HiDream-O1-Video: 6.º en el ranking imagen a vídeo y precios

👁 113 lecturas

Página actualizada de forma continua. Estado a 11 de octubre de 2026.

HiDream-O1-Video-1.0 es un modelo de generación de vídeo de la compañía pequinesa HiDream.ai que, a 11 de octubre de 2026, ocupa el 6.º lugar en la clasificación de imagen a vídeo de Artificial Analysis (1175 puntos Elo, intervalo 1165-1185). Según AA, cuesta unos 5,19 € por minuto (5,80 USD), más asequible que la mayor parte de los primeros puestos. El inconveniente: el anuncio prometía entrada de texto, imagen y vídeo, pero su API pública actual solo admite una imagen y una instrucción opcional.

Qué es HiDream-O1-Video y quién está detrás

HiDream.ai (en chino 智象未来) es una empresa radicada en el distrito pequinés de Haidian, registrada en marzo de 2023. La fundó y dirige el Dr. Mei Tao, quien trabajó 12 años en Microsoft Research Asia y posteriormente ejerció como vicepresidente de visión artificial en JD.com. El director técnico es Yao Ting. La empresa ha ganado relevancia por sus modelos de imagen (HiDream-I1, E1, O1-Image) y por su servicio web vivago.ai.

Los fondos no suponen un obstáculo. Según TechNode (18/09/2026), en julio de 2026 HiDream completó una ronda serie C de 1500 millones de yuanes (unos 198,2 millones de euros o 221,6 millones de USD) y alcanzó la condición de unicornio. Desde abril de 2026 ha captado más de 2100 millones de yuanes en total. La firma reporta más de 30 millones de usuarios, más de 40 000 clientes corporativos y unos ingresos comprometidos superiores a 400 millones de yuanes en el primer trimestre de 2026.

O1-Video-1.0 representa el primer modelo enfocado al vídeo de la línea O1. La compañía lo define como «omnimodal nativo» (native omnimodal) y enfatiza tres áreas:

• Física: gravedad, inercia, choques, deformaciones, texturas de materiales, luz y consistencia espacial.
• Planificación previa a la generación: el sistema proyecta primero la duración de la toma, la escenografía, la cinemática de los personajes, la expresión facial, el encuadre, la cámara, los diálogos y el sonido.
• Duración adaptativa: de 5 a 20 segundos según la acción y el ritmo visual, en lugar de tramos fijos e inmutables de 5 o 10 segundos.

El entrenamiento se basó en Diffusion RL junto a un modelo multimodal de recompensa, utilizando la arquitectura UiT (Unified Transformer) desarrollada por HiDream. No han publicado artículo técnico relativo al modelo de vídeo; el documento disponible en arXiv (2605.11061) se centra de forma exclusiva en O1-Image.

Rendimiento y posición en Artificial Analysis

La tabla de Artificial Analysis se fundamenta en evaluaciones a ciegas: los usuarios ven dos vídeos producidos con los mismos parámetros y eligen el mejor. HiDream-O1-Video se clasifica únicamente en el segmento de imagen a vídeo (AA-Video-I2V v1.0). Obtiene 1175 puntos, con un intervalo de confianza al 95 % entre 1165 y 1185. Datos consultados el 11 de octubre de 2026.

Datos tomados de Artificial Analysis, imagen a vídeo (11/10/2026). Conversión orientativa a EUR basada en el tipo de cambio del Banco Central Europeo de 1 EUR = 1,1181 USD del 12/10/2026 (fuente BCE). Rango redondeado a números enteros.

La gráfica sitúa su base en los 1000 puntos (longitud de barra = (Elo - 1000) / 2 en porcentaje) para clarificar los contrastes. Conclusiones directas:

• Del 2.º al 6.º lugar hay un empate técnico. HiDream queda 6 puntos por debajo de MiniMax H3 y los intervalos de incertidumbre de estos cinco modelos se solapan.
• Solo MiniMax H3 Max se distancia con claridad (1195 puntos). El límite superior de HiDream (1185) queda por debajo del mínimo proyectado para H3 Max (1186).
• HiDream registra el menor volumen de votos del grupo de cabeza: 3231 pruebas, frente a las 15 721 acumuladas por Seedance 2.0. De ahí que su horquilla sea tan holgada.
• En su debut marcó cotas superiores. HiDream presumió de un 4.º lugar en el filtro «I2V With Audio» de AA, mientras que Arena.ai le otorgó el 30 de septiembre el 7.º puesto con 1456 puntos en su ranking particular.

Especificaciones: promesas de la presentación vs. API real

Este contraste resulta determinante. Las notas de prensa emitidas a mediados de septiembre describen una herramienta capaz de procesar indistintamente texto, imagen y secuencias de vídeo. No obstante, la documentación técnica en HiHarness lo califica con precisión como «single-image-to-video model» (modelo de imagen única a vídeo). He confrontado ambos escenarios punto por punto:

Fuentes: comunicado oficial de HiDream (17/09/2026), artículo en QbitAI (15/09/2026) y guía de peticiones en HiHarness. Esta misma disparidad la corroboraron medios como OrcaRouter (10/10) y AlphaSignal (09/10). Para profundizar en este desfase, consulta el análisis sobre cómo HiDream-O1-Video se limita en su API a transformar imágenes en vídeo.

Coste y tarifas de HiDream-O1-Video

HiDream no ha divulgado públicamente una lista de precios para su API, detalle confirmado también por OrcaRouter; no he encontrado tarifas de facturación directa. El único dato contrastado son los 5,80 USD por minuto (aprox. 5,19 €) que recoge Artificial Analysis (y replica AlphaSignal). Tomando esa base como referencia (con el cambio orientativo del BCE del 12/10/2026 de 1 EUR = 1,1181 USD), estos serían los costes calculados:

Ten en cuenta que si permites que la IA seleccione la duración de la escena, no sabrás el coste exacto hasta que finalice el renderizado. Si prefieres controlar tu presupuesto, activa el parámetro force_10s. He recopilado más análisis de precios en el informe sobre cuánto cuesta un segundo de vídeo generado por inteligencia artificial.

Precios y planes en vivago.ai

En el portal vivago el acceso funciona mediante suscripción con cobro en dólares. Tarifas vigentes publicadas en vivago.ai (a 11/10/2026):

No he podido verificar el gasto exacto en créditos que exige cada clip de O1-Video en vivago, ya que la plataforma no lo desglosa antes de iniciar sesión.

Disponibilidad en el mercado europeo

• vivago.ai: la interfaz en la nube de HiDream. El 30 de septiembre, la cuenta oficial de @vivago_ai anunció que O1-Video estaba disponible en su herramienta «vivago R1 Studio». Sin embargo, la comunicación sobre el despliegue internacional de vivago R1 del 9 de octubre matizaba que O1-Video llegaría en una actualización próxima («in an upcoming update»). Al ser anuncios contradictorios, te recomiendo acceder con la cuenta gratuita para cerciorarte de que el modelo figura activo en el menú antes de contratar ningún plan.
• HiHarness (hiharness.ai): el entorno de API propio de HiDream. El modelo figura con el identificador HiDream-O1-Video-1.0. No he podido certificar si los métodos de pago habituales en Europa se admiten de forma generalizada; aunque el comunicado de R1 menciona un lanzamiento global, se refería a la aplicación web, no necesariamente al alta técnica en la API.
• Plataformas intermediarias: sin integración por el momento. Con fecha 11/10, no figura en fal.ai, Replicate, WaveSpeed, OpenRouter (analizada su oferta de 30 motores de vídeo en /api/v1/videos/models), Segmind, reAPI, kie, Pollo ni Higgsfield.

Pesos abiertos: opciones para ejecución local

El modelo de vídeo no está disponible para descarga. A fecha de 11 de octubre no se encontraba ni en el perfil de Hugging Face de HiDream-ai ni en el repositorio de GitHub de la firma. Se trata de un sistema propietario que solo opera a través de los servidores de HiDream.

En cambio, el modelo de generación de imágenes de esta gama, denominado HiDream-O1-Image, sí es de código abierto con licencia permisiva MIT:

• Versiones Full y Dev publicadas el 8 de mayo de 2026, junto a la actualización Dev-2604 del 14 de mayo de 2026 (ficha en Hugging Face y código fuente).
• En Hugging Face se documentan 9000 millones de parámetros, soportando resoluciones de salida de hasta 2048 x 2048 píxeles.
• Requisitos técnicos: los creadores solo señalan compatibilidad genérica con «CUDA GPU». La adaptación comunitaria creada por drbaph estima el consumo en torno a 10 GB de VRAM con cuantización FP8 y entre 17 y 20 GB en BF16/FP16. No he verificado personalmente estas cifras de consumo de memoria en local, pero sugieren que una GPU con 24 GB de VRAM bastaría para trabajar con él.
• La versión Pro (con más de 200 000 millones de parámetros) continúa siendo propietaria.

Mi prueba práctica de HiDream-O1-Image (imagen estática, no vídeo)

Conviene dejarlo claro: este test corresponde al modelo para imágenes estáticas O1-Image y no a O1-Video. Como el sistema de vídeo no se halla en plataformas de terceros ni ofrece pesos para descarga, no he elaborado secuencias propias. Ejecuté O1-Image (su variante completa) el 11 de octubre de 2026 usando fal.ai (endpoint fal-ai/hidream-o1-image) con los siguientes ajustes: 50 pasos, escala de guía (guidance) en 5 y semilla 20261011. La plataforma factura 0,01 USD por megapíxel (unos 0,0089 €), por lo que generar estas dos imágenes me costó alrededor de 0,02 USD (aprox. 0,018 €). Examiné dos aspectos: la fidelidad ortográfica con caracteres especiales y el seguimiento de las pautas del prompt.

Conclusión: la tipografía con signos y acentos concretos se aproxima al objetivo pero no alcanza el 100 % de exactitud; en palabras complejas con caracteres especiales suele errar en alguna grafía. Si pretendes utilizar una imagen con texto como fotograma clave de partida para animarla en vídeo, conviene revisar cada rótulo al milímetro. La interpretación semántica global es buena, si bien el modelo tiende a rellenar o inventar fondos si no se acotan de manera estricta.

Una alternativa muy sensata de trabajo para contener costes consiste en renderizar la imagen inicial en local con O1-Image y transferirla a O1-Video mediante la API para animarla. He detallado la puesta a punto de tu equipo para entornos locales en la guía sobre modelos de inteligencia artificial en local; también puedes consultar la posición de O1-Image respecto a sus competidores en la comparativa de modelos abiertos de generación gráfica. Si buscas de forma indispensable un modelo de vídeo de código abierto situado en la élite de los benchmarks, AA únicamente ofrece enlace a los pesos en MiniMax H3 (analizado a continuación) y en MAGI-2.

Cómo empezar a utilizarlo paso a paso

A través del navegador (en vivago)

1. Entra en vivago.ai/studio y date de alta en el plan gratuito (Free).
2. Comprueba si HiDream-O1 Video aparece ya activo en el desplegable de opciones (ten presentes los avisos contrapuestos antes citados).
3. Sube tu imagen de inicio: procura utilizar una toma bien enfocada donde el objeto o sujeto principal que vaya a realizar la acción se distinga claramente.
4. Redacta la escena en inglés: especifica la trayectoria, la dinámica física y el sonido deseado. Deja el campo de duración en automático si prefieres que la IA lo determine.
5. Genera el resultado y refina el prompt. No te aconsejo abonar una tarifa de pago hasta haber obtenido pruebas satisfactorias con el plan inicial.

Mediante la API de HiHarness

1. Regístrate en el portal hiharness.ai y crea tu credencial de API.
2. Lanza una solicitud POST adjuntando la imagen (bien vía URL directa o en formato Base64 sin el encabezado data URL, con un peso de 40 KB a 20 MB).
3. Guarda el valor devuelto en task_id.
4. Realiza peticiones periódicas al endpoint de consulta. La respuesta result.status = 1 solamente confirma la finalización del proceso técnico; el resultado efectivo depende del valor task_status dentro de sub_task_results: 0 (en espera), 1 (con éxito), 2 (procesando), 3 (fallo de generación) y 4 (bloqueado por los filtros de moderación).
5. Descarga el vídeo renderizado desde la dirección web indicada en el campo url.

Petición de ejemplo extraída de la documentación oficial de HiHarness (sustituye el token por tu clave privada y protégela de repositorios abiertos):

curl --request POST 'https://hiharness.hidreamai.com/api/maas/gw/v1/videos/generations' \
  --header 'Authorization: Bearer <TU_CLAVE_API>' \
  --header 'Content-Type: application/json' \
  --data-raw '{
    "model_id": "HiDream-O1-Video-1.0",
    "image": "https://example.com/input.png",
    "prompt": "The subject turns toward the camera, with gentle cinematic motion",
    "negative_prompt": "blur, distortion",
    "request_id": "mi-tarea-video-001"
  }'

El servidor responderá devolviendo tu result.task_id. Para recoger el archivo generado, consulta el estado de esta forma:

curl --get 'https://hiharness.hidreamai.com/api/maas/gw/v1/videos/generations/results' \
  --header 'Authorization: Bearer <TU_CLAVE_API>' \
  --data-urlencode 'task_id=7aa15e3d-dcd6-4c27-9378-87ec97b2fbce'

Un detalle técnico llamativo: el ejemplo del manual incluye la clave negative_prompt, a pesar de que la tabla de parámetros formal no la documenta de forma explícita. Revisión efectuada sobre la documentación el 11/10/2026. Tienes ideas y órdenes listas para este sistema en el artículo sobre ejemplos y capacidades reales de HiDream-O1-Video.

Comparativa directa frente a sus competidores

Rendimiento y costes obtenidos de Artificial Analysis a 11/10/2026. Presencia en OpenRouter verificada ese mismo día en su registro de modelos de vídeo. En fidelidad visual HiDream comparte nivel con soluciones como H3, Vidu Q4, Gemini y Seedance. Por coste se ubica como la tercera opción más competitiva, situándose tras H3 Max y Vidu Q4. Su principal flaqueza es la versatilidad: carece de modo de texto a vídeo y no cuenta con distribución mediante plataformas puente. Tienes un análisis exhaustivo en HiDream-O1-Video frente a MiniMax H3 y Vidu Q4. Puedes consultar asimismo las pruebas comparativas que realicé con idénticos encuadres en la Arena de vídeo generativo (donde HiDream no participó).

¿Para qué tipo de usuario es adecuado?

• Para quienes animan recursos ya existentes: catálogos de producto, conceptos gráficos o tomas generadas con otros sistemas. Es su único caso de uso real en la actualidad, pero su acabado compite de tú a tú con los líderes.
• Para secuencias centradas en cinemática física: movimientos mecánicos, caídas, deformaciones elásticas o rebotes, aspectos en los que la compañía centró su demostración técnica.
• Para el flujo de trabajo junto a O1-Image: una combinación coherente en la que compones la imagen de base en local y delegas la animación a la API externa.

Conviene descartarlo si:

• Trabajas exclusivamente mediante prompts de texto (opta mejor por Wan 3.0 o MiniMax H3 Max).
• Exiges un control riguroso de la resolución final, pistas de sonido personalizables y duraciones calculadas al segundo (su API actual no lo contempla).
• Priorizas maximizar la relación calidad-precio: H3 Max se sitúa por encima en las tablas y ofrece un precio inferior.

Para una perspectiva más global, visita la recopilación sobre los mejores generadores de vídeo mediante IA.

Preguntas frecuentes

¿Admite HiDream-O1-Video la generación a partir de texto?

En su anuncio oficial afirmaban que sí, pero en la API pública de HiHarness (comprobada el 11/10/2026) solo es posible enviar una imagen junto a una instrucción auxiliar. Por esta razón no aparece evaluado en la sección de texto a vídeo de Artificial Analysis.

¿Cuánto cuesta utilizar HiDream-O1-Video?

Artificial Analysis sitúa su precio en 5,80 USD por minuto (aprox. 5,19 €), lo que equivale a unos 0,48 USD (aprox. 0,43 €) por un clip de 5 s y 0,97 USD (aprox. 0,87 €) por uno de 10 s (conversión estimativa según la tasa oficial del BCE de 1 EUR = 1,1181 USD del 12/10/2026). HiDream no ha publicado una tabla tarifaria propia.

¿Existe forma de probarlo gratuitamente?

vivago.ai dispone de una modalidad de registro gratuito (Free), si bien no es posible certificar cuántos clips de O1-Video permite renderizar ni si el modelo está totalmente habilitado para cuentas nuevas, debido a las contradicciones entre sus avisos de finales de septiembre y principios de octubre.

¿Puedo descargar HiDream-O1-Video para usarlo en mi propio servidor?

No. El modelo de vídeo no ha liberado sus pesos en repositorios como Hugging Face o GitHub. La única alternativa descargable de su ecosistema es el generador de imágenes estáticas HiDream-O1-Image, publicado bajo licencia MIT.

¿Incluye audio generado en las tomas?

La presentación aseguraba sonido sincronizado y movimiento labial adaptado al diálogo. Sin embargo, en la documentación de la API no se menciona el audio ni existen parámetros para solicitar pistas sonoras, por lo que no es posible garantizar su operatividad.

¿Qué duración tienen los vídeos generados?

El anuncio fijaba una horquilla de 5 a 20 segundos determinada de forma dinámica por la IA. En el entorno de la API tienes dos opciones: delegar esa decisión en el algoritmo o fijar una duración estricta de 10 segundos indicando el parámetro force_10s.

¿Se pueden introducir prompts en español u otros idiomas?

El proveedor no detalla la compatibilidad lingüística del sistema para prompts ni para síntesis vocal. El método más fiable consiste en formular las instrucciones en inglés. No se ha evaluado la generación de voz en español para este modelo.

// sigue leyendoFLUX 3 Video: precios de API, ranking y prueba a fondoBenchmarksHiDream-O1-Video en su API solo genera vídeo desde imagenNoticiasHiDream-O1-Video frente a MiniMax H3 Max, Vidu Q4 y Seedance 2.0Benchmarks