Arena video AI: Wan 3.0, Kling, Seedance, Veo, H3 e Runway

👁 119 letture

Su cinque scene identiche il modello migliore è risultato Wan 3.0 (media 8,8/10), seguito da vicino da MiniMax H3 Max (8,4/10). Entrambi sono stati gli unici a scrivere correttamente sulla lavagna la frase di test (traduzione dall’originale polacco: “BARCA GIALLA”), e Wan lo ha fatto a circa 0,19 EUR (0,21 USD) per clip, il costo più basso dell’intero test. Le prestazioni peggiori sono state quelle di Veo 3.1 Lite (assenza di movimento della telecamera e caratteri cirillici al posto delle lettere polacche) e Runway Gen-4.5, che tramite API non genera affatto audio. Tra le novità al vertice dei generatori da immagine a video troviamo Vidu Q4 Preview: entrerà nell’Arena non appena avrò preparato i fotogrammi iniziali, non avendo una modalità testo-video. L’11 ottobre ho sottoposto alle stesse scene HappyHorse 1.1 di Alibaba (media di 6,1/10 su quattro scene senza parlato): risultati e clip nell’articolo su HappyHorse vs Wan 3.0, Seedance e MiniMax. Sempre l’11 ottobre ho valutato sulle stesse scene FLUX 3 Video: media di 8,9/10, con parlato in polacco e caratteri polacchi senza errori (tassi BCE del 12/10/2026: 1 EUR = 1,1181 USD; fonte: https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml).

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.

Risultati: tabella comparativa

Punteggi su scala da 0 a 10. La media considera tutte e cinque le scene, perciò un modello sprovvisto di audio riceve 0 per la scena con il parlato in polacco.

Costi stimati e parametri delle clip in questa tornata di test (conversioni basate sul tasso BCE del 12/10/2026, 1 EUR = 1,1181 USD):

Conclusioni principali:

• Testo nel fotogramma: è la prova che ha creato il maggior divario. La prima riga “ARENA WIDEO 2026” è stata generata da tutti i modelli, mentre i caratteri polacchi della seconda riga sono stati resi correttamente solo da Wan 3.0 e H3 Max.
• Movimento della telecamera: Kling, Wan e H3 Max hanno eseguito un’orbita completa dalla parte anteriore a quella posteriore della moto. Veo 3.1 Lite è rimasto praticamente fermo.
• Fisica dell’acqua: solo Wan ha riprodotto l’intera sequenza in modo realistico - riempimento, traboccamento e formazione della pozzanghera nell’ordine corretto.
• Prezzo: il risultato migliore non è stato il più costoso. Wan 3.0 a 480p costa circa 0,19 EUR (0,21 USD) per 5 secondi, contro circa 0,46 EUR (0,52 USD) di Seedance 2.5 alla stessa risoluzione.

Scena 1: movimento della telecamera

Criteri di valutazione: fluidità della rotazione a 180 gradi, stabilità della moto e dello sfondo, riflessi nelle pozzanghere.

A smooth 180-degree camera orbit around a vintage red motorcycle parked on a wet cobblestone street in an old European town at blue hour. The camera circles steadily from the front of the motorcycle to its back at a constant speed. Street lamps reflect in the puddles, light drizzle. The motorcycle keeps its exact shape and details. Realistic cinematic footage, real-time motion, no text, no logos.

Scena 2: parlato in polacco

Criteri di valutazione: chiarezza della frase polacca (analizzata con faster-whisper large-v3, calcolo WER), sincronizzazione labiale, accento. Nota: il test è stato condotto specificamente sulla lingua polacca.

La Scena 2 riprende lo stesso prompt della sessione del 28.09.2026 (faster-whisper large-v3, WER calcolato previa conversione dei numeri in lettere). Una nuova clip è stata generata solo per Veo 3.1 Lite. Le trascrizioni complete e i dati degli altri modelli (Veo 3.1, Gemini Omni Flash, Grok Imagine) si trovano nella classifica generale dei modelli video.

Primo piano medio di una donna sui trent'anni seduta al tavolo della cucina, che guarda dritto nella telecamera. Dice chiaramente e con calma in polacco: (traduzione dall'originale polacco: "A Szczebrzeszyn un maggiolino ronza nella canna, e io pago trentadue unità di valuta polacca originale.") Luce naturale da una finestra, telecamera statica, realistico, niente sottotitoli, nessun testo sullo schermo, nessuna musica.

Scena 3: testo sulla lavagna

Criteri di valutazione: corrispondenza esatta del testo generato rispetto al prompt, compresi i caratteri diacritici speciali della lingua polacca.

Primo piano di una lavagna scolastica verde in un'aula illuminata dal sole. Una mano finisce di scrivere con gesso bianco. La lavagna mostra chiaramente esattamente due righe di testo in lettere maiuscole: prima riga (traduzione dall'originale polacco: "ARENA VIDEO 2026"), seconda riga (traduzione dall'originale polacco: "BARCA GIALLA"). Telecamera statica, realistico, polvere di gesso nella luce, nessun altro testo.

Scena 4: fisica dell’acqua

Criteri di valutazione: flusso continuo, schizzi, innalzamento progressivo del livello dell’acqua, traboccamento coerente sul tavolo ed evitare la scomparsa improvvisa del liquido.

Static close-up on a wooden kitchen table in daylight. Water is poured from a glass pitcher into an empty clear drinking glass. The stream splashes, bubbles rise, the water level rises steadily until the glass overflows and water spills onto the table and spreads into a puddle. Real-time speed, no slow motion, realistic physics, no text.

Scena 5: continuità del personaggio tra inquadrature

Criteri di valutazione: mantenimento del volto, capelli, occhiali, cappotto e zaino dopo il taglio netto.

Two shots separated by one hard cut. Shot 1: wide shot of a young woman with short red hair, round black glasses, a yellow raincoat and a black backpack walking along a rainy city street at night with neon reflections on the wet pavement. Hard cut. Shot 2: close-up of the same woman with the same short red hair, the same round black glasses and the same yellow raincoat as she stops under a shop awning and looks up at the rain. Realistic, cinematic, no text.

Metodologia di test

• Ciascun modello ha ricevuto lo stesso prompt in lingua inglese (fatta eccezione per la frase sulla lavagna e la battuta parlata che erano in polacco), formato 16:9, nessuna immagine di partenza (text-to-video puro), un solo tentativo senza generazioni multiple né selezioni della resa migliore.
• Durata standard di 5 secondi. Le discrepanze dipendono dalle impostazioni API: Veo 3.1 Lite accetta solo 4, 6 o 8 secondi (impostato a 6 s), mentre Runway Gen-4.5 è stato impostato a 4 s per vincoli di budget.
• Risoluzione: Seedance 2.5, Wan 3.0 e H3 Max a 480p; Kling, Veo e Runway a 720p (la minima disponibile). Kling 3.0 Standard restituisce comunque un file 1080p.
• Valutazione qualitativa: analisi integrale del filmato e comparazione affiancata di 4 fotogrammi chiave (all’8%, 35%, 62% e 92% della durata totale). La scritta sulla lavagna viene analizzata all’ultimo fotogramma a piena risoluzione.
• Analisi del parlato: trascrizione via faster-whisper large-v3 con modello in lingua polacca e calcolo del WER (Word Error Rate) previa normalizzazione dei numeri in lettere.
• Costi: parametro usage.cost estratto dai log di risposta di OpenRouter, in USD, tasse escluse (stime in EUR calcolate al cambio BCE del 12/10/2026: 1 EUR = 1,1181 USD).
• I file video incorporati in questa pagina sono codificati in H.264 (fino a 1280 px) e vengono caricati solo al click per risparmiare banda.

Modelli esclusi da questo test e motivazioni

• Kling 4.0 e 4.0 Flash: annunciati per ottobre, ma all’8.10.2026 non risultavano né endpoint API ufficiali né un listino pubblico. Sarà integrato appena presente via API. Per approfondire: Kling 4.0.
• Sora 2: endpoint API deprecato il 24.09.2026, applicazione ritirata ad aprile 2026.
• Veo 3.1 (versione completa) e Gemini Omni Flash: la versione completa di Veo richiede 0,40 USD al secondo con audio, mentre Omni Flash non è accessibile tramite OpenRouter. I relativi dati della tornata del 28.09 sono reperibili nella classifica generale dei generatori video.
• Kling 3.0 Pro: omesso per contenere i costi (circa 0,50 EUR ovvero 0,56 USD per 5 s privi di audio). Un approfondimento image-to-video con Kling 3.0 Pro è disponibile nella guida a Kling AI.

Domande frequenti

Quale generatore video AI gestisce meglio i caratteri complessi e speciali?

Nel test specifico solo Wan 3.0 e MiniMax H3 Max hanno riprodotto correttamente la scritta complessa del test originale polacco (traduzione dall’originale polacco: “BARCA GIALLA”). Kling, Seedance, Veo 3.1 Lite e Runway hanno inserito caratteri cechi, tedeschi o cirillici errati.

Qual è il modello video AI più economico?

Tra quelli analizzati il costo unitario più basso è di Veo 3.1 Lite (circa 0,16 EUR / 0,18 USD per 6 s senza audio), risultando però il peggiore qualitativamente. Il miglior bilanciamento prezzo/prestazioni appartiene a Wan 3.0: circa 0,19 EUR (0,21 USD) per 5 s a 480p.

Kling 4.0 è disponibile via API?

All’8 ottobre 2026 no. Esiste una versione 4.0 Flash all’interno dell’app di Kling per una parte dei titolari di abbonamento Ultra. I portali di terze parti che promettono “Kling 4 API” reindirizzano le richieste verso release precedenti.

È ancora possibile utilizzare Sora di OpenAI?

No. L’interfaccia web di Sora è stata chiusa il 26 aprile 2026 e l’API di Sora 2 è stata disattivata il 24 settembre 2026 senza eredi annunciati.

Con quale frequenza viene aggiornata l’Arena video?

L’Arena viene rieseguita all’arrivo di ogni nuova release accessibile via API; il candidato principale per il prossimo ciclo è Kling 4.0.

Fonti e data di verifica

• Listini e parametri operativi: OpenRouter, elenco modelli video (8.10.2026).
• Kling 4.0: Note di rilascio Kling.
• Dismissione Sora 2 API: OpenAI, deprecazioni documentate.
• Tassi di cambio BCE: Banca Centrale Europea, 12.10.2026.

// continua a leggereKling 4.0 in italiano: cosa funziona e come creare videoNotizieRanking generatori video AI: Veo 3.1, Kling 3.0, Grok e altriMagazineFLUX 3 Max vs Kling, Seedance, Veo e Wan: Arena VideoStrumenti IA