MiniMax H3 y Alibaba Wan 3.0 lideran los mejores modelos de video con IA en 2026 —con una sorpresa de pesos abiertos
Una nueva clasificación muestra cuáles pueden convertir palabras o fotos en video, cuánto cuestan por segundo y por qué un modelo abierto es ahora la base de la mayoría de los grandes nombres.

Qué cambió en un año
El paisaje del video con IA se ve muy diferente hace doce meses. El audio nativo en los clips generados ya se espera como estándar. Los clips duran entre 15 y 30 segundos. Y, por primera vez, un modelo de pesos abiertos ocupa uno de los tres primeros puestos 1.
Artificial Analysis construyó su ranking usando una señal principal: las puntuaciones Elo de preferencia humana ciega de su Video Arena. Los evaluadores miran dos clips creados a partir del mismo prompt sin saber cuál modelo produjo cada uno, luego eligen el mejor clip 1. La tabla usada es la AA-Video-T2V v2.1, que incluye audio. Hay una tabla separada que mide la calidad de image-to-video .
Kling 3.0 1080p Pro, de Kuaishou, está fijado en 1000 Elo en ambas tablas como punto de anclaje. Las puntuaciones por encima de 1000 significan que los votantes prefirieron ese modelo sobre Kling; las por debajo de 1000 significan que Kling ganó más veces 12. La mayoría de los diez primeros tienen un margen de error alrededor de ±13 a ±15 puntos, así que los puestos tres a ocho forman un grupo apretado en lugar de un orden estricto .
Los cinco principales a primera vista
Wan 3.0, de Alibaba, ocupa el primer puesto en text-to-video con 1175 Elo, respaldado por más de 7600 votos humanos 12. Se lanzó el 24 de agosto de 2026 y puede producir clips de 30 segundos en 1080p a partir de texto plano, PDF y presentaciones . La capacidad de ingerir documentos completos lo distingue: le das una presentación y recibes un video estructurado . Cuesta $0,20 por segundo, pero su puerta de pesos abiertos está cerrada, y cae al undécimo puesto en image-to-video .
Utopai X, desarrollado por el estudio cinematográfico Utopai Studios en Mountain View, queda justo detrás con 1172 Elo en text-to-video y lidera image-to-video con 1151 12. Fue entrenado mediante post-training, o refinamiento tras el lanzamiento, de los pesos de MiniMax H3 . No tiene API pública; el acceso solo se da a través de la plataforma PAI de Utopai a 93 créditos por segundo, desde $15 por 1000 créditos, y los desarrolladores no pueden invocarlo desde su propio código .
MiniMax H3 llega tercero en text-to-video con 1161 Elo y cuarto en image-to-video con 1133 12. Se volvió notable como el primer modelo de pesos abiertos dentro de la élite de los videos . El modelo base es un Transformer de flujo único de 33 mil millones de parámetros que usa un codificador Qwen3-VL de 32 mil millones de parámetros y produce video con sonido estéreo nativo a 32 kHz . MiniMax abrió la API el 31 de julio de 2026 y publicó los pesos el 3 de agosto, a un precio de aproximadamente $0,08 por segundo para la versión 768p . Pero la licencia tiene limitaciones reales: el despliegue en local está bloqueado en EE. UU., la UE, Reino Unido y Corea del Sur, y solo la versión 768p es abierta, no resoluciones mayores . A pesar de esas restricciones, H3 se ha convertido en la base sobre la que muchos otros construyen .
Dreamina Seedance 2.5, de ByteDance, lidera image-to-video con 1161 Elo mientras se sitúa cuarto en text-to-video 12. Se desplegó a partir del 31 de julio de 2026 por Jimeng AI y Doubao Pro, con soporte para clips de hasta 30 segundos que incluyen múltiples referencias de imagen, video y audio . En Artificial Analysis su precio normalizado es de $0,569 por segundo, aunque BytePlus lista unos $0,23 por segundo para generaciones más cortas de 720p, y el acceso regional varía .
Gemini Omni Flash 1.2, de Google, es la entrada más nueva en la tabla, disponible en general desde el 5 de noviembre de 2026 12. Alcanza 1152 Elo en text-to-video y 1086 en image-to-video, ofreciendo calidad similar a menor costo: cerca de $0,104 por segundo en Artificial Analysis, o $0,07 por segundo a 720p según Google . El modelo cubre generaciones de 3 a 15 segundos, lo que lo hace útil cuando necesitas borradores rápidos a precios económicos .
El efecto onda de los pesos abiertos
El lanzamiento abierto de MiniMax H3 desencadenó una ola de productos derivados. HeyGen Video 1, fal's FLUX 3 Max, Pika's Pika H3 Flex y Pruna's P-Video-2-Pro todos entrenan aún más sobre los mismos pesos base 1. Cada uno ajusta el modelo para un caso de uso específico, desde contenido impulsado por avatares hasta formatos para plataformas sociales, compartiendo la misma arquitectura subyacente .
Otros cuatro modelos de la lista también portan licencias abiertas: FLUX 3, de Black Forest Labs, cuyo desarrollador prometió la liberación de sus pesos como código abierto 1; Pika H3 Flex, de apertura restringida; y LTX-2.5 Fast, de Lightricks . Los líderes de pesos cerrados llenan el resto de los diez primeros, incluyendo SkyReels V4, Dreamina Seedance 2.0 y los modelos más avanzados de Google Veo 3.1, que se ubican por debajo en la tabla con 964 y 948 Elo respectivamente mientras cuestan hasta $0,40 por segundo 2.
Qué tan bueno es
Según la Video Arena de preferencia humana ciega de Artificial Analysis (AA-Video-T2V v2.1), MiniMax H3 puntuó 1161 Elo en text-to-video y 1133 Elo en image-to-video, ambos medidos contra un punto de anclaje fijado en 1000 Elo para Kling 3.0 1080p Pro 1. Esas puntuaciones lo situaron dentro del grupo apretado de la élite donde la mayoría de los puestos tres a ocho se solapan dentro de un margen de error de aproximadamente ±13 a ±15 puntos 2. En text-to-video solo cede ante Wan 3.0 y Utopai X, y en image-to-video cede ante Dreamina Seedance 2.5 y Utopai X, pero se mantiene por encima de varios rivales de vanguardia como Gemini Omni Flash 1.2 y FLUX 3 Max . Un Elo mayor significa que los evaluadores eligieron ese modelo con más frecuencia en clips cara a cara generados desde el mismo prompt, así que las cifras de MiniMax H3 lo ubican firmemente entre los principales modelos de video de 2026.
Elo score from blind human preference votes, with Kling 3.0 1080p fixed at 1000 as the reference point. Más alto es mejor. Datos: Artificial Analysis. Gráfico de Herald of AI.

Imagen: artificialanalysis.ai
Los datos clave
- Wan 3.0 encabeza text-to-video con 1175 Elo; MiniMax H3 lidera como el mejor modelo de pesos abiertos
- Utopai X figura cerca de la cima en ambos, text-to-video e image-to-video, pero no tiene API pública
- Los pesos de MiniMax H3 son abiertos para descarga pero bloqueados para uso local en EE. UU., la UE, Reino Unido y Corea del Sur
- Seedance 2.5 lidera image-to-video con 1161 Elo; los precios varían ampliamente según región y resolución
- Gemini Omni Flash 1.2 entró en el ranking el 5 de noviembre de 2026, ofreciendo resultados de vanguardia a menor costo
Fuentes
Si esta noticia te afecta a ti o a tu empresa, o usa algo que te pertenece, pide una corrección o que se retire. Cómo funcionan las solicitudes
Sigue leyendo
Apps y productosGoogle abre TorchTPU, un backend nativo de PyTorch para TPUs en la nubeHerald of AIhttps://github.com/soumith, CC BY-SA 4.0, via Wikimedia Commons
Google abre TorchTPU, un backend nativo de PyTorch para TPUs en la nube
Una nueva pila de código abierto permite a los desarrolladores ejecutar modelos de PyTorch directamente en los chips TPU de Google, reemplazando el antiguo sistema PyTorch/XLA.
Apps y productosGoogle presenta Playground, una plataforma de juegos impulsada por IA donde cualquiera puede crear videojuegosHerald of AI
Google presenta Playground, una plataforma de juegos impulsada por IA donde cualquiera puede crear videojuegos
La nueva plataforma experimental de Google permite a los usuarios crear, jugar y compartir juegos con sencillas instrucciones de texto, sin necesidad de programar.
Empresas y reglasMirendil recauda 1.000 millones de dólares para desarrollar modelos de IA con mayor rapidezHerald of AI
Mirendil recauda 1.000 millones de dólares para desarrollar modelos de IA con mayor rapidez
Una nueva startup fundada por antiguos investigadores de Google DeepMind y Anthropic dice que su plataforma automatizada permite a equipos pequeños construir grandes modelos de IA con rapidez y bajo coste.