HiDream-O1-Video: 6° posto per image-to-video, prezzi e API

👁 112 letture

Pagina costantemente aggiornata. Situazione all’11 ottobre 2026.

HiDream-O1-Video-1.0 è il modello video dell’azienda di Pechino HiDream.ai che, all’11 ottobre 2026, occupa la sesta posizione nella classifica image-to-video di Artificial Analysis (1175 punti Elo, intervallo 1165-1185). Secondo AA costa circa 5,19 EUR al minuto (5,80 USD; tasso di cambio BCE del 12/10/2026: 1 EUR = 1,1181 USD), risultando più economico di gran parte dei concorrenti di vertice. Il punto critico: l’annuncio parlava di input di testo, immagine e video, ma l’API pubblica accetta unicamente una singola immagine con un’istruzione testuale opzionale.

Cos’è HiDream-O1-Video e chi lo sviluppa

HiDream.ai (in cinese 智象未来) è un’azienda con sede nel distretto Haidian di Pechino, fondata nel marzo 2023. Alla guida c’è il dottor Mei Tao, che ha trascorso 12 anni presso Microsoft Research Asia prima di ricoprire il ruolo di vicepresidente per la computer vision presso JD.com. Il direttore tecnico è Yao Ting. La società si è fatta conoscere con i modelli di generazione visiva (HiDream-I1, E1, O1-Image) e la piattaforma vivago.ai.

I finanziamenti non mancano. Secondo TechNode (18/09/2026), nel luglio 2026 HiDream ha chiuso un round di finanziamento Serie C da 1,5 miliardi di yuan (circa 221,6 milioni di USD / circa 198,19 milioni di EUR, tasso BCE del 12/10/2026), raggiungendo lo status di unicorno. Da aprile 2026 ha raccolto complessivamente oltre 2,1 miliardi di yuan. L’azienda dichiara oltre 30 milioni di utenti, più di 40.000 clienti aziendali e oltre 400 milioni di yuan di ricavi contrattualizzati nel primo trimestre del 2026.

O1-Video-1.0 è il primo modello generativo video della serie O1. Il produttore lo descrive come “nativamente onnimodale” (native omnimodal) e punta su tre elementi chiave:

• Fisica: gravità, inerzia, collisioni, deformazioni, materiali, luce e continuità spaziale.
• Pianificazione prima della generazione: il sistema stabilisce preventivamente lunghezza della scena, scenografia, movimento dei soggetti, mimica facciale, inquadratura, movimenti di camera, dialoghi e audio.
• Durata modulata dal modello: clip comprese tra 5 e 20 secondi a seconda dell’azione e del ritmo della scena, superando i formati rigidi da 5 o 10 secondi.

L’addestramento impiega la tecnica Diffusion RL integrata con un modello di ricompensa multimodale, fondata sull’architettura proprietaria UiT (Unified Transformer). L’azienda non ha pubblicato un paper scientifico specifico per il modello video; il lavoro disponibile su arXiv (2605.11061) è incentrato esclusivamente su O1-Image.

Posizione nella classifica di Artificial Analysis

I punteggi di Artificial Analysis derivano da confronti alla cieca in cui i valutatori confrontano due clip generate dal medesimo materiale e indicano la migliore. HiDream-O1-Video compare esclusivamente nella sezione dedicata a image-to-video (AA-Video-I2V v1.0). Totalizza 1175 punti, con un intervallo di confidenza al 95% fissato tra 1165 e 1185 punti. Rilevamento effettuato l’11 ottobre 2026.

Dati: Artificial Analysis, categoria image-to-video, rilevamento dell’11/10/2026 (conversioni stimate su tasso BCE del 12/10/2026: 1 EUR = 1,1181 USD). Intervalli arrotondati all’intero.

Il grafico usa come base di calcolo 1000 punti (barra = (Elo - 1000) / 2 percento) per evidenziare i divari. Le osservazioni principali:

• I gradini dal 2° al 6° sono in pareggio statistico. HiDream si trova a soli 6 punti da MiniMax H3 e gli intervalli di confidenza di questi cinque concorrenti si sovrappongono parzialmente.
• Soltanto H3 Max è nettamente superiore (1195). L’estremo superiore di HiDream (1185) non incrocia la soglia minima di H3 Max (1186).
• HiDream registra il numero minore di test tra le prime posizioni: 3231 confronti, a fronte dei 15.721 rilevati per Seedance 2.0. Da qui deriva una maggiore ampiezza della forbice.
• Al debutto la posizione stimata era migliore. HiDream dichiarava il quarto posto nella variante AA “I2V With Audio”, mentre la classifica Arena.ai il 30 settembre assegnava al modello il settimo posto con 1456 punti.

Hidream-O1-Video-1.0 by @HiDream_AI just landed in the Image-to-Video Arena at #7 with 1456 pts!

- Arena.ai (@arena) 30 settembre 2026

Specifiche: presentazione iniziale contro API reale

Questo confronto mette a fuoco la divergenza fondamentale. I comunicati stampa del 15 e 17 settembre descrivevano un’architettura in grado di gestire indifferentemente testo, immagini e flussi video. Al contrario, la documentazione dell’API su HiHarness si definisce testualmente come un “single-image-to-video model”. Ecco i dettagli punto per punto.

Fonti: comunicato HiDream (17/09/2026), QbitAI (15/09/2026), specifiche endpoint HiHarness. Questa difformità è stata evidenziata anche da OrcaRouter (10/10) e AlphaSignal (09/10). Approfondimento nell’articolo sull’API di HiDream-O1-Video vincolata all’image-to-video.

Quanto costa HiDream-O1-Video

HiDream non include un listino pubblico per l’uso dell’API di questo modello; l’assenza di dati ufficiali è segnalata anche da OrcaRouter e personalmente non ho rintracciato cifre ufficiali. L’unica indicazione disponibile è il parametro di circa 5,19 EUR (5,80 USD) al minuto riportato da Artificial Analysis (ripreso da AlphaSignal). Applicando tale tariffa, i costi stimati per singola generazione (cambio BCE del 12/10/2026: 1 EUR = 1,1181 USD) sono i seguenti:

Attenzione: lasciando determinare la durata al modello, non puoi sapere a priori l’addebito esatto. Per mantenere il controllo dei costi operativi conviene applicare il parametro force_10s. Un’analisi comparata con gli altri sistemi è disponibile nella guida su quanto costa un secondo di video con l’intelligenza artificiale.

Piani tariffari di vivago.ai

All’interno dell’interfaccia vivago i pagamenti sono gestiti tramite abbonamento in dollari. Prezzi registrati su vivago.ai (rilevamento dell’11/10/2026; stime in euro calcolate al tasso BCE del 12/10/2026 di 1 EUR = 1,1181 USD):

Il consumo di crediti per generare una clip tramite O1-Video su vivago non è verificabile, in quanto non viene dichiarato prima del login alla piattaforma.

Accesso e disponibilità

• vivago.ai - l’interfaccia web di HiDream. Il 30 settembre il profilo ufficiale @vivago_ai affermava che O1-Video era accessibile all’interno di “vivago R1 Studio”. Una successiva nota stampa sul debutto internazionale di vivago R1, datata 9 ottobre, sostiene invece che il modello verrà introdotto con un aggiornamento futuro. Vista la discordanza, prima di attivare un abbonamento verifica con un account gratuito se il modello risulta effettivamente selezionabile.
• HiHarness (hiharness.ai) - la piattaforma per le API sviluppata da HiDream. Il modello è censito tramite la stringa HiDream-O1-Video-1.0. I passaggi di registrazione e gestione pagamenti non sono stati convalidati direttamente per tutti i paesi europei; il comunicato di R1 parla di rilascio globale, ma fa riferimento all’applicazione web e non all’infrastruttura API.
• Piattaforme di terze parti - nessuna integrazione. Alla verifica dell’11/10 il sistema risultava assente da fal.ai, Replicate, WaveSpeed, dalla lista dei 30 modelli video su OpenRouter (endpoint /api/v1/videos/models), Segmind, reAPI, kie, Pollo e Higgsfield.

All three models are now available in vivago R1 Studio

- vivago.ai (@vivago_ai) 30 settembre 2026

Pesi aperti ed esecuzione in locale

Non è possibile scaricare l’architettura video. All’11 ottobre non risultava traccia dei pesi né sulla pagina Hugging Face di HiDream-ai né sul loro profilo GitHub. Il modello è proprietario e accessibile esclusivamente mediante i servizi proprietari del fornitore.

Risulta invece liberamente utilizzabile il generatore di immagini della medesima suite, HiDream-O1-Image, sotto licenza MIT:

• Rilasciato nelle versioni Full e Dev l’8 maggio 2026, seguito dalla variante Dev-2604 il 14 maggio 2026 (scheda tecnica e repository del codice).
• Secondo le specifiche riportate su Hugging Face conta 9 miliardi di parametri e gestisce output fino a 2048 x 2048 pixel.
• Requisiti hardware: la documentazione richiede genericamente una “CUDA GPU”. Adattamenti della community (drbaph) segnalano un fabbisogno di circa 10 GB di VRAM in formato FP8 e 17-20 GB in formato BF16/FP16. Si tratta di stime non verificate direttamente sul mio hardware, da cui si deduce che una scheda grafica da 24 GB sia adatta all’esecuzione.
• La versione Pro (accreditata di oltre 200 miliardi di parametri) rimane proprietaria e non scaricabile.

Il mio test su HiDream-O1-Image (immagini fisse, non video)

È opportuno chiarirlo: questo test riguarda il generatore statico O1-Image, non il motore video O1-Video. Quest’ultimo non è presente sulle piattaforme API esterne né come peso aperto, impedendomi di eseguire render video in autonomia. Ho testato O1-Image (versione integrale) l’11 ottobre 2026 su fal.ai (endpoint fal-ai/hidream-o1-image), configurando 50 passaggi di campionamento, guidance 5 e seed 20261011. La piattaforma applica un costo di 0,01 USD per megapixel (circa 0,0089 EUR al cambio BCE del 12/10/2026); due render sono costati circa 0,018 EUR (0,02 USD). L’obiettivo era verificare l’aderenza al prompt e la resa tipografica con caratteri speciali.

Verdetto dell’esperimento: i segni diacritici e i caratteri speciali presentano imprecisioni occasionali; prima di impiegare un’immagine come fotogramma iniziale per l’animazione video è indispensabile controllare ogni singola lettera. La conformità alle indicazioni generali è buona, sebbene l’algoritmo tenda ad arricchire lo sfondo di propria iniziativa.

Una strategia sensata per contenere i costi: puoi comporre il frame iniziale in locale con O1-Image e demandare la sola animazione all’API di O1-Video. Una panoramica sull’hardware per modelli offline è consultabile nella guida sull’AI in locale, mentre la collocazione di O1-Image rispetto ai concorrenti è analizzata nella classifica dei migliori modelli di immagini open source. Per chi cerca un generatore video a pesi aperti ad alte prestazioni, Artificial Analysis fornisce riferimenti diretti solo per MiniMax H3 (analizzato a seguire) e per MAGI-2.

Come iniziare passo dopo passo

Tramite interfaccia web (vivago)

1. Accedi a vivago.ai/studio e crea un account gratuito.
2. Controlla nell’elenco dei generatori video se HiDream-O1 Video risulta presente (considerando le discordanze riportate in precedenza).
3. Carica l’immagine iniziale, preferibilmente nitida e con un soggetto in primo piano pronto al movimento.
4. Inserisci le istruzioni in lingua inglese, descrivendo l’azione, le interazioni fisiche e i dettagli audio. Puoi delegare la lunghezza temporale al sistema.
5. Avvia l’elaborazione e rifinisci le istruzioni al bisogno. Valuta un piano commerciale solo dopo un risultato soddisfacente.

Tramite l’API di HiHarness

1. Registrati su hiharness.ai e ottieni la tua chiave API.
2. Invia una richiesta HTTP POST includendo il file visivo (come URL o stringa Base64 senza prefisso Data URL, peso ammesso 40 KB - 20 MB).
3. Memorizza l’identificativo task_id restituito dal server.
4. Interroga a intervalli regolari l’endpoint di stato. Il flag result.status = 1 attesta unicamente la conclusione del task; l’esito reale è indicato da task_status all’interno di sub_task_results: 0 indica l’attesa in coda, 1 operazione riuscita, 2 elaborazione in corso, 3 errore di render, 4 blocco da parte dei filtri di sicurezza.
5. Recupera il file multimediale dall’indirizzo presente nel campo url.

Esempio di richiesta tratto dalla documentazione tecnica di HiHarness (sostituisci il token con il tuo e non pubblicarlo in repository aperti):

curl --request POST 'https://hiharness.hidreamai.com/api/maas/gw/v1/videos/generations' \
  --header 'Authorization: Bearer <YOUR_API_KEY>' \
  --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": "my-video-task-001"
  }'

Il payload di risposta contiene il parametro result.task_id. Per prelevare l’output si utilizza la seguente chiamata:

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

Un dettaglio curioso della documentazione tecnica: l’esempio applicativo supporta il campo negative_prompt, sebbene non sia formalmente descritto nella tabella delle proprietà ammesse (documentazione consultata l’11/10/2026). Per suggerimenti e istruzioni ottimizzate puoi fare riferimento alla raccolta su cosa può fare HiDream-O1-Video: esempi pratici.

Confronto con i concorrenti

Classifiche e stime economiche fornite da Artificial Analysis (rilevamento 11/10/2026; stime in euro calcolate al tasso BCE del 12/10/2026: 1 EUR = 1,1181 USD). Presenza su OpenRouter: verifica sui modelli video dell’11/10/2026. Sul piano visivo HiDream si posiziona nella stessa fascia di H3, Vidu Q4, Gemini e Seedance. Nel rapporto qualità-prezzo risulta al terzo posto, preceduto da H3 Max e Vidu Q4. Paga dazio in termini di flessibilità, mancando la conversione da solo testo e l’integrazione presso hub di terze parti. Dettagli nel confronto HiDream-O1-Video vs MiniMax H3 vs Vidu Q4. Un confronto diretto tra vari sistemi sulle stesse inquadrature è stato condotto nella nostra Arena video (in cui HiDream non era presente).

A chi conviene HiDream-O1-Video

• A chi deve animare immagini preesistenti: foto di catalogo, illustrazioni statiche o rendering provenienti da altri sistemi. È l’unica modalità operativa, ma con una resa di primo livello.
• A chi cerca movimenti fisici credibili: rimbalzi, traiettorie, tensioni muscolari e resa delle superfici, fulcro dell’intera architettura.
• A chi impiega localmente il modello O1-Image: un flusso combinato che prevede la creazione visiva in locale e la successiva animazione sul cloud.

Non è la scelta ideale se:

• vuoi generare scene partendo unicamente da un prompt testuale: in tal caso orientati su Wan 3.0 oppure MiniMax H3 Max;
• esigi il pieno controllo sui formati di risoluzione, sulle tracce audio e sulla durata precisa al secondo: le API attuali non permettono queste regolazioni;
• punti al minor costo a fronte della resa più elevata: H3 Max offre punteggi superiori a una tariffa più contenuta.

Per una panoramica completa puoi consultare l’approfondimento su quale generatore video AI scegliere.

Domande frequenti

HiDream-O1-Video è in grado di generare video dal testo?

Secondo i comunicati promozionali sì, ma l’API ufficiale (HiHarness, verificata l’11/10/2026) accetta esclusivamente un’immagine abbinata a un prompt opzionale. Per questo motivo il modello non figura nella classifica text-to-video di Artificial Analysis.

Quanto costa generare con HiDream-O1-Video?

Artificial Analysis indica 5,80 USD al minuto (circa 5,19 EUR al tasso di cambio BCE del 12/10/2026), corrispondenti a circa 0,43 EUR (0,48 USD) per 5 secondi e circa 0,87 EUR (0,97 USD) per 10 secondi. HiDream non ha pubblicato un listino ufficiale.

Si può usare HiDream-O1-Video gratuitamente?

La piattaforma vivago.ai include un profilo Free, ma il volume di generazioni disponibili per O1-Video e l’effettiva presenza del modello non sono confermati, a causa di note informative discordanti tra fine settembre e inizio ottobre.

I pesi di HiDream-O1-Video sono scaricabili per l’uso in locale?

No. Il modello video non è reperibile su piattaforme come Hugging Face o GitHub. L’unico elemento utilizzabile in locale è HiDream-O1-Image (licenza MIT), dedicato alle immagini statiche.

HiDream-O1-Video genera anche il sonoro?

La documentazione commerciale promette un audio nativo perfettamente sincronizzato con il labiale. Tuttavia, l’interfaccia dell’API non contiene opzioni per gestire o esportare tracce audio, rendendo impossibile una convalida empirica.

Qual è la durata massima dei video prodotti?

Secondo le dichiarazioni la durata varia tra 5 e 20 secondi, modulata dal modello. Nell’API puoi scegliere se lasciare decidere la durata all’algoritmo oppure imporre un tempo fisso di 10 secondi tramite il parametro force_10s.

Il modello comprende prompt scritti in lingua italiana?

L’azienda non dichiara le lingue formalmente supportate, né per il testo né per l’eventuale parlato. Per evitare fraintendimenti nell’elaborazione visiva è raccomandabile formulare le istruzioni in inglese.