem áudio, o Vimoo 1.0 (US$ 3,00) está no empate do topo.
• Animação a partir de imagem de produto — imagem para vídeo é a categoria certa; compare MiniMax H3 Max, Gemini Omni Flash e Seedance 2.0 nela, não no ranking geral. Lembre que essa tabela ainda está na versão 1.0 e a Artificial Analysis anuncia a 2.0 como “em breve”.
• 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 — a migração é urgente: a data de remoção da API (24 de setembro de 2026) já passou e a OpenAI não indicou substituto.

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 03/10/2026 (Artificial Analysis e OpenAI); os detalhes do VBench seguem como na leitura de 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