Ranking de modelos de video de octubre de 2026: Luma Ray 3.14 gana con un mismo prompt por 5 tokens

Doce modelos de video, una sola tarea, 8 segundos de clip

Doce redes neuronales de video, un mismo prompt de texto, condiciones idénticas: 720p, 16:9, 8 segundos, sin pistas sobre el comportamiento particular de cada modelo. La prueba se lanzó el 9 de octubre de 2026. Por puntaje total, ganó Luma Ray 3.14 (9,1 sobre 10), completando la tarea en dos minutos por 5 tokens, el más barato de toda la lista. Seedance 2.5 cumplió la tarea sin concesiones y ofreció la mejor imagen, pero costó 138,7 tokens, 27 veces más que el líder.

En marzo de 2026, OpenAI cerró Sora, el modelo con el que se comparaba a todos los demás hace apenas un año. Nadie ocupó por completo su lugar en el ranking: doce generadores se repartieron ese espacio. Las fichas técnicas del resto son prácticamente iguales entre sí (1080p, sonido, 10–15 segundos, soporte para imágenes de referencia), y los rankings habituales solo comparan esas cifras. La diferencia en cómo funciona realmente un modelo solo se nota al enfrentarlo a una tarea concreta.

Metodología: por qué 8 segundos y 720p

Se eligió 720p deliberadamente, aunque la mitad de los modelos trabaja con resoluciones mayores. Comparar 4K contra 720p no tendría sentido: la diferencia de resolución tapa cualquier diferencia de calidad. Los doce modelos se probaron en las mismas condiciones.

Se eligieron 8 segundos porque Veo 3.1 ya no genera más que eso en una sola pasada. Poner 8 segundos junto a 15 no sería justo. Cada modelo se ejecutó una sola vez (en la práctica suelen necesitarse varios intentos). Resulta más interesante ver si los modelos aciertan a la primera. Incluso en este escenario, Veo 3.1 entregó uno de los resultados más flojos de la mitad superior.

Se evaluó: si el objeto se mantiene consistente desde el primer fotograma hasta el último, cómo se comportan el fuego, el vapor, el humo y el agua, y si el modelo realmente cumplió el prompt. El sonido se evaluó por separado: Runway y Luma no generan sonido propio. Grok Imagine 1.5 Preview y Runway Gen-4 Turbo solo funcionan a partir de un fotograma inicial, no desde texto. Para ambos se generó un fotograma inicial con sus propios modelos de imagen (Grok Frames y Runway Frames), y luego se obtuvo el video a partir de esa imagen; la toma siguió siendo única, igual que para el resto.

Resultados: doce modelos en orden

Luma Ray 3.14 (9,1/10, 5 tokens, 2 minutos): la mejor relación precio-velocidad. Necesita corrección de color, no genera sonido, sin soporte de referencia de personaje.

Seedance 2.5 (138,7 tokens, 6 minutos): el único que cumplió la tarea sin concesiones, mejor calidad de imagen, el más caro de la prueba.

Gemini Omni Flash 1.1 (10,5 tokens, 1 minuto): económico y rápido, con tope de 720p y diez segundos.

Kling 3.0 (3–15 segundos): sonido y sincronización labial sin fallos, funciona bien en escenas con varios planos y diálogos.

Wan 2.7 (3,2/10, 10 minutos de generación): pierde en las tres categorías evaluadas.

Veo 3.1: su única toma resultó ser la más floja de toda la mitad superior de la lista.

Grok Imagine 1.5 Preview: solo funciona a partir de un fotograma inicial; no se puede ejecutar desde texto.

Runway Gen-4 Turbo: solo funciona a partir de un fotograma inicial.

Otros cuatro modelos de la lista aparecen en la tabla resumen, pero el material original no incluye un análisis individual de ellos.

Cómo se calcularon los puntajes

El puntaje final combina tres partes: calidad de imagen y cumplimiento del prompt (80%), velocidad de generación (10%) y ahorro en tokens (10%). La calidad pesa más porque un video se encarga, sobre todo, por la imagen. La velocidad y el precio solo ajustan esa base.

La escala de velocidad es lineal: 1 minuto = 10 puntos, 10 minutos = 1 punto. El ahorro en tokens: 5 tokens = 10 puntos, 138,7 tokens = 1 punto (los tokens se puntúan según la dispersión dentro de la lista, no por la cifra absoluta).

Las doce pruebas se ejecutaron en el mismo entorno, con la misma cuenta y el mismo formato de contabilidad de tokens. Cada servicio cuenta los tokens de forma distinta, y el consumo entre plataformas diferentes no se puede sumar sin más. Aquí se usó una sola unidad de medida para toda la prueba, por lo que las cifras sí son comparables.

El prompt de la prueba fue deliberadamente complejo (una calle, fideos, fuego, vapor, lluvia, neón, movimiento de cámara, manos en primer plano, película de 35mm, poca profundidad de campo); una tarea aburrida no habría mostrado las diferencias.