O veredito (se você só vai ler uma seção)
Geramos 16 vídeos em quatro modelos de vídeo IA de baixo custo, com prompts idênticos, uma única conta e um cronômetro. Aqui vai a versão curta:
- Grok Imagine 1.5 — De longe o mais barato por clipe (a partir de 20 créditos) e o único que entrega clipes de 8 segundos nesse preço — mas ele só faz imagem para vídeo. Sem imagem inicial, sem vídeo.
- Hailuo 02 — O melhor pau-para-toda-obra com orçamento apertado: faz texto para vídeo e imagem para vídeo, com clima e iluminação fortes, mas o detalhe fino mais fraco — o material volta visivelmente mais suave que o dos outros.
- Kling 3.0 Turbo — O teto de qualidade do grupo: geração média mais rápida nos nossos testes, imagem mais nítida em bitrate e o único modelo que renderizou texto legível. Em troca, você paga cerca de 7× o preço de um clipe do Grok.
- Seedance 2.0 Mini — A cor mais cinematográfica de fábrica e os movimentos de câmera contínuos mais suaves — um visual de cineasta para clipes de redes sociais, um pouco atrás do Kling em realismo puro.
Como testamos
Todo artigo comparativo que encontramos ou republica os clipes de marketing dos fornecedores, ou "testa" um modelo por vez com prompts diferentes. Então fizemos o que você faria: abrimos uma conta CreateVision e rodamos exatamente os mesmos prompts nos quatro modelos em 2026-07-08.
- Mesmos prompts, mesmas configurações: 720p (768p no Hailuo, que não oferece 720p), clipes de 5–6 segundos, configurações padrão e zero seleção de melhores resultados — cada vídeo abaixo é a primeira e única tomada.
- Medido, não citado: os tempos de geração são segundos de relógio, da criação da tarefa ao arquivo baixável, não números de fabricante.
- Quatro dimensões de teste pelas quais as pessoas realmente compram um modelo de vídeo: humanos e emoção, física, controle de câmera e renderização de texto — mais uma rodada de identidade em imagem para vídeo.
- Falhas incluídas: onde um modelo tropeçou, o tropeço também está incorporado aqui.
Uma ressalva honesta antes da tabela: o Grok Imagine 1.5 não pôde entrar em três das cinco rodadas. A API dele exige uma imagem inicial — é um modelo puro de imagem para vídeo. Isso não é nota de rodapé; é a coisa mais importante a saber sobre ele.
Tabela comparativa rápida
| Modelo | Créditos por clipe | Modos | Duração do clipe | Velocidade média (medida) | Melhor para |
|---|---|---|---|---|---|
| Grok Imagine 1.5 | 20–40 | Apenas imagem para vídeo | 8s | ~78s | Animar fotos existentes gastando pouco |
| Hailuo 02 | 40–240 | Texto para vídeo + imagem para vídeo | 6–10s | ~189s | O modelo faz-tudo mais barato, iluminação com clima |
| Seedance 2.0 Mini | 100–200 | Texto para vídeo + imagem para vídeo | 5–8s | ~180s | Clipes cinematográficos para redes, movimentos de câmera suaves |
| Kling 3.0 Turbo | 275–350 | Texto para vídeo + imagem para vídeo | 5–10s | ~108s | Máximo realismo e detalhe com orçamento médio |
Rodada 1: pessoas e emoção
A cena que todo vlog de viagem e toda marca de moda precisam: uma pessoa, clima, neon e um momento emocional. O Grok fica de fora desta (sem imagem inicial), então é uma disputa a três.
Prompt: "A young woman in a yellow raincoat walks through a rainy neon-lit night market, puddle reflections, she turns to the camera and smiles"
O Seedance 2.0 Mini entregou o plano mais "comercial": bokeh de neon saturado, rosto limpo, e seguiu o arco completo da instrução — caminha, se vira, sorri para a lente. Já sai com cara de color grading pronto antes de você mexer em qualquer coisa.
O Kling 3.0 Turbo foi para o documental: barracas de mercado com aparência real e vendedores em pleno movimento, asfalto molhado convincente, e o mesmo giro com sorriso entregue direitinho. Quadro a quadro, é o mais fotorrealista dos três.
O Hailuo 02 acertou em cheio o clima — atmosfera de chuva pesada, letreiros brilhando — e completou o giro, mas os rostos ficam levemente cerosos e os pedestres ao fundo borram. A 1.7 Mbps, o arquivo dele era uma fração dos 13 Mbps do Kling, e dá para ver.
Conclusão: os três entenderam uma direção humana em várias etapas ("walks… turns… smiles"). A diferença está no acabamento: Kling para realismo, Seedance para cor, Hailuo para clima gastando pouco.
Rodada 2: física e água
Água é onde o vídeo com IA historicamente desmorona — espuma, respingos e impulso são difíceis de falsificar. Mesmo exercício: um prompt, três tomadas.
Prompt: "A large ocean wave crashes over black volcanic rocks in slow motion, backlit spray droplets glowing in golden sunset light"
O Seedance produziu a composição mais dramática, mas os respingos ficam levemente pictóricos — a espuma infla como nuvem em vez de estilhaçar como água, e as rochas molhadas têm um visual liso, esculpido.
A tomada do Kling é a que você conseguiria passar como banco de imagens: textura de espuma nítida, impulso crível quando a onda dobra sobre as rochas, e até uns pássaros no último segundo. Foi aqui também que ele produziu o maior arquivo do teste (19 Mbps) — detalhe custa bits.
O Hailuo manteve a física coerente — a onda cresce e quebra na ordem certa, com uma paleta de pôr do sol linda — mas tudo fica atrás de uma névoa suave que favorece paisagens e esconde detalhe.
Conclusão: a lógica da física está resolvida em todos — ninguém produziu água andando para trás. O realismo de textura, não: o Kling lidera com folga, o Hailuo troca detalhe por clima, o Seedance estiliza.
Rodada 3: controle de câmera
Pedimos um movimento de câmera específico em várias etapas: uma órbita que vira uma subida revelando o cenário. Esta é a rodada que separa "faz quadros bonitos" de "entende direção".
Prompt: "Aerial drone shot slowly orbiting an old lighthouse on a sea cliff at sunrise, seagulls flying past, the camera rises to reveal the coastline"
O Seedance executou o movimento contínuo mais limpo — dá para acompanhar a órbita ao longo de todo o clipe, com uma gaivota cruzando perto da lente, e a subida revela os penhascos exatamente como pedido.
O Kling começou uma órbita sutil e depois pulou para uma revelação bem mais aberta em ângulo alto no último segundo — enquadramento impressionante, mas se lê como um corte de edição, não como um único movimento contínuo. Se você precisa de movimentos sem cortes para compositing, isso importa.
O Hailuo manteve uma órbita suave e constante num amanhecer rosa-arroxeado, com um pássaro cruzando o quadro — coerente e bonito, mas a imagem mais mole da rodada (abaixo de 1 Mbps).
Conclusão: para movimento de câmera dirigido e contínuo, o Seedance foi o mais obediente. O Kling otimiza para um resultado marcante em vez de seguir a instrução ao pé da letra.
Rodada 4: renderização de texto (onde todos apanham)
Toda demo de modelo evita texto por um motivo. Pedimos latte art escrevendo uma palavra — um teste de tortura que combina física de fluidos e tipografia. Aqui estão os resultados, sem retoque.
Prompt: "Close-up of a barista pouring latte art that forms the word LOVE in the milk foam, cozy cafe morning light"
O Seedance chegou surpreendentemente perto: no quadro final, a espuma se lê como um "Love" meio derretido mas reconhecível, e a física do despejo parece correta. Mãos, jarra e xícara permanecem sólidas.
O Kling foi o único modelo a renderizar a palavra com limpeza — letras "LOVE" brancas e nítidas assentadas na crema, com mãos realistas e reflexos na jarra de inox durante todo o despejo.
O Hailuo falhou no texto: o despejo é agradável e o bokeh do café é uma graça, mas a espuma termina num rabisco ilegível. Se o seu clipe precisa de qualquer letreiro em cena, este não é o seu modelo.
Conclusão: texto em vídeo continua sendo o separador de qualidade mais nítido da categoria econômica. O Kling passou, o Seedance passou pela metade, o Hailuo reprovou — e suspeitamos que a maioria dos modelos um degrau de preço abaixo também reprovaria.
Rodada 5: teste de identidade em imagem para vídeo
Por fim, a rodada para a qual o Grok nasceu. Geramos um retrato (uma mulher de capa de chuva amarela num mercado noturno chuvoso — na imagem abaixo) e pedimos aos quatro modelos que o trouxessem à vida com o mesmo briefing de movimento: piscada natural, cabelo ao vento, reflexos cintilantes, leve aproximação de câmera.
Prompt: "Bring this portrait to life: she blinks naturally, wind gently moves her hair, neon reflections shimmer on the wet street, subtle cinematic push-in"
O Grok Imagine 1.5 justificou sua existência numa única tomada: o rosto continua inconfundivelmente dela ao longo de um clipe de 8 segundos — 2–3 segundos a mais que todos os outros — com uma piscada natural e uma aproximação lenta. A 40 créditos por 720p, é a animação de foto crível mais barata que já vimos.
O Seedance segurou bem a identidade, mas reenquadrou o plano mais fechado que a origem, na prática cortando a composição. Ótimo rosto, menos da sua imagem original.
O Kling preservou tanto o rosto quanto a vista mais aberta da cena original, com a saída mais nítida das quatro. Se a composição da imagem de origem importa para você, foi o Kling que a tratou com mais respeito.
O Hailuo entregou uma piscada lenta e sonhadora e manteve a semelhança, embora derive para algo mais suave e sombrio que o grading original.
Conclusão: preservação de identidade é um problema resolvido nessa categoria — os quatro rostos continuaram reconhecivelmente a mesma pessoa. Escolha por orçamento (Grok), fidelidade ao enquadramento original (Kling) ou atmosfera (Hailuo).
Quanto cada vídeo custa de verdade
Os créditos abaixo são por clipe único na CreateVision, nas configurações que testamos (nível econômico = a menor resolução oferecida, padrão = o que usamos acima). Nenhuma assinatura foi maltratada: os 16 vídeos de teste deste artigo custaram menos que uma única licença de clipe de banco de imagens.
| Modelo | Nível econômico | Nível padrão | Observações |
|---|---|---|---|
| Grok Imagine 1.5 | 20 créditos (480p) | 40 créditos (720p) | Apenas imagem para vídeo; clipes de 8s — o menor custo por segundo da lista |
| Hailuo 02 | 40 créditos (512p / 6s) | 120 créditos (768p / 6s) | As opções de 1080p / 10s elevam para 240 |
| Seedance 2.0 Mini | 100 créditos (480p) | 200 créditos (720p) | T2V e I2V com o mesmo preço |
| Kling 3.0 Turbo | — | 275 créditos (720p), 350 (1080p) | Sem nível econômico de verdade; você paga pelo acabamento |
Para dar escala: uma conta gratuita da CreateVision começa com créditos suficientes para rodar vários clipes econômicos do Grok ou do Hailuo; o teste completo de 16 vídeos deste artigo consumiu aproximadamente o equivalente a 2,400 créditos de geração.
Qual você deveria escolher?
Quatro modelos, quatro respostas diferentes dependendo do que você está realmente criando:
Escolha o Grok Imagine 1.5 se você anima fotos
Fotos antigas de família, stills de produto, retratos para redes — qualquer coisa que parta de uma imagem. A 20–40 créditos por clipe de 8 segundos, ele é 3–7× mais barato que as alternativas, e a Rodada 5 mostra que a qualidade se sustenta. Só lembre: sem imagem inicial, sem vídeo.
Escolha o Hailuo 02 se você precisa de um único modelo barato que faz tudo
Ele nunca foi o mais nítido em rodada alguma, mas também nunca foi desclassificado: T2V e I2V, física coerente, clima de verdade na iluminação, a partir de 40 créditos. Só pule ele quando o seu clipe precisar de detalhe fino ou texto em cena.
Escolha o Kling 3.0 Turbo quando o clipe precisa parecer real
Ele venceu ou empatou no quesito realismo em todas as rodadas que disputou, renderizou o único texto legível do teste e — surpresa — registrou o tempo médio de geração mais rápido (~108s medidos). Faça as contas: um clipe do Kling custa cerca de sete clipes do Grok.
Escolha o Seedance 2.0 Mini para planos dirigidos e cinematográficos
O melhor controle de câmera contínuo do teste e uma cor que já sai com cara de grading pronto. Para storytelling voltado a redes sociais, em que você descreve o plano como um diretor, é ele que cumpre o briefing com mais fidelidade a preço médio.
Perguntas frequentes
Por que o Grok Imagine 1.5 está fora das rodadas de texto para vídeo?
Porque a API dele literalmente não aceita um trabalho sem imagem inicial — a imagem de entrada é um parâmetro obrigatório, o que confirmamos em primeira mão ao montar este teste. É um modelo puro de imagem para vídeo, e é também por isso que ele pode se dar ao luxo de ser a opção mais barata daqui.
Esses resultados foram escolhidos a dedo entre várias tomadas?
Não. Cada vídeo incorporado neste artigo é a primeira e única geração daquele par modelo-prompt — incluindo as falhas. É por isso que o latte art ilegível do Hailuo também está na página.
Qual modelo é o mais rápido?
Nas nossas medições, o Kling 3.0 Turbo teve média de ~108 segundos por clipe — o mais rápido dos quatro apesar de ser o mais caro. A tomada única do Grok saiu em ~78 segundos. Seedance Mini e Hailuo ficaram ambos em torno de 3 minutos. Trate tudo isso como a previsão do tempo do dia, não como física: a carga da fila mexe nesses números.
Posso repetir o mesmo teste eu mesmo?
Sim — os quatro modelos rodam a partir de uma única conta CreateVision, que foi exatamente como este teste foi feito (esse é o ponto de um espaço multimodelo: nada de quatro assinaturas, nada de quatro recargas). Escolha um prompt, rode em cada modelo, e a sua comparação será mais relevante para o seu caso de uso do que o benchmark de qualquer outra pessoa.
