Metodologia de Benchmark para Modelos de Vídeo com IA: O que Medir Antes de Escolher

Um benchmark de modelos de vídeo de IA precisa comparar latência, consistência de movimento, aderência ao prompt, limites de formato e custo por segundo de saída, usando seus próprios prompts e seu próprio padrão de carga, não um rolo de demonstração do fornecedor. Este artigo fornece as dimensões a serem medidas, linhas de base de custo por segundo de 2026 em todas as principais APIs de vídeo, código para medir latência e calcular custos programaticamente, e uma maneira de escalar a revisão humana para além de um punhado de clipes.

Benchmark de Modelos de Vídeo de IA: Principais Conclusões

• O custo por segundo em níveis comparáveis (720p-1080p, configuração de áudio similar) varia aproximadamente 9x entre a extremidade inferior e a superior do snapshot de fonte abaixo: PixVerse V6 a US$ 0,045/s (fal, 720p, sem áudio) versus Veo 3.1 Standard a US$ 0,40/s (Google, 720p-1080p, com áudio). Existem variações maiores se você incluir 4K ou preços por token, mas eles não são diretamente comparáveis; veja as limitações.
• A latência não é coberta em nenhum dos documentos de preços dos fornecedores citados neste artigo. Trate as alegações de tempo de geração como não verificadas até que você mesmo as meça, e use o padrão de timestamp abaixo para fazer isso.
• A revisão humana não escala linearmente com o volume de testes. Use um sistema de dois níveis: verificações técnicas automatizadas detectam falhas de formato gratuitamente, e então uma amostra estratificada passa pelo olhar humano.
• Os preços de vídeo por segundo e por solicitação do TokenLab acompanham aproximadamente a economia unitária relatada pelos fornecedores em vários casos (Hailuo, Veo), o que é uma verificação de sanidade útil antes de comprometer gastos, mostrada na tabela de verificação cruzada abaixo.

Snapshot da Fonte: Preços dos Fornecedores para APIs de Vídeo (2026)

Fornecedor	Modelo / Nível	Métrica	Valor	Fonte	Observado
Google	Veo 3.1 Standard, 720p/1080p, com áudio	$/s	US$ 0,40	Preços da Gemini API	09/07/2026
Google	Veo 3.1 Standard, 4K, com áudio	$/s	US$ 0,60	Preços da Gemini API	09/07/2026
Google	Veo 3.1 Fast, 720p, com áudio	$/s	US$ 0,10	Preços da Gemini API	09/07/2026
Google	Veo 3.1 Lite, 720p, com áudio	$/s	US$ 0,05	Preços da Gemini API	09/07/2026
PixVerse	V6, 720p, sem áudio	créditos/s	9	Documentação da plataforma PixVerse	09/07/2026
PixVerse (via fal)	V6, 720p, sem áudio	$/s	US$ 0,045	fal PixVerse V6	09/07/2026
PixVerse (via fal)	V6, 1080p, com áudio	$/s	US$ 0,115	fal PixVerse V6	09/07/2026
MiniMax	Hailuo-2.3-Fast, 768p/6s	pontos	0,7	Preços de vídeo MiniMax	09/07/2026
MiniMax	Pacote Standard	$/3.760 pts	US$ 1.000	Preços de vídeo MiniMax	09/07/2026
Runway	veo3, todas as resoluções	créditos/s	40 (US$ 0,40/s a US$ 0,01/crédito)	Preços da Runway API	09/07/2026
Runway	seedance2, 480p/720p	créditos/s	36 (US$ 0,36/s)	Preços da Runway API	09/07/2026
Kling	API de desenvolvedor	$/unidade	US$ 0,14 (base de unidade não confirmada para custo por segundo)	Preços de desenvolvedor Kling	09/07/2026

O Google também afirma que os modelos Veo 3.0 estão obsoletos e programados para serem desativados em 30 de junho de 2026, com a migração recomendada para os modelos Veo 3.1 Preview ou GA Agent Platform. Se você ainda está fixado no Veo 3.0 em produção, essa migração deve estar no seu roteiro antes dessa data, conforme a fonte acima.

Preços de Modelos de Vídeo ao Vivo do TokenLab

Esta tabela inclui apenas modelos de vídeo presentes no snapshot de preços ao vivo do TokenLab, observado em 07/07/2026.

Modelo TokenLab	Unidade	Taxa	Notas
veo3.1	por_segundo	US$ 0,200000	Preço fixo
veo3	por_segundo	US$ 0,200000	Preço fixo
veo3.1-fast	por_segundo	US$ 0,080000	Preço fixo
veo3-fast	por_segundo	US$ 0,080000	Preço fixo
seedance-1.0-pro	por_token (saída)	US$ 2,205882	Não diretamente comparável a $/s, veja limitações
seedance-1.0-pro-fast	por_token (saída)	US$ 0,617647	Não diretamente comparável a $/s
seedance-1.5-pro	por_token (saída)	US$ 1,176471	Não diretamente comparável a $/s
seedance-2.0	por_token (saída)	US$ 6,764706	Não diretamente comparável a $/s
seedance-2.0-fast	por_token (saída)	US$ 5,441176	Não diretamente comparável a $/s
seedance-2.0-mini	por_token (saída)	US$ 3,382353	Não diretamente comparável a $/s
pixverse-c1	por_segundo	US$ 0,026471	Preço fixo
pixverse-v5.6	por_segundo	US$ 0,030882	Preço fixo
pixverse-v6	por_segundo	US$ 0,022059	Preço fixo
hailuo-2.3	por_solicitação	US$ 0,280000	Preço fixo
hailuo-2.3-fast	por_solicitação	US$ 0,190000	Preço fixo
hailuo-2.3-pro	por_solicitação	US$ 0,490000	Preço fixo
hailuo-2.3-standard	por_solicitação	US$ 0,280000	Preço fixo

Fonte: Evidência de modelo/preços ao vivo do TokenLab, observada em 07/07/2026.

Compare-os diretamente no diretório de modelos do TokenLab, que filtra por fornecedor e tipo de unidade, ou na página de classificações de modelos para comparações de nível de especificação antes de executar seu próprio conjunto de testes.

Obtenha uma chave de API e execute o primeiro teste hoje: crie uma chave de API do TokenLab e chame pixverse-v6 ou veo3.1-fast com a mesma pequena amostra de prompt para ver o custo e a taxa de sucesso do trabalho lado a lado, antes de se comprometer com um lote de teste maior.

Verificação Cruzada dos Preços do TokenLab com Dados dos Fornecedores

Os preços fixos do TokenLab não derivam diretamente dos preços de lista dos fornecedores, já que roteamento, volume e margem são fatores. Mas você pode verificar a sanidade dos preços do TokenLab em relação à economia unitária dos fornecedores usando o snapshot de fonte acima. Estas são estimativas construídas a partir de dados públicos dos fornecedores, não a base de custo interna do TokenLab.

Comparação	Estimativa derivada do fornecedor	Preço ao vivo TokenLab	Delta
Hailuo-2.3-Fast, 768p/6s	0,7 pts x (US$ 1.000 / 3.760 pts) = ~US$ 0,186	US$ 0,190 (por_solicitação)	~US$ 0,004, correspondência próxima
Hailuo-2.3 standard, 768p/6s	1 pt x (US$ 1.000 / 3.760 pts) = ~US$ 0,266	US$ 0,280 (por_solicitação)	~US$ 0,014, correspondência próxima
Veo 3.1, equivalente sem áudio	Runway veo3.1 sem áudio: 20 cr/s x US$ 0,01 = US$ 0,20/s	US$ 0,200000 (por_segundo)	correspondência exata
Veo 3.1 Fast, 720p	Lista Google, com áudio: US$ 0,10/s	US$ 0,080000 (por_segundo)	TokenLab ~20% menor, inclusão de áudio não confirmada
PixVerse V6, 360p sem áudio	Revendedor fal: US$ 0,025/s	US$ 0,022059 (por_segundo, resolução não confirmada)	próximo, nível de resolução não declarado na evidência do TokenLab

Trate cada linha como direcional. Os preços de lista dos fornecedores, preços de revendedores (fal, Runway) e taxas por ponto de nível de pacote da MiniMax são três estruturas de preços diferentes, e nenhuma confirma exatamente a qual resolução, configuração de áudio ou nível de SLA o preço fixo por segundo do TokenLab corresponde. Verifique as suposições exatas de resolução e áudio no diretório de modelos do TokenLab antes de construir um modelo de custo que assuma uma correspondência exata.

O que um Benchmark de Modelo de Vídeo de IA deve medir

Benchmarks de texto e código pontuam deterministicamente: compila? corresponde a uma referência? A geração de vídeo não tem verdade absoluta equivalente. Duas execuções do mesmo prompt no mesmo modelo podem diferir visivelmente na qualidade do movimento, portanto, um benchmark de modelo de vídeo de IA defensável deve combinar verificações técnicas automatizadas com revisão humana estruturada em cinco dimensões.

1. Latência e Comportamento da Fila

Nenhum documento de preços de fornecedor citado neste artigo declara a latência de geração típica ou de pior caso. Isso não é testado neste conjunto de evidências, e você não deve tomar a alegação de velocidade da página de demonstração de um fornecedor pelo valor nominal. Meça você mesmo:

async function timedGenerate(provider, generateFn, input) {
  const t0 = Date.now();
  let submittedAt = null;
  let completedAt = null;

  try {
    const job = await generateFn(input);
    submittedAt = Date.now();

    // pesquisar ou inscrever-se dependendo do SDK do fornecedor; registre cada mudança de estado
    const result = await job.completed(); // verifique a API de conclusão exata por documento do fornecedor
    completedAt = Date.now();

    return {
      provider,
      queueMs: submittedAt - t0,
      generationMs: completedAt - submittedAt,
      totalMs: completedAt - t0,
      status: "success",
    };
  } catch (err) {
    return {
      provider,
      totalMs: Date.now() - t0,
      status: "error",
      errorType: err?.status || "unknown",
      message: err?.message,
    };
  }
}

Execute isso em 3-4 solicitações simultâneas, não uma de cada vez, e armazene p50/p90/p99 por fornecedor, não apenas uma média. O comportamento da fila sob concorrência é onde os fornecedores mais divergem e onde as páginas de marketing não dizem nada.

2. Consistência de Movimento e Coerência Temporal

Não existe pontuação numérica padrão da indústria entre os fornecedores nas evidências usadas para este artigo. Uma solução prática: gere o mesmo prompt em 3-4 modelos, remova os rótulos e peça a 2-3 revisores que classifiquem independentemente a permanência do objeto, desvio de fundo e plausibilidade física.

3. Aderência ao Prompt

Pontue aprovação/reprovação por elemento de instrução (sujeito, contagem, direção da câmera, composição) em vez de um único número de qualidade. Teste prompts curtos (menos de 15 palavras), prompts médios com uma instrução de câmera e prompts longos com múltiplas restrições composicionais. Isso lhe dá uma análise sobre a qual você pode agir, por exemplo, um modelo que lida bem com prompts simples, mas ignora a direção da câmera em prompts longos.

4. Resolução, Duração e Limites de Formato

Verifique o que cada API realmente suporta no seu nível de preço, não a especificação da manchete:

• Resolução máxima no nível padrão vs. premium
• Duração máxima do clipe por chamada única, e se a extensão requer uma chamada de costura separada
• Se a geração de áudio é um botão separado que altera o preço, como acontece para Veo 3.1 (Google) e PixVerse V6 (documentação PixVerse, fal)

5. Custo por Segundo, Normalizado

As estruturas de preços diferem entre os fornecedores: MiniMax cobra deduções de pacote por ponto, PixVerse e fal cobram por segundo por resolução e configuração de áudio, Runway vende créditos fixos por segundo, Google publica taxas diretas por segundo por nível. Normalize tudo para $/s em uma resolução e configuração de áudio fixas antes de comparar, usando a tabela de snapshot de fonte acima como seus pontos de referência iniciais.

Calculando o Custo por Segundo a partir de um Trabalho de Geração

Depois de ter os metadados do trabalho (duração, resolução, fornecedor), calcule o custo diretamente em vez de estimar a partir de uma tabela de taxas:

function computeCost(job, rateTable) {
  const rate = rateTable[job.provider]?.[job.resolution]?.[job.audio ? "audio" : "noAudio"];
  if (!rate) {
    throw new Error(`Sem entrada de taxa para ${job.provider} em ${job.resolution}, áudio=${job.audio}. Verifique o documento de preços antes de faturar.`);
  }
  return {
    provider: job.provider,
    durationSeconds: job.durationSeconds,
    costUsd: Number((rate * job.durationSeconds).toFixed(4)),
  };
}

Preencha rateTable a partir da tabela de snapshot de fonte acima, não de memória ou de uma captura de tela da página inicial de um fornecedor, e verifique-a novamente sempre que executar o benchmark, já que as taxas mudam.

Solicitando uma Geração de Vídeo: O que verificar antes de enviar

A página do modelo fal PixVerse V6 documenta uma chamada subscribe em JavaScript para fal-ai/pixverse/v6/text-to-video aceitando prompt, resolution, duration e generate_audio_switch. Essa é a extensão da evidência de carga útil disponível aqui. Um wrapper de cliente mínimo usando apenas esses campos documentados, com repetição e tratamento de erros:

import { fal } from "@fal-ai/client";

async function generatePixVerseVideo(prompt, resolution, durationSeconds, withAudio) {
  const maxRetries = 3;

  for (let attempt = 1; attempt <= maxRetries; attempt++) {
    try {
      return await fal.subscribe("fal-ai/pixverse/v6/text-to-video", {
        input: {
          prompt,
          resolution,
          duration: durationSeconds,
          generate_audio_switch: withAudio,
        },
        logs: true,
      });
    } catch (err) {
      const status = err?.status || err?.response?.status;

      if (status === 429 || status === 503) {
        // taxa limitada ou fornecedor sobrecarregado, recue e tente novamente
        await new Promise((r) => setTimeout(r, 2000 * attempt));
        continue;
      }
      if (status >= 400 && status < 500) {
        // erro do cliente, não tente novamente cegamente
        throw new Error(`Solicitação PixVerse rejeitada: ${status} ${err.message}`);
      }
      if (attempt === maxRetries) {
        throw new Error(`Geração PixVerse falhou após ${maxRetries} tentativas: ${err.message}`);
      }
    }
  }
}

Isso não foi testado contra um esquema de resposta ao vivo neste conjunto de evidências. Antes do uso em produção, verifique a configuração de autenticação, a forma exata do objeto de resposta, o comportamento de tempo limite e os cabeçalhos de limite de taxa na documentação atual da fal e da PixVerse. A geração de vídeo é inerentemente uma saída multimodal (quadros mais faixa de áudio opcional); as cargas úteis exatas de solicitação e resposta multimodal devem ser confirmadas nos documentos oficiais antes de você construir automação de faturamento ou revisão sobre elas.

Automatizando a Revisão Humana em Escala

Revisar centenas de clipes gerados manualmente não escala. Uma abordagem de dois níveis mantém o tempo humano nos clipes que realmente precisam dele:

Nível 1: validação técnica automatizada (gratuita, determinística)

• Trabalho concluído vs. falhou vs. tempo limite
• A duração da saída corresponde à duração solicitada
• A resolução da saída corresponde à resolução solicitada
• O arquivo não está corrompido ou com comprimento zero
• Sem saída de quadro preto ou de cor única (verificação básica de amostragem de quadros)

Nível 2: revisão humana estratificada (amostrada)

• Revise 100% das falhas do Nível 1 para confirmar se são falhas reais, não falsos positivos
• Revise uma amostra aleatória de 10-15% das aprovações do Nível 1 quanto à consistência de movimento e aderência ao prompt
• Use o mesmo método de classificação cega de 2-3 revisores descrito acima, pontuado por elemento de rubrica

Um pré-filtro opcional é um LLM com capacidade de visão pontuando quadros extraídos para falhas grosseiras (sujeito distorcido, objeto solicitado ausente) antes da revisão humana. Modelos como Gemini 3.5 Flash ou Claude Sonnet 5 suportam entrada multimodal no catálogo atual do TokenLab, mas não há benchmark de precisão para este caso de uso de triagem específico nas evidências usadas para este artigo. Trate qualquer pontuação de triagem automatizada como um pré-filtro para reduzir o volume de revisão humana, não como um julgamento de qualidade final, até que você tenha medido sua taxa de falso negativo em relação à sua própria amostra revisada por humanos.

Uma Lista de Verificação Prática de Benchmark

• Defina seu caso de uso (clipes sociais, demonstrações de produtos, ativos de jogos) e escolha prompts que correspondam a ele
• Construa um conjunto de prompts fixo em complexidade curta, média e longa. Este artigo usa 20 prompts como exemplo de trabalho, não uma contagem ideal pesquisada; nenhuma fonte de fornecedor ou acadêmica neste conjunto de evidências especifica um tamanho de amostra ideal, então dimensione o seu para o seu orçamento de revisão
• Execute cada prompt em cada modelo candidato na mesma resolução e configuração de áudio
• Registre a latência (p50/p90/p99), o custo por segundo calculado a partir da duração real do trabalho e a taxa de sucesso do trabalho
• Execute a validação automatizada de Nível 1 em 100% das saídas, depois a revisão humana de Nível 2 nas falhas mais uma amostra de 10-15%
• Verifique novamente os preços antes de cada ciclo de teste. O snapshot SSOT de modelo deste artigo expira sete dias após a observação (observado em 07/07/2026, expira em 14/07/2026). Essa cadência é específica para a janela de expiração deste snapshot, não um padrão da indústria publicado, mas é um piso razoável para a frequência com que os preços de vídeo e a disponibilidade de modelos devem ser verificados novamente
• Verifique as especificações em relação ao diretório de modelos do TokenLab em vez de confiar na página de marketing de um único fornecedor

Comparando entre Fornecedores e Camadas de Roteamento

Se você roteia entre vários fornecedores de vídeo em vez de se comprometer com uma API, a mesma disciplina se aplica à camada de roteamento. A comparação OpenRouter cobre como a sobrecarga de roteamento e a seleção de fornecedores podem afetar a latência e a consistência de custo, o que importa mais para trabalhos de vídeo, dado o tempo que eles levam para serem executados em comparação com uma conclusão de texto.

Para uma comparação pré-execução entre os fornecedores de vídeo atuais usando esta mesma metodologia, veja melhores APIs de modelos de vídeo de IA 2026. Se você também está avaliando modelos de imagem no mesmo pipeline, melhores APIs de modelos de imagem de IA 2026 usa uma abordagem de método misto comparável em escala menor. Para trabalhos de seleção de modelos adjacentes, melhores modelos de IA para codificação 2026 aplica uma disciplina de cadência de reteste semelhante para uma carga de trabalho diferente.

Limitações

• Nenhum documento de preços de fornecedor citado aqui declara a latência de geração típica em segundos ou milissegundos. Os números de latência neste artigo limitam-se ao método de medição de timestamp, não a benchmarks publicados.
• Os preços do TokenLab para Seedance são por token de saída, e a taxa de conversão de token para segundo não é publicada nas evidências usadas para este artigo. Não converta preços de token Seedance para $/s sem confirmar a taxa de codificação com o TokenLab ou o fornecedor do modelo.
• Os preços de desenvolvedor da Kling são descritos em "unidades" com uma referência de preço de lista de US$ 0,14 de um snapshot de pesquisa, não uma taxa confirmada por segundo. Verifique o custo exato por segundo na página do fornecedor da Kling antes de usá-lo em um modelo de custo.
• O valor em dólar por crédito da plataforma PixVerse só é confirmado por meio de um pacote promocional Starter-pack (US$ 1 = 5 vídeos, 720p, 5s, sem áudio). O preço autônomo por crédito fora desse pacote não é confirmado neste conjunto de evidências.
• Vidu está listado como um exemplo de API de vídeo atual, mas não tem evidência de preços neste artigo. Verifique os preços diretamente na página do fornecedor da Vidu.
• As comparações entre fornecedores misturam preços diretos de fornecedores (Google, MiniMax, PixVerse) com preços de revendedores (fal, Runway), que podem incluir margem de lucro ou descontos de volume não visíveis apenas pelos preços de lista.
• Não existe benchmark de precisão neste conjunto de evidências para o uso de um LLM como camada de triagem de revisão de vídeo automatizada. Trate-o como um pré-filtro não verificado.
• O tamanho do conjunto de testes de 20 prompts e a cadência de reteste de sete dias recomendada neste artigo são padrões de trabalho escolhidos por praticidade, não números apoiados por um estudo publicado ou recomendação de fornecedor. Ajuste ambos para sua própria capacidade de revisão e tolerância ao risco.

FAQ

Em qual modelo devo começar a testar no TokenLab hoje? Com base nos preços ao vivo do TokenLab (observados em 07/07/2026), pixverse-v6 (US$ 0,022059/s) e veo3.1-fast (US$ 0,08/s) situam-se na extremidade inferior do custo por segundo, enquanto veo3.1 e seedance-2.0 situam-se na extremidade superior. Um primeiro teste razoável é um candidato de baixo custo e um candidato de maior fidelidade executados contra o mesmo conjunto de prompts fixo, usando uma chave de API de tokenlab.sh/en/api-keys, antes de se comprometer com um contrato de fornecedor único.

Como meço a latência programaticamente? Use o timestamp antes da solicitação, após o envio do trabalho e após a conclusão terminal para cada chamada, usando o padrão mostrado acima. Armazene o tempo de fila e o tempo de geração separadamente, e rastreie p50/p90/p99 em pelo menos algumas dezenas de execuções sob carga simultânea, não um único teste sequencial. Nenhum fornecedor neste conjunto de evidências publica a latência típica, então essa medição deve ser sua.

Onde obtenho números de custo por segundo? Use a tabela de snapshot de fonte neste artigo como referência inicial, verifique com os preços ao vivo do TokenLab no diretório de modelos e, em seguida, calcule o custo real a partir da duração real do trabalho usando a fórmula mostrada acima, em vez de assumir uma taxa fixa, já que as configurações de resolução e áudio alteram o preço por segundo na maioria dos fornecedores.

Quantos prompts preciso para um benchmark confiável? Não há estudo publicado neste conjunto de evidências especificando um tamanho ideal de conjunto de prompts para avaliação de modelos de vídeo. Este artigo usa 20 prompts divididos em complexidade curta, média e longa como um ponto de partida prático que equilibra a cobertura com o tempo de revisão manual. Escale se o seu caso de uso tiver mais variedade de prompts, ou reduza se você estiver fazendo uma triagem rápida de primeira passagem antes de um teste maior.

Como automatizo a revisão humana se tiver que testar centenas de vídeos? Divida em dois níveis: verificações técnicas automatizadas (correspondência de duração, correspondência de resolução, detecção de arquivo corrompido) executadas em cada saída gratuitamente, depois revisão humana em 100% das falhas do Nível 1 mais uma amostra aleatória de 10-15% das aprovações. Uma triagem de quadros baseada em LLM pode reduzir ainda mais o volume de revisão humana, mas não tem precisão medida neste conjunto de evidências, então valide sua taxa de falso negativo em relação a uma amostra revisada por humanos antes de confiar nela.

Com que frequência devo executar este benchmark novamente? No mínimo toda vez que o snapshot SSOT de modelo deste artigo expirar, aproximadamente sete dias após a observação (observado em 07/07/2026, expira em 14/07/2026). Essa janela está vinculada à expiração deste conjunto de evidências, não a uma recomendação independente da indústria. As versões dos modelos de vídeo e os níveis de preços mudam com frequência suficiente para que um benchmark executado no momento da avaliação possa ficar obsoleto dentro de um trimestre.

Começar

Crie uma chave de API do TokenLab e execute um conjunto de prompts fixo deste artigo contra dois modelos candidatos, um do nível de baixo custo (pixverse-v6, veo3.1-fast) e um do nível de maior fidelidade (veo3.1, seedance-2.0), usando o código de latência e cálculo de custo acima. Verifique o diretório de modelos para taxas atuais antes de fechar um contrato com um fornecedor.