Ranking generatori video AI: Veo 3.1, Kling 3.0, Grok e altri

👁 116 letture

Aggiornamento 28.09.2026: dopo i commenti dei lettori abbiamo realizzato un nuovo ranking sempre aggiornato con le versioni complete dei modelli (Seedance 2.5 e 2.0, MiniMax H3 e H3 Max, Gemini Omni Flash 1.1, FLUX.3, Kling 3.0 Turbo, Veo 3.1) e test del parlato polacco - migliori AI per creare video.

Per un confronto più ampio dei generatori video AI, con i risultati dei miei test, i prezzi in USD e i piani gratuiti: Generatore video AI: classifica dai test e prezzi 2026.

Ranking dei generatori video AI realizzato con due prompt identici dati a sei modelli: Veo 3.1 Fast, Kling 3.0, Seedance 2.0 Fast, Hailuo 2.3, Grok Imagine Video e Wan 3.0. Il primo prompt è caffè versato in una tazza, il secondo un tram giallo e rosso sotto la pioggia al tramonto. Abbiamo generato tutte le clip tramite API OpenRouter il 26 e 27 settembre 2026, ciascuna in un solo tentativo, senza rigenerare. Di seguito 12 video, tempi, costi al centesimo e le nostre valutazioni.

01Google Veo 3: versioni, prezzi API e test sul campoGoogle Veo 3.1 alla prova: versioni Quality, Fast e Lite, costi API al secondo, disponibilità in Google Flow e risultati del nostro test video con audio.Leggi →02Seedance di ByteDance: versioni, prezzi e testSeedance 2.5 è primo nell'image-to-video e quarto nel text-to-video di Artificial Analysis (29 ottobre 2026). Versioni, costi API su OpenRouter e risultati dei miei test.Leggi →03Wan AI: modelli video Alibaba 2.2 gratis e 3.0 cloudWan AI di Alibaba: versioni 2.1, 2.2 e 3.0, dove funzionano, quanto costano e come si comportano nei nostri test con video, prezzi e script.Leggi →

Come abbiamo testato

Entrambi i prompt sono in inglese e identici parola per parola per ogni modello. Sono gli stessi prompt con cui abbiamo precedentemente confrontato Wan 3.0 con Wan 2.2, quindi le clip Wan 3.0 provengono da quel test. Le clip dei cinque modelli rimanenti le abbiamo generate il 27 settembre tramite endpoint video OpenRouter, in formato 16:9, con audio ovunque il modello lo supporti.

• P1, caffè: “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, tram: “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.”

Durata: 4 secondi, perché Veo non ha 5 secondi (solo 4, 6 o 8), e volevamo confrontare clip simili rimanendo nel budget di 4,50 USD. Eccezioni: Hailuo 2.3 in OpenRouter parte da 6 secondi, e Wan 3.0 aveva 5 secondi dal test precedente. Da ogni clip abbiamo estratto con ffmpeg 5 fotogrammi (5%, 28%, 50%, 72% e 95% della durata) e li abbiamo esaminati a piena risoluzione. Abbiamo verificato la traccia audio con il modello faster-whisper medium su CPU, con e senza rilevatore di parlato, e con misurazione del volume.

Abbiamo valutato in scala 0-10 quattro aspetti: aderenza al prompt (camera, luce, ora del giorno, colori del tram), fisica (flusso, livello crescente del caffè, porcellana, movimento del tram), artefatti (forme fuse, testo illeggibile) e audio. Il tempo di generazione è stato misurato dall’invio della richiesta al download del file, con polling ogni 15 secondi (nel test Wan ogni 20 s), quindi il risultato è accurato con una tolleranza di alcuni secondi.

Risultati in una tabella

I costi sono usage.cost dalla risposta OpenRouter, in dollari netti. La colonna “al secondo” divide il costo per la durata effettiva della clip, per questo Kling risulta così costoso: per una clip di 4 secondi ha fatturato 0,63 USD, cioè 5 secondi a 0,126 USD. Il minimo di 5 secondi l’abbiamo descritto anche nel prezzo di Wan 3.0.

Prompt 1: caffè versato in una tazza

Qui si vede la fisica: se il flusso colpisce il centro, se il livello del caffè sale, se la porcellana rimane opaca e se la camera avanza lentamente. Ordine dalla valutazione più alta.

Prompt 2: tram sotto la pioggia

Questo prompt verifica l’aderenza ai dettagli: colori giallo e rosso, tramonto, pioggia, riflessi di lampioni sul selciato, ombrelli e camera fissa su treppiede.

Audio: cosa c’è davvero nella traccia

Cinque dei sei modelli hanno restituito file con traccia audio. Grok ce l’ha, anche se la scheda del modello in OpenRouter non dichiara generazione audio. Hailuo 2.3 non ha audio.

• Nessun parlato. Whisper senza filtro parlato ha “sentito” in ogni clip una frase tipo “Thanks for watching!”. È una nota allucinazione di questo modello su silenzio e rumore, con probabilità di assenza di parlato 0,52-0,84. Dopo aver attivato il rilevatore di parlato (VAD) tutte le trascrizioni tranne una sono risultate vuote.
• Musica nel caffè. Quell’unica eccezione è stata Seedance: il rilevatore ha considerato 3,9 secondi di traccia come voce. L’analisi di frequenza mostra però una sequenza di note D, E, F e C, quindi melodia, non parlato. Wan 3.0 nello stesso prompt ha aggiunto anche una melodia (note G, A, D). Nelle tracce Veo e Kling non c’è questo schema melodico.
• Volume. Grok nel caffè ha una media di -51 dB, praticamente silenzio. Wan nel tram ha una media di -11 dB e picchi a 0 dB, quindi va abbassato prima del montaggio. Le altre tracce hanno medie da -16 a -39 dB.

Conclusioni

• Miglior rapporto qualità-prezzo: Grok Imagine Video. Il più economico (0,28 USD per 4 s), il più veloce (51 s) e il più votato. Abbiamo testato la versione base; in OpenRouter c’è anche Grok Imagine Video 1.5 a 0,14 USD al secondo in 720p, che non abbiamo verificato qui.
• Il più costante: Veo 3.1 Fast. Miglior caffè e buon tram, 52-54 s per clip. Limitazione: solo 4, 6 o 8 secondi e solo 16:9 o 9:16. I dettagli sono nell’hub Veo 3.
• Wan 3.0 mantiene il livello con un tempo oltre tre volte più lungo (170 s), ma è l’unico di questi sei a fare fino a 30 secondi in un’unica esecuzione e parla polacco. La panoramica completa del modello è nell’hub Wan AI.
• Seedance 2.0 Fast si fattura in token video, non in secondi. In pratica è risultato 0,092 USD al secondo; come calcolarlo lo mostriamo nell’hub Seedance.
• Kling 3.0 Standard ha restituito 1080p, anche se avevamo ordinato 720p. È costato però di più al secondo e ha centrato meno bene colori e ora del giorno.
• Hailuo 2.3 in OpenRouter funziona solo in 1080p e da 6 secondi, senza audio. Per bozze veloci preferiremmo Grok.

Due inquadrature sono poche per emettere un verdetto sull’intero modello. Lo stesso modello con un seed diverso può fare una clip migliore o peggiore, e noi abbiamo dato a ciascuno un solo tentativo. Questa è la nostra opinione: per inquadrature realistiche brevi partiremmo da Grok e Veo, e terremmo Wan 3.0 per scene più lunghe e dialoghi in polacco. Un confronto più ampio di strumenti, piani e prezzi è nella guida ai generatori video AI.

Domande frequenti

Qual è il miglior generatore video AI?

Nel nostro test con due prompt identici ha vinto Grok Imagine Video (8,25/10), davanti a Veo 3.1 Fast (8,0) e Wan 3.0 (7,75). Le differenze nei primi quattro sono piccole, quindi vale la pena provare il modello sulla propria inquadratura.

Qual è il generatore video AI più economico?

Tramite OpenRouter il più economico è stato Grok Imagine Video: 0,28 USD per 4 secondi in 720p con audio. Il più costoso al secondo è risultato Kling 3.0 Standard, perché per una clip di 4 secondi ha fatturato 5 secondi.

Quale modello genera video più velocemente?

Grok e Veo 3.1 Fast hanno restituito la clip in 50-54 secondi. Kling ha impiegato circa 114 secondi, Seedance 106-164 s, mentre Hailuo e Wan 3.0 circa 3 minuti.

Questi modelli generano audio?

Veo 3.1 Fast, Kling 3.0, Seedance 2.0 Fast, Wan 3.0 e Grok Imagine Video hanno restituito file con audio. Hailuo 2.3 non ha audio. In nessuna clip è apparso parlato, ma Seedance e Wan hanno aggiunto musica al caffè.

// continua a leggereGemini Omni 1.2 vs Seedance, Kling, Veo e Wan: test video AIBenchmarkKling 4.0 in italiano: cosa funziona e come creare videoNotizieAgnes Video 2.5: conviene il generatore video AI più economico?Benchmark