MiniMax H3, Alibaba Wan 3.0 guidano i migliori modelli AI video del 2026 — con una sorpresa open-weight
Una nuova classifica mostra quale AI può trasformare le tue parole o foto in video, quanto costa al secondo e perché un modello open è ormai la base per la maggior parte dei grandi nomi.

Cosa è cambiato in un anno
Il panorama dell'AI video appare molto diverso da dodici mesi fa. L'audio nativo nelle clip generate è ora atteso come standard. Le clip durano comunemente tra i 15 e i 30 secondi. E per la prima volta, un modello open-weights si trova nel top tre 1.
Artificial Analysis ha costruito la sua classifica usando un segnale principale: punteggi Elo di preferenza umana in cieco tratti dalla sua Video Arena. I valutatori guardano due clip prodotte dallo stesso prompt senza sapere quale modello abbia prodotto ciascuna, poi scelgono la clip migliore 1. La board è l'AA-Video-T2V v2.1, che include l'audio. Una board separata valuta la qualità image-to-video .
Kling 3.0 1080p Pro, realizzato da Kuaishou, è fissato a 1000 Elo su entrambe le board come punto di riferimento. Punteggi sopra 1000 significano che gli elettori hanno preferito quel modello rispetto a Kling; punteggi sotto 1000 indicano che Kling ha vinto più spesso 12. La maggior parte delle voci nel top dieci presenta un margine d'errore intorno a ±13-±15 punti, quindi le posizioni da tre a otto formano un gruppo compatto piuttosto che un ordine rigido .
Il top cinque in sintesi
Wan 3.0 di Alibaba occupa il primo posto nella categoria text-to-video con un Elo di 1175, basato su oltre 7.600 voti umani 12. È stato lanciato il 24 agosto 2026 e può produrre clip da 30 secondi a 1080p a partire da testo semplice, PDF e presentazioni . La capacità di elaborare documenti interi lo distingue: invii una presentazione e ricevi un video strutturato in risposta . Costa 0,20 dollari al secondo, ma il suo modello open-weights resta chiuso e si posiziona all'undicesimo posto su image-to-video .
Utopai X, sviluppato dallo studio cinematografico Utopai Studios di Mountain View, si piazza subito dietro a 1172 Elo su text-to-video ed è primo in image-to-video a 1151 12. È stato addestrato mediante post-training, ovvero affinamento dopo il rilascio, dei pesi MiniMax H3 . Non esiste un'API pubblica; l'accesso avviene solo tramite la piattaforma PAI di Utopai, che costa 93 crediti al secondo, partendo da 15 dollari per 1.000 crediti, e gli sviluppatori non possono chiamarla dal proprio codice .
MiniMax H3 arriva terzo su text-to-video a 1161 Elo e quarto su image-to-video a 1133 12. È diventato notevole come il primo modello open-weights nel top tier dei modelli video . Il modello base è un Transformer a flusso singolo a 33 miliardi di parametri che utilizza un encoder Qwen3-VL a 32 miliardi di parametri e produce video con audio stereo nativo a 32 kHz . MiniMax ha aperto l'API il 31 luglio 2026 e pubblicato i pesi il 3 agosto, al prezzo di circa 0,08 dollari al secondo per la versione 768p . Tuttavia, la licenza comporta limiti concreti: la distribuzione locale è bloccata negli Stati Uniti, nell'UE, nel Regno Unito e in Corea del Sud, ed è open solo la versione 768p, non le risoluzioni superiori . Nonostante questi limiti, H3 è diventato la base su cui molti altri costruiscono .
Dreamina Seedance 2.5 di ByteDance è primo in image-to-video a 1161 Elo mentre si colloca al quarto posto in text-to-video 12. È stato distribuito a partire dal 31 luglio 2026 attraverso Jimeng AI e Doubao Pro, supporta clip fino a 30 secondi con input multipli di riferimento immagine, video e audio . Su Artificial Analysis, il prezzo normalizzato è di 0,569 dollari al secondo, sebbene BytePlus indichi circa 0,23 dollari al secondo per le esecuzioni 720p più brevi, e l'accesso regionale vari .
Gemini Omni Flash 1.2 di Google è il modello più recente nella classifica, generalmente disponibile dal 5 novembre 2026 12. Raggiunge 1152 Elo su text-to-video e 1086 su image-to-video, offrendo qualità inferiore a costi minori: circa 0,104 dollari al secondo su Artificial Analysis, o 0,07 dollari al secondo a 720p secondo Google . Il modello copre durate da 3 ai 15 secondi, rendendolo utile quando servono bozze rapide a prezzi contenuti .
L'effetto a cascata dell'open-weight
Il rilascio open di MiniMax H3 ha innescato un'ondata di prodotti successivi. HeyGen Video 1, FLUX 3 Max di Flux, Pika H3 Flex di Pika e P-Video-2-Pro di Pruna affinano ulteriormente gli stessi pesi base 1. Ognuno regola il modello per un caso d'uso specifico, dai contenuti guidati da avatar ai formati per social media, condividendo la stessa architettura di base .
Altri quattro modelli in classifica riportano inoltre licenze open: FLUX 3 di Black Forest Labs, il cui sviluppatore ha annunciato pesi aperti 1; Pika H3 Flex, a licenza limitata; e LTX-2.5 Fast di Lightricks . I modelli closed-weight occupano il resto del top dieci, inclusi SkyReels V4, Dreamina Seedance 2.0 e i modelli più evoluti di Google Veo 3.1, che si collocano più in basso nella classifica a 964 e 948 Elo rispettivamente, con costi che arrivano fino a 0,40 dollari al secondo 2.
Quanto è valido
Secondo la Video Arena di preferenza umana in cieco di Artificial Analysis (AA-Video-T2V v2.1), MiniMax H3 ha ottenuto 1161 Elo su text-to-video e 1133 Elo su image-to-video, entrambi misurati rispetto a un punto di riferimento fissato a 1000 Elo per Kling 3.0 1080p Pro 1. Questi punteggi lo collocano all'interno del compatto gruppo del top tier dove le posizioni da tre a otto si sovrappongono entro un margine d'errore di circa ±13-±15 punti 2. Su text-to-video è superato solo da Wan 3.0 e Utopai X, e su image-to-video è superato da Dreamina Seedance 2.5 e Utopai X ma rimane sopra diversi rivali di fascia alta come Gemini Omni Flash 1.2 e FLUX 3 Max . Un Elo più alto significa che i valutatori hanno preferito quel modello più spesso in confronti testa-a-testa generati dallo stesso prompt, quindi i numeri di MiniMax H3 lo collocano fermamente tra i principali modelli video del 2026.
Elo score from blind human preference votes, with Kling 3.0 1080p fixed at 1000 as the reference point. Più alto è meglio. Numeri: Artificial Analysis. Grafico di Herald of AI.

Immagine: artificialanalysis.ai
I fatti principali
- Wan 3.0 domina text-to-video a 1175 Elo; MiniMax H3 è il miglior modello open-weights
- Utopai X si posiziona vicino alla vetta sia su text-to-video che su image-to-video ma non ha API pubbliche
- I pesi MiniMax H3 sono open per il download ma bloccati per uso locale in USA, UE, UK e Corea del Sud
- Seedance 2.5 è primo in image-to-video a 1161 Elo; i prezzi variano notevolmente per regione e risoluzione
- Gemini Omni Flash 1.2 è entrato nelle classifiche il 5 novembre 2026, offrendo risultati di livello frontier a costi inferiori
Fonti
Se questa notizia riguarda te o la tua azienda, o usa qualcosa che ti appartiene, chiedi una correzione o la rimozione. Come funzionano le richieste
Continua a leggere
App e prodottiGoogle lancia TorchTPU, un backend nativo per PyTorch su TPU nel cloudHerald of AIhttps://github.com/soumith, CC BY-SA 4.0, via Wikimedia Commons
Google lancia TorchTPU, un backend nativo per PyTorch su TPU nel cloud
Un nuovo stack open-source permette agli sviluppatori di far girare modelli PyTorch direttamente sui chip TPU di Google, sostituendo il vecchio sistema PyTorch/XLA.
App e prodottiGoogle presenta Playground, una piattaforma per creare giochi con l'intelligenza artificiale dove chiunque può realizzare videogiochiHerald of AI
Google presenta Playground, una piattaforma per creare giochi con l'intelligenza artificiale dove chiunque può realizzare videogiochi
La nuova piattaforma sperimentale di Google permette agli utenti di creare, giocare e condividere giochi con semplici prompt testuali: non serve saper programmare.
Aziende e regoleMirendil raccoglie 1 miliardo di dollari per usare agenti di AI nello sviluppo più veloce dei modelliHerald of AI
Mirendil raccoglie 1 miliardo di dollari per usare agenti di AI nello sviluppo più veloce dei modelli
Una nuova startup fondata da ricercatori ex Google DeepMind e Anthropic afferma che la sua piattaforma automatizzata permette a piccoli team di creare grandi modelli di AI rapidamente ed economicamente.