Los Modelos

Matriz rápida

La tabla de palomitas

De un vistazo: ✓ lo tiene · ✗ no lo tiene · ~ parcial o sin confirmar. Ojo con la diferencia entre las dos columnas de referencias: Refs de imagen = acepta imágenes como "ingredientes" (personaje, objeto, estilo, escena). Refs video / audio = modo omni que además acepta video o audio como referencia (movimiento, voz, timbre). Usar una imagen solo como primer frame NO cuenta como referencia. Pasa el cursor sobre las casillas para ver el detalle.

desliza horizontalmente para ver las 14 columnas →

Modelo	Texto a video	Imagen a video	Refs de imagen	Refs video / audio	Start / end frame	Audio nativo	Voz en español	4K nativo	Más de 15 s	Extiende clips	Edición / V2V	Open source	API pública	En Magnific
Seedance 2.5 ByteDance	✓	✓	✓	✓	✓	✓	✓	✓	✓	✓	✓	✗	✓	✓
Kling 3.0 Kuaishou	✓	✓	✓	✓	✓	✓	✓	✓	✗	~	✗	✗	✓	✓
Gemini Omni Flash Google	✓	✓	✓	~	✗	✓	~	~	✗	✗	✓	✗	✓	✓
MiniMax H3 MiniMax	✓	✓	✓	✓	✓	✓	~	✗	✗	✗	✗	~	✓	✓
Wan 3.0 (beta) Alibaba	✓	✓	✓	✓	~	✓	~	✗	✓	~	✗	~	✗	✗
Veo 3.1 Google	✓	✓	✓	~	✓	✓	✓	✓	✓	✓	✗	✗	✓	✓
HappyHorse 1.1 Alibaba ATH	✓	✓	✓	✗	✗	✓	~	✗	~	✗	✓	~	✓	✓
Wan 2.7 / 2.2 Alibaba	✓	✓	✓	✓	✓	✓	~	✗	✗	✓	✗	✓	✓	✓
Grok Imagine 1.5 xAI	~	✓	~	~	✗	✓	~	✗	✗	✓	✗	✗	✓	✓
LTX-2.5 Lightricks	✓	✓	~	✓	✓	✓	~	✓	✗	✓	✓	✓	✓	✓
Flux 3 Video Black Forest Labs	✓	✓	✓	✓	✓	✓	~	✗	✓	✓	✓	~	✓	✓
Runway Gen-4.5 Runway	✓	✓	✗	✗	~	✗	✗	✗	✗	~	~	✗	✓	✓
Vidu Q3 Shengshu	✓	✓	✓	✗	✓	✓	~	~	✓	✗	✗	✗	✓	✗
Luma Ray3.2 Luma AI	✓	✓	~	✓	✓	✗	✗	✗	✓	~	✓	✗	✓	✓
PixVerse V6 AISphere	✓	✓	✓	✓	✓	✓	~	✗	✗	✗	✗	✗	✓	✓
SkyReels V4 Kunlun / Skywork	✓	✓	✓	✓	✓	✓	~	✗	✗	✗	✓	~	✓	✗
Muse Video Meta	✓	~	~	~	~	✓	~	~	✗	~	~	✗	✗	✗
Sora 2 † OpenAI	✓	✓	~	✓	✗	✓	~	✗	✓	✓	✓	✗	~	✓
Hunyuan 1.5 Tencent	✓	✓	~	✗	~	✗	✗	✗	✗	✗	~	✓	✓	✗
MAGI-2 Preview Sand.ai	✓	✓	✗	✗	~	✓	~	~	✗	~	~	✓	~	✗
Firefly Video Adobe	✓	✓	✓	✓	✓	~	✗	~	✗	✓	✗	✗	✓	✗
Pika 2.5 Pika	✓	✓	~	~	✓	✗	✗	✗	✓	✓	✗	✗	✗	✗
Midjourney Video Midjourney	✗	✓	✗	✗	✓	✗	✗	✗	✓	✓	✗	✗	✗	✗
Total con ✓ de 23 modelos	21	22	13	12	14	17	3	4	9	10	8	4	17	14

† Sora 2 está descontinuado: su API se apaga el 24 de septiembre de 2026 · "Voz en español" = genera diálogo hablado en español de forma nativa · "En Magnific" verificado en el catálogo el 20 ago 2026 · Capacidades de referencias y start/end verificadas contra docs oficiales (ai.google.dev, fal.ai, Alibaba Cloud, bfl.ai, lumalabs.ai, docs de PixVerse/Adobe/Midjourney/OpenAI) el 20 ago 2026

La tabla

23 modelos, cara a cara

23 de 23 modelos · desliza horizontalmente para ver todas las columnas →

Modelo	Versión · fecha	Duración máx	Resolución máx	Audio nativo	Modos y referencias	Open source	Dónde usarlo	Precio aprox (API)	Ranking	Ideal para
Seedance 2.5 ByteDance audio4K	2.5 · 31 jul 2026	30 s en una sola toma, con cambios de escena	4K nativo color 10-bit	Sí — diálogo, SFX, música y lip-sync, 10+ idiomas	T2V, I2V, first/last frame, hasta 50 referencias (imágenes, video, audio, 3D), edición localizada, extensión	No	Dreamina, API BytePlus, Magnific, Higgsfield, OpenArt	~$0.10/s (480p) a ~$2/s (4K con audio)	#2 I2V arena.ai; 2.0 es #1 I2V en Artificial Analysis	Narrativa larga con personajes consistentes; el más completo hoy
Kling 3.0 Kuaishou audio4K	3.0 + Turbo/Omni · 4 feb 2026	15 s (flexible 3–15 s)	4K nativo, 60 fps	Sí — 5 idiomas incl. español; clonación de voz en Omni	T2V, I2V, start/end frame, multi-shot nativo, multi-referencias de personajes, Director Mode (cámara)	No	kling.ai, API, fal, Magnific, Higgsfield	~$0.14/s en fal (Pro); 1080p ≈ $20/min	#9 T2V con audio (AA)	Fotorrealismo y multi-shot; audio en español nativo
Gemini Omni Flash Google audio	Flash · 19 may 2026	10 s	720p nativo (upscale a 1080p); 4K sin confirmar	Sí — siempre incluido, estéreo 48 kHz	Generación + edición conversacional; T2V, I2V, varias imágenes de referencia; sin end frame (la doc oficial excluye interpolación first→last); refs de video/audio anunciadas pero aún no operativas en la API	No	Gemini app, Flow, YouTube Shorts, API, Magnific, Higgsfield, OpenArt	$0.10/s	#1 T2V sin audio (1323) y #2 con audio (AA); #1 arena.ai T2V	Iterar rápido hablándole; el mejor prompt-adherence
MiniMax H3 MiniMax (Hailuo) audioopen parcial	H3 · 31 jul 2026	15 s	2K (2560×1440)	Sí — estéreo en la misma pasada	Omni-modal: T2V, I2V, first/last frame, referencias multimodales, consistencia entre escenas	Parcial — base 33B abierta (768p), pero la licencia excluye EE.UU./UE y el pipeline 2K es cerrado	App Hailuo, API, OpenRouter, fal, Magnific, Higgsfield	~$0.13/s (~$7.80/min)	#1 I2V arena.ai; #2 T2V sin audio (AA)	Físicas creíbles y velocidad; imagen-a-video puntero
Wan 3.0 Alibaba audiobeta	3.0 beta · 6 ago 2026	30 s	1080p	Sí	Omni-Reference documental: acepta PDFs, Excel, PPT y webs como entrada; T2V, I2V, multi-referencias	Prometido; pesos sin confirmar	Alibaba Model Studio; API "coming soon"	sin confirmar	#1 T2V con audio (1247, AA)	Documento-a-video (único); esperar a que abra la API
Veo 3.1 Google audio4K	3.1 + Fast/Lite · oct 2025 (Lite: mar 2026)	8 s + Extend (supera el minuto)	4K	Sí — diálogo multiidioma y SFX	T2V, I2V, first/last frame, referencias de "ingredientes", extend	No	Flow, Gemini API, fal, Magnific, Higgsfield	$0.05/s (Lite) – $0.40/s (Standard)	#12 T2V con audio (AA); media tabla	Extend para piezas largas; 4K asequible con Lite
HappyHorse 1.1 Alibaba (ATH) audio	1.1 · jun 2026 (1.0: abr)	sin confirmar	1080p	Sí — audio+video en un solo transformer	T2V, I2V, reference-to-video con 1–9 imágenes (cara, ropa, entorno, props), video-edit (V2V); generación muy rápida (~38 s por clip 1080p en H100)	Contradictorio entre fuentes — sin confirmar	fal, Magnific, Higgsfield, Alibaba Bailian	$0.14/s en fal	#3 T2V sin audio (1.0, AA)	Calidad top a precio medio; el "caballo negro" de 2026
Wan 2.7 / 2.2 Alibaba audioopen (2.2)	2.7 · abr 2026	15 s	1080p	Sí (2.7) — sincronizado	T2V, I2V, first+last frame nativo (FLF2V), hasta 9 imágenes de referencia (modo 9-grid), audio conductor (driving_audio), continuación de video	2.2 es el rey open weights (Apache 2.0, MoE); 2.7 liberó modelos selectos	fal, Magnific, Higgsfield, local (2.2)	$0.10/s en fal	#5 T2V con audio (AA)	Equilibrio precio/calidad; base open para pipelines propios
Grok Imagine 1.5 xAI audio	Video 1.5 · may–jun 2026	15 s (app); 10 s (API)	720p; 1080p sin confirmar	Sí en la app (música, SFX, canto con lip-sync); en API sin confirmar	Solo I2V (imagen + prompt de movimiento); T2V vía pipeline imagen→video	No	grok.com/imagine, API xAI, fal (5 clips/día gratis), Magnific	$4.20/min (~$0.07/s)	#4 I2V (AA); el más votado del arena	Velocidad brutal (~17 s por clip) y precio; animar imágenes
LTX-2.5 Lightricks audioopen4K	2.5 · 11 ago 2026	10 s, multishot nativo, duración automática	4K HDR nativo	Sí — video+audio en una sola pasada (lip-sync, foley)	T2V, I2V, V2V; clip de 10 s generado en 6.8 s en GB200	Sí — 22B open weights; comercial gratis bajo $10M/año; LTX-2 corre en una RTX 4090	Hugging Face, ComfyUI, LTX API/Studio, Magnific (LTX-2)	$0.08/s (LTX-2.3 en fal)	#1 open weights occidental con audio (AA)	Open source serio con audio; control total local
Flux 3 Video Black Forest Labs	3 · ago 2026	Hasta 20 s	1080p	Sí — video con audio en una pasada	T2V, I2V, hasta 10 imágenes de referencia, keyframe-to-video (transiciones entre momentos), V2V y continuación generativa video+audio	sin confirmar	fal, Magnific, Higgsfield	$0.085/s en fal	#2 T2V arena.ai (1494)	Vigilarlo de cerca: entró directo al top
Runway Gen-4.5 Runway sin audio nativo	4.5 · dic 2025	5–10 s	720p–1080p tier exacto sin confirmar	No — audio vía ElevenLabs integrado	T2V, I2V (first frame); keyframes y V2V anunciados para 4.5 pero sin confirmar disponibles; "References" es del generador de imagen, no del video; desde jul 2026 su app agrega modelos de terceros (model router)	No	runway.com, API propia, Adobe Firefly, Magnific	$0.12/s API; subs $12–95/mes	Fue #1 al salir (dic 2025); ya superado	Control de movimiento fino; flujo pro con suite de edición
Vidu Q3 Shengshu audio	Q3 · ene 2026 (R2V global: abr)	16 s continuos	1080p; 2K/4K premium sin confirmar	Sí — diálogo, SFX y música en una salida	T2V, I2V, reference-to-video multi-referencia (sujetos, entornos, vestuario, props, estilos), 6 efectos cinematográficos	No	App Vidu, API, Replicate, WaveSpeed	~$0.45 por 5 s (720p)	#15 I2V arena.ai	Consistencia por referencias y actuación emocional
Luma Ray3.2 Luma AI sin audio nativo	Ray3.2 · jun 2026	20 s (1080p)	1080p · HDR 16-bit, export EXR	No — ElevenLabs en el ecosistema	T2V, I2V, hasta 16 keyframes por clip, Modify V2 (V2V), reframe con transferencia de actuación	No	App Luma, API, fal, Krea, Magnific	$0.10/s en fal	Fuera del top del arena	Post-producción pro: HDR, EXR y control por keyframes
PixVerse V6 AISphere audio	V6 · 30 mar 2026	15 s	1080p	Sí — con motor multi-shot nativo	T2V, I2V, multi-shot, plantillas y efectos virales	No	App PixVerse, API (desde $100/mes), OpenArt, Magnific	~$0.025/s (Atlas); ~$6.90/min 1080p	Media tabla I2V (AA)	Contenido social rápido y barato en volumen
SkyReels V4 Kunlun / Skywork audio	V4 · mar 2026	15 s multi-shot	1080p, 32 fps	Sí — doble stream video+audio alineado	T2V, I2V, referencias de video/audio, máscaras, inpainting y edición de video unificados	V2/A2 sí (2025); pesos de V4 no publicados	Plataforma SkyReels, API	~$21/min 1080p	#10 T2V con audio (AA)	Editar e inpaintear video, no solo generarlo
Muse Video Meta audiopreview	1.0 · 7 jul 2026	sin confirmar	sin confirmar	Sí — nativo	Primer modelo de video propio de Meta (Superintelligence Labs)	No	Preview cerrado; "próximamente en Meta AI"	sin confirmar	#5 T2V arena.ai a días de salir	Aún no se puede usar; apunta alto
Sora 2 / Pro OpenAI descontinuado	2 · sep 2025 † abr 2026	20 s	1080p	Sí — diálogo y SFX	T2V, input_reference (1 imagen que actúa como primer frame), extensión, edición dirigida, personajes desde video (character assets: MP4 de 2–4 s, hasta 2 por video)	No	Solo API hasta el 24 sep 2026; Magnific aún lo lista. La app cerró el 26 abr 2026	$0.10–0.50/s	#8 T2V arena.ai (aún)	Nada nuevo: migrar antes de septiembre
Hunyuan 1.5 Tencent opensin audio	1.5 · nov 2025	5–10 s	720p nativo (1080p con super-resolución)	No	T2V, I2V, V2V, control por profundidad, estilo por referencia — todo en un checkpoint	Sí, el más abierto — Apache 2.0, 8.3B, corre en ~14 GB VRAM, ComfyUI nativo	Local, fal, Replicate	Gratis en local; céntimos hosteado	Comparado con la generación 2025, no la actual	Experimentar gratis en tu propia GPU
MAGI-2 Preview Sand.ai openpreview	2 · ago 2026	Tomas largas (su especialidad)	sin confirmar	sin confirmar	Open source 24B orientado a duración extendida	Sí — 24B	Recién salido; distribución en curso	sin confirmar	#6 I2V (AA) en preview	Open source para tomas largas; seguirlo
Firefly Video Adobe	Ciclo abr 2026	~5 s por clip	1080p nativo, upscale a 4K	Audio del modelo sin confirmar; suite con Generate Soundtrack/Speech	T2V, I2V, first/last frame; hub con 30+ modelos de terceros (Veo, Gen-4.5, etc.); Generative Extend en Premiere	No	firefly.adobe.com, Premiere Pro, API Firefly Services	Planes CC; tiers con generación ilimitada	Su modelo nativo no compite en el top	Seguridad comercial (datos licenciados) y flujo Premiere
Pika 2.5 Pika sin audio nativo	2.5 · inicios 2026	10 s (hasta 25 s con Pikaframes)	1080p	No nativo — lip-sync con Pikaformance	T2V, I2V, keyframes, efectos (Pikaffects, PikaTwist), extensión de escena	No	pika.art; sin API pública destacada	Gratis 80 créditos/mes; subs	Fuera de los rankings 2026	Efectos virales y juegos visuales baratos
Midjourney Video Midjourney sin audio	V1 (era V8) · jun 2025	5 s, extensible a 21 s	720p (planes de pago); mejoras 2026 sin confirmar	No	Solo I2V (Animate); start + ending frame vía --end; sin T2V directo; Omni Reference (--oref) no es compatible con video	No	Solo midjourney.com; sin API	Subs $10–120/mes (~8× el costo de una imagen)	Sin ranking	Animar la estética Midjourney, nada más

T2V = texto-a-video · I2V = imagen-a-video · V2V = video-a-video · AA = Artificial Analysis Video Arena · precios en USD · † = fecha de cierre

La tabla de palomitas

¿Dudas entre dos? Compáralos

23 modelos, cara a cara