Ranking generadores vídeo IA: Veo 3.1, Kling 3.0, Grok y más

👁 118 lecturas

Actualización 28.09.2026: tras los comentarios de los lectores, hemos creado un nuevo ranking actualizado constantemente con versiones completas de los modelos (Seedance 2.5 y 2.0, MiniMax H3 y H3 Max, Gemini Omni Flash 1.1, FLUX.3, Kling 3.0 Turbo, Veo 3.1) y prueba de habla polaca - los mejores IA para crear vídeos.

Para una comparativa más amplia de generadores de vídeo con IA, con los resultados de mis pruebas, precios en USD y planes gratuitos: Crear vídeos con IA: el mejor generador según mis pruebas.

Este ranking de generadores de vídeo IA lo hemos realizado con dos prompts idénticos que dimos a seis modelos: Veo 3.1 Fast, Kling 3.0, Seedance 2.0 Fast, Hailuo 2.3, Grok Imagine Video y Wan 3.0. El primer prompt es café vertiéndose en una taza, el segundo es un tranvía amarillo y rojo de Varsovia bajo la lluvia al atardecer. Generamos todos los clips a través de la API de OpenRouter los días 26 y 27 de septiembre de 2026, cada uno en un solo intento, sin volver a lanzar. A continuación, 12 vídeos, tiempos, coste exacto y nuestras valoraciones.

01Veo 3 de Google: versiones, precios y test a fondoAnalizamos Veo 3 y 3.1 de Google: versiones Quality, Fast y Lite, precios de API, planes de suscripción y prueba de rendimiento frente a otros modelos.Leer →02Seedance 2.5 y 2.0: precios, ranking y pruebasSeedance 2.5 ocupa el tercer puesto en texto a vídeo de Artificial Analysis. Repasamos sus versiones, precios por tokens y resultados de pruebas realizadas en polaco.Leer →03Wan AI de Alibaba: modelos 2.2 gratis y 3.0 en la nubeWan AI de Alibaba: versiones 2.1, 2.2 y 3.0, dónde funcionan, cuánto cuestan y cómo rinden en nuestras pruebas con vídeos, precios y script de generación.Leer →

Cómo hicimos las pruebas

Ambos prompts están en inglés y son idénticos palabra por palabra para cada modelo. Son los mismos prompts con los que anteriormente comparamos Wan 3.0 con Wan 2.2, así que los clips de Wan 3.0 los tomamos de esa prueba. Los clips de los cinco modelos restantes los generamos el 27 de septiembre a través del endpoint de vídeo de OpenRouter, en formato 16:9, con audio en todos los casos donde el modelo lo soporta.

• P1, café: «Close-up of hot coffee being poured into a white ceramic cup on a wooden kitchen table, steam rising, morning sunlight through the window, shallow depth of field, slow gentle camera push-in, realistic.»
• P2, tranvía: «A yellow and red Warsaw tram passing along a rainy street at dusk, reflections of street lights on wet cobblestones, people with umbrellas on the sidewalk, static camera on a tripod, cinematic realistic footage.»

Duración: 4 segundos, porque Veo no tiene 5 segundos (solo 4, 6 u 8), y queríamos comparar clips similares y mantenernos dentro del presupuesto de 4,50 USD. Excepciones: Hailuo 2.3 en OpenRouter empieza desde 6 segundos, y Wan 3.0 tenía 5 segundos de la prueba anterior. De cada clip extrajimos con ffmpeg 5 fotogramas (5%, 28%, 50%, 72% y 95% de la duración) y los revisamos en resolución completa. Comprobamos la pista de audio con el modelo faster-whisper medium en CPU, con detector de voz y sin él, y con medición de volumen.

Evaluamos en una escala de 0-10 cuatro aspectos: conformidad con el prompt (cámara, luz, hora del día, colores del tranvía), física (chorro, nivel creciente del café, porcelana, movimiento del tranvía), artefactos (formas que se funden, texto ilegible) y audio. El tiempo de generación lo medimos desde el envío de la solicitud hasta la descarga del archivo, consultando cada 15 segundos (en la prueba de Wan cada 20 s), por lo que el resultado es preciso con una tolerancia de varios segundos.

Resultados en una tabla

Los costes son usage.cost de la respuesta de OpenRouter, en dólares netos. La columna «por segundo» divide el coste entre la duración real del clip, por eso Kling sale tan caro: por un clip de 4 segundos cobró 0,63 USD, es decir, 5 segundos a 0,126 USD. El mínimo de 5 segundos también lo describimos en el precio de Wan 3.0.

Prompt 1: café vertiéndose en una taza

Aquí se ve la física: si el chorro cae en el centro, si el nivel del café sube, si la porcelana permanece opaca y si la cámara avanza lentamente. Orden de mayor a menor puntuación.

Prompt 2: tranvía de Varsovia bajo la lluvia

Este prompt comprueba la obediencia en los detalles: colores amarillo y rojo, atardecer, lluvia, reflejos de farolas en el adoquinado, paraguas y cámara fija en trípode.

Audio: qué hay realmente en la pista

Cinco de los seis modelos entregaron archivo con pista de audio. Grok la tiene, aunque la ficha del modelo en OpenRouter no declara generación de audio. Hailuo 2.3 no tiene audio en absoluto.

• No hay voz en ninguno. Whisper sin filtro de voz «escuchó» en cada clip una frase del estilo «Thanks for watching!». Es una alucinación conocida de este modelo sobre silencio y ruido, con probabilidad de ausencia de voz de 0,52-0,84. Tras activar el detector de voz (VAD), todas las transcripciones salvo una quedaron vacías.
• Música en el café. Esa única excepción fue Seedance: el detector consideró 3,9 segundos de la pista como voz. Sin embargo, el análisis de frecuencias muestra una secuencia de notas D, E, F y C, es decir, una melodía, no voz. Wan 3.0 en el mismo prompt también añadió melodía (notas G, A, D). En las pistas de Veo y Kling no hay ese patrón melódico.
• Volumen. Grok en el café tiene una media de -51 dB, prácticamente silencio. Wan en el tranvía tiene una media de -11 dB y picos a 0 dB, por lo que antes del montaje hay que bajarlo. Las demás pistas tienen una media de -16 a -39 dB.

Conclusiones

• Mejor relación calidad-precio: Grok Imagine Video. El más barato (0,28 USD por 4 s), el más rápido (51 s) y el mejor valorado. Probamos la versión básica; en OpenRouter también está Grok Imagine Video 1.5 a 0,14 USD por segundo en 720p, que no probamos aquí.
• El más equilibrado: Veo 3.1 Fast. El mejor café y buen tranvía, 52-54 s por clip. Limitación: solo 4, 6 u 8 segundos y solo 16:9 o 9:16. Los detalles están en el hub Veo 3.
• Wan 3.0 mantiene el nivel con un tiempo más de tres veces mayor (170 s), pero es el único de estos seis que hace hasta 30 segundos en una sola pasada y habla en polaco. La revisión completa del modelo está en el hub Wan AI.
• Seedance 2.0 Fast se factura en tokens de vídeo, no en segundos. En la práctica salió a 0,092 USD por segundo; cómo calcularlo lo mostramos en el hub Seedance.
• Kling 3.0 Standard entregó 1080p, aunque pedimos 720p. Sin embargo, costó más por segundo y fue el que peor acertó con colores y hora del día.
• Hailuo 2.3 en OpenRouter solo funciona en 1080p y desde 6 segundos, sin audio. Para bocetos rápidos preferiríamos Grok.

Dos tomas son pocas para emitir un veredicto sobre todo el modelo. El mismo modelo con otra semilla aleatoria puede hacer un clip mejor o peor, y nosotros dimos a cada uno un solo intento. Esta es nuestra opinión: para tomas cortas realistas empezaríamos con Grok y Veo, y guardaríamos Wan 3.0 para escenas más largas y diálogo en polaco. Una comparación más amplia de herramientas, planes y precios está en la guía de generadores de vídeo IA.

Preguntas frecuentes

¿Qué generador de vídeo IA es el mejor?

En nuestra prueba con dos prompts idénticos ganó Grok Imagine Video (8,25/10), seguido de Veo 3.1 Fast (8,0) y Wan 3.0 (7,75). Las diferencias en el cuarteto de cabeza son pequeñas, así que vale la pena probar el modelo con tu propia toma.

¿Qué generador de vídeo IA es el más barato?

A través de OpenRouter el más barato fue Grok Imagine Video: 0,28 USD por 4 segundos en 720p con audio. El más caro por segundo resultó Kling 3.0 Standard, porque por un clip de 4 segundos cobró 5 segundos.

¿Qué modelo hace vídeo más rápido?

Grok y Veo 3.1 Fast entregaban el clip en 50-54 segundos. Kling necesitó unos 114 segundos, Seedance 106-164 s, y Hailuo y Wan 3.0 alrededor de 3 minutos.

¿Estos modelos generan audio?

Veo 3.1 Fast, Kling 3.0, Seedance 2.0 Fast, Wan 3.0 y Grok Imagine Video entregaron archivos con audio. Hailuo 2.3 no tiene audio. En ningún clip apareció voz, pero Seedance y Wan añadieron música al café.

// sigue leyendoMejores generadores de música IA en 2026: Suno v6 y ranking EloBenchmarksGemini Omni 1.2 frente a Seedance, Kling, Veo y WanBenchmarksLip sync con IA: OmniHuman 2 frente a H3 Max, Kling y FabricBenchmarks