Kết luận (nếu bạn chỉ đọc một phần)
Chúng tôi đã tạo 16 video trên bốn model video AI giá mềm với prompt giống hệt nhau, một tài khoản duy nhất và một chiếc đồng hồ bấm giờ. Đây là bản tóm tắt:
- Grok Imagine 1.5 — Rẻ nhất mỗi clip với khoảng cách lớn (từ 20 credits) và là model duy nhất xuất clip 8 giây ở mức giá này — nhưng chỉ làm được ảnh-thành-video. Không có ảnh đầu vào thì không có video.
- Hailuo 02 — Lựa chọn đa năng tốt nhất khi ngân sách eo hẹp: làm được cả văn bản-thành-video lẫn ảnh-thành-video, không khí và ánh sáng rất ổn, nhưng yếu nhất về chi tiết nhỏ — footage trả về mềm hơn hẳn các model khác.
- Kling 3.0 Turbo — Trần chất lượng của nhóm này: thời gian tạo trung bình nhanh nhất trong các bài test của chúng tôi, footage sắc nét nhất tính theo bitrate, và là model duy nhất render được chữ đọc rõ. Đổi lại bạn trả khoảng 7 lần giá một clip Grok.
- Seedance 2.0 Mini — Màu điện ảnh nhất ngay khi xuất xưởng và các cú máy liên tục mượt nhất — chất "nhà làm phim" cho clip mạng xã hội, kém Kling một chút về độ chân thực thuần túy.
Chúng tôi đã test như thế nào
Mọi bài so sánh chúng tôi tìm được hoặc là đăng lại clip marketing của hãng, hoặc "test" từng model một với các prompt khác nhau. Vậy nên chúng tôi làm đúng điều bạn sẽ làm: mở một tài khoản CreateVision và chạy chính xác cùng một bộ prompt qua cả bốn model vào ngày 2026-07-08.
- Cùng prompt, cùng thiết lập: 720p (768p trên Hailuo vì model này không có 720p), clip 5–6 giây, thiết lập mặc định, không chọn lọc kết quả — mọi video bên dưới đều là lần tạo đầu tiên và duy nhất.
- Đo thực tế, không trích dẫn: thời gian tạo là số giây đồng hồ thực từ lúc tạo tác vụ đến khi có file tải về, không phải con số hãng công bố.
- Bốn chiều thử nghiệm mà người ta thực sự bỏ tiền mua model video: con người và cảm xúc, vật lý, điều khiển máy quay, và hiển thị chữ — cộng thêm một vòng giữ nhận diện ảnh-thành-video.
- Bao gồm cả các ca thất bại: model nào trượt ở đâu, cú trượt đó cũng được nhúng ngay tại đây.
Một lưu ý thẳng thắn trước khi vào bảng: Grok Imagine 1.5 không thể tham gia ba trong năm vòng. API của nó bắt buộc phải có ảnh đầu vào — đây là model ảnh-thành-video thuần túy. Đó không phải chú thích cuối trang; đó là điều quan trọng nhất cần biết về nó.
Bảng so sánh nhanh
| Model | Credits mỗi clip | Chế độ | Độ dài clip | Tốc độ TB (đo thực) | Phù hợp nhất cho |
|---|---|---|---|---|---|
| Grok Imagine 1.5 | 20–40 | Chỉ ảnh-thành-video | 8s | ~78s | Làm ảnh có sẵn chuyển động với ngân sách eo hẹp |
| Hailuo 02 | 40–240 | Văn bản-thành-video + ảnh-thành-video | 6–10s | ~189s | Model rẻ nhất làm được mọi thứ, ánh sáng giàu không khí |
| Seedance 2.0 Mini | 100–200 | Văn bản-thành-video + ảnh-thành-video | 5–8s | ~180s | Clip mạng xã hội chất điện ảnh, cú máy mượt |
| Kling 3.0 Turbo | 275–350 | Văn bản-thành-video + ảnh-thành-video | 5–10s | ~108s | Độ chân thực và chi tiết tối đa với ngân sách tầm trung |
Vòng 1: Con người và cảm xúc
Cảnh mà mọi vlog du lịch và thương hiệu thời trang đều cần: một con người, thời tiết, đèn neon và một nhịp cảm xúc. Grok ngồi ngoài vòng này (không có ảnh đầu vào), nên đây là cuộc đấu tay ba.
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"
Seedance 2.0 Mini cho ra shot "quảng cáo" nhất: bokeh neon rực rỡ, gương mặt sạch sẽ, và bám trọn vẹn chuỗi chỉ dẫn — bước đi, quay lại, mỉm cười vào ống kính. Nhìn như đã chỉnh màu sẵn trước khi bạn kịp chỉnh.
Kling 3.0 Turbo lại đi hướng tài liệu: sạp chợ trông như thật với người bán đang cử động dở, mặt đường nhựa ướt thuyết phục, và nhịp quay-người-mỉm-cười vẫn đúng chỗ. Xét từng khung hình, đây là bản chân thực nhất trong ba model.
Hailuo 02 bắt trúng không khí — mưa nặng hạt, biển hiệu rực sáng — và hoàn thành cú quay người, nhưng gương mặt hơi bóng sáp và người đi đường phía sau bị nhòe. Ở 1.7 Mbps, file của nó chỉ bằng một phần nhỏ so với 13 Mbps của Kling, và bạn nhìn thấy sự khác biệt.
Điểm rút ra: cả ba đều hiểu một chỉ dẫn nhiều bước về con người ("walks… turns… smiles"). Khác biệt nằm ở độ hoàn thiện: Kling cho độ chân thực, Seedance cho màu sắc, Hailuo cho không khí với giá mềm.
Vòng 2: Vật lý và nước
Nước là nơi video AI xưa nay hay sụp đổ — bọt, bụi nước và quán tính rất khó làm giả. Vẫn bài cũ: một prompt, ba lần tạo.
Prompt: "A large ocean wave crashes over black volcanic rocks in slow motion, backlit spray droplets glowing in golden sunset light"
Seedance cho bố cục kịch tính nhất, nhưng bụi nước của nó hơi giống tranh vẽ — bọt nở bung như đám mây thay vì vỡ tan như nước, và các tảng đá ướt trông nhẵn nhụi như được điêu khắc.
Bản của Kling là thứ bạn có thể đem đi giả làm stock footage: kết cấu bọt sắc nét, quán tính thuyết phục khi con sóng cuộn qua đá, thậm chí có vài con chim ở giây cuối. Nó cũng tạo ra file lớn nhất của mình trong cả bài test tại đây (19 Mbps) — chi tiết phải trả giá bằng bit.
Hailuo giữ vật lý mạch lạc — con sóng dâng lên rồi vỡ đúng trình tự với bảng màu hoàng hôn tuyệt đẹp — nhưng mọi thứ nằm sau một lớp mù mềm, thứ tôn cảnh quan lên nhưng che mất chi tiết.
Điểm rút ra: logic vật lý đã được giải quyết trên toàn bảng — không ai tạo ra nước chảy ngược. Độ chân thực của kết cấu thì chưa: Kling dẫn đầu rõ ràng, Hailuo đánh đổi chi tiết lấy không khí, Seedance thì cách điệu hóa.
Vòng 3: Điều khiển máy quay
Chúng tôi yêu cầu một cú máy cụ thể, nhiều nhịp: quay quanh rồi chuyển thành cú nâng máy mở cảnh. Đây là vòng tách bạch giữa "tạo khung hình đẹp" và "hiểu chỉ đạo".
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"
Seedance thực hiện cú máy liên tục sạch nhất — bạn có thể dõi theo vòng quay suốt cả clip, một con mòng biển lướt sát ống kính, và cú nâng máy mở ra vách đá đúng như yêu cầu.
Kling bắt đầu quay quanh nhè nhẹ, rồi nhảy sang cú mở cảnh góc cao rộng hơn hẳn ở giây cuối — bố cục ấn tượng, nhưng trông như một cú cắt dựng chứ không phải một chuyển động máy liên tục. Nếu bạn cần cú máy liền mạch để compositing, điều đó rất quan trọng.
Hailuo giữ một vòng quay êm, đều qua bình minh tím hồng với một con chim bay ngang khung hình — mạch lạc và đẹp, nhưng là footage mềm nhất vòng này (dưới 1 Mbps).
Điểm rút ra: với chuyển động máy quay liên tục theo chỉ đạo, Seedance nghe lời nhất. Kling tối ưu cho một kết quả ấn tượng hơn là bám sát chỉ dẫn từng chữ.
Vòng 4: Hiển thị chữ (nơi tất cả đều chật vật)
Mọi bản demo model đều né chữ, và có lý do cả. Chúng tôi yêu cầu latte art vẽ thành một từ — bài tra tấn kết hợp vật lý chất lỏng và typography. Đây là kết quả trung thực.
Prompt: "Close-up of a barista pouring latte art that forms the word LOVE in the milk foam, cozy cafe morning light"
Seedance tiến gần đến bất ngờ: ở khung hình cuối, lớp bọt đọc ra chữ "Love" hơi tan nhưng vẫn nhận ra được, và vật lý dòng rót trông chuẩn. Bàn tay, ca đánh sữa và tách đều giữ nguyên hình khối.
Kling là model duy nhất render được từ này sạch sẽ — các chữ cái "LOVE" trắng sắc nét nằm trên lớp crema, cùng bàn tay chân thực và phản chiếu trên ca inox suốt cú rót.
Hailuo trượt phần chữ: cú rót dễ chịu và bokeh quán cà phê rất xinh, nhưng lớp bọt kết thúc bằng một nét nguệch ngoạc không đọc nổi. Nếu clip của bạn cần bất kỳ chữ nào trên hình, đây không phải model dành cho bạn.
Điểm rút ra: chữ trong video vẫn là ranh giới chất lượng sắc bén nhất ở phân khúc giá rẻ. Kling đậu, Seedance đậu một nửa, Hailuo trượt — và chúng tôi ngờ rằng phần lớn model rẻ hơn một bậc cũng sẽ trượt.
Vòng 5: Bài test giữ nhận diện ảnh-thành-video
Cuối cùng, vòng đấu mà Grok sinh ra để dành cho. Chúng tôi tạo một bức chân dung (cô gái mặc áo mưa vàng trong chợ đêm mưa — ảnh bên dưới) và yêu cầu cả bốn model thổi hồn vào nó với cùng một brief chuyển động: chớp mắt tự nhiên, tóc bay trong gió, phản chiếu lung linh, đẩy máy vào nhẹ nhàng.
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"
Grok Imagine 1.5 chứng minh giá trị của mình chỉ trong một lần tạo: gương mặt vẫn đúng là cô ấy không lẫn vào đâu suốt clip 8 giây — dài hơn tất cả 2–3 giây — với cú chớp mắt tự nhiên và cú đẩy máy chậm rãi. Với 40 credits cho 720p, đây là màn hoạt hóa ảnh đáng tin rẻ nhất chúng tôi từng thấy.
Seedance giữ nhận diện tốt nhưng đóng khung lại chặt hơn ảnh gốc, thực tế là crop mất bố cục. Gương mặt đẹp, nhưng còn lại ít ảnh gốc của bạn hơn.
Kling bảo toàn cả gương mặt lẫn góc nhìn rộng nhất của khung cảnh gốc, với đầu ra sắc nét nhất trong bốn model. Nếu bố cục ảnh nguồn quan trọng với bạn, Kling là model tôn trọng nó nhất.
Hailuo mang đến cú chớp mắt chậm mơ màng và giữ được nét giống, dù tổng thể trôi về hướng mềm và nhiều không khí hơn tông màu gốc.
Điểm rút ra: giữ nhận diện đã là bài toán được giải ở phân khúc này — cả bốn gương mặt đều vẫn nhận ra là cùng một người. Hãy chọn theo ngân sách (Grok), độ trung thành với khung hình gốc (Kling) hay không khí (Hailuo).
Mỗi video thực sự tốn bao nhiêu
Số credits bên dưới tính cho một clip đơn lẻ trên CreateVision với thiết lập chúng tôi đã test (mức tiết kiệm = độ phân giải thấp nhất được cung cấp, mức tiêu chuẩn = thiết lập chúng tôi dùng ở trên). Không gói thuê bao nào bị tổn hại: toàn bộ 16 video test trong bài này tốn ít hơn giá license một clip stock footage.
| Model | Mức tiết kiệm | Mức tiêu chuẩn | Ghi chú |
|---|---|---|---|
| Grok Imagine 1.5 | 20 credits (480p) | 40 credits (720p) | Chỉ ảnh-thành-video; clip 8s — chi phí mỗi giây thấp nhất ở đây |
| Hailuo 02 | 40 credits (512p / 6s) | 120 credits (768p / 6s) | Tùy chọn 1080p / 10s đẩy giá lên 240 |
| Seedance 2.0 Mini | 100 credits (480p) | 200 credits (720p) | T2V và I2V cùng một giá |
| Kling 3.0 Turbo | — | 275 credits (720p), 350 (1080p) | Không có mức tiết kiệm thực sự; bạn trả tiền cho độ hoàn thiện |
Để dễ hình dung: tài khoản CreateVision miễn phí khởi đầu với đủ credits để chạy vài clip mức tiết kiệm của Grok hoặc Hailuo; toàn bộ bài test 16 video trong bài này tiêu tốn lượng tạo tương đương khoảng 2,400 credits.
Bạn nên chọn model nào?
Bốn model, bốn câu trả lời khác nhau tùy vào thứ bạn thực sự đang làm:
Chọn Grok Imagine 1.5 nếu bạn hoạt hóa ảnh
Ảnh gia đình cũ, ảnh tĩnh sản phẩm, bài đăng chân dung — bất cứ thứ gì bắt đầu từ một bức ảnh. Với 20–40 credits cho clip 8 giây, nó rẻ hơn các lựa chọn khác 3–7 lần, và Vòng 5 cho thấy chất lượng vẫn giữ vững. Chỉ cần nhớ: không có ảnh đầu vào thì không có video.
Chọn Hailuo 02 nếu bạn cần một model rẻ làm được mọi thứ
Nó chưa bao giờ sắc nét nhất ở vòng nào, nhưng cũng chưa bao giờ bị loại: T2V lẫn I2V, vật lý mạch lạc, ánh sáng có không khí thật sự, từ 40 credits. Chỉ bỏ qua nó khi clip của bạn cần chi tiết tinh xảo hoặc chữ trên hình.
Chọn Kling 3.0 Turbo khi clip buộc phải trông như thật
Nó thắng hoặc hòa ở hạng mục chân thực trong mọi vòng tham gia, render được dòng chữ đọc rõ duy nhất của bài test, và — bất ngờ — đạt thời gian tạo trung bình nhanh nhất (~108s đo thực). Hãy tính ngân sách cho phù hợp: một clip Kling tốn bằng khoảng bảy clip Grok.
Chọn Seedance 2.0 Mini cho các shot điện ảnh có chỉ đạo
Khả năng điều khiển máy quay liên tục tốt nhất bài test và màu sắc ra lò trông như đã chỉnh sẵn. Với kiểu kể chuyện ưu tiên mạng xã hội, nơi bạn mô tả cú máy như một đạo diễn, nó thực hiện brief trung thành nhất ở mức giá tầm trung.
Câu hỏi thường gặp
Vì sao Grok Imagine 1.5 vắng mặt ở các vòng văn bản-thành-video?
Vì API của nó thực sự không nhận tác vụ nào thiếu ảnh đầu vào — ảnh là tham số bắt buộc, điều chúng tôi đã tự tay xác nhận khi dựng bài test này. Đây là model ảnh-thành-video thuần túy, và đó cũng là lý do nó có thể cho phép mình rẻ nhất ở đây.
Các kết quả này có được chọn lọc từ nhiều lần tạo không?
Không. Mọi video nhúng trong bài này đều là lần tạo đầu tiên và duy nhất cho cặp model-prompt đó — kể cả các ca thất bại. Đó cũng là lý do vì sao latte art không đọc nổi của Hailuo vẫn nằm trên trang.
Model nào nhanh nhất?
Trong các lượt chạy chúng tôi đo, Kling 3.0 Turbo trung bình ~108 giây mỗi clip — nhanh nhất trong bốn model dù đắt nhất. Grok với lần tạo duy nhất đạt ~78 giây. Seedance Mini và Hailuo đều trung bình quanh 3 phút. Hãy coi các con số này như thời tiết trong ngày chứ không phải định luật vật lý: tải hàng đợi làm chúng xê dịch.
Tôi có thể tự chạy đúng bài test này không?
Có — cả bốn model đều chạy từ một tài khoản CreateVision duy nhất, và bài test này được thực hiện đúng như vậy (đó chính là điểm hay của một workspace đa model: không cần bốn gói thuê bao, không cần nạp tiền bốn nơi). Chọn một prompt, chạy qua từng model, và phép so sánh của bạn sẽ sát với nhu cầu của bạn hơn bất kỳ benchmark nào của người khác.
