Cuánto cuesta de verdad un vídeo hecho con IA: entre 2,60 y 17,74 euros por 30 segundos

La clasificación de modelos de generación de vídeo que se ha publicado hoy deja una foto contundente: nueve de los diez primeros puestos son de compañías chinas, y el único hueco estadounidense lo ocupa Google. El dato es real y procede de una comparación ciega en la que personas votan entre dos clips sin saber qué modelo ha generado cada uno. Pero como ranking de calidad percibida no dice absolutamente nada sobre lo que cuesta usar cada uno de esos modelos, y ahí es donde la foto cambia.

Hemos cogido los siete modelos del top con precio público y hemos normalizado sus tarifas a una misma unidad: euros por segundo de vídeo generado. El resultado es que un anuncio de treinta segundos cuesta 2,60 euros con el modelo mejor valorado del mundo y 17,74 euros con el tercero si se pide a 1080p. Entre esos dos extremos hay un factor de 6,8, y ambos están en el mismo escalón de calidad según la propia clasificación.

El puesto no predice el precio

Lo primero que salta al normalizar es que no hay ninguna relación entre estar arriba en el ranking y ser caro o barato. El primer clasificado cobra 0,10 dólares por segundo. El cuarto, también 0,10. El tercero cobra 0,303 a la misma resolución de 720p, tres veces más que el primero. El séptimo se queda en 0,112 a 1080p sin audio, es decir, más barato que el tercero pese a entregar más resolución.

Esto rompe la intuición de que el ranking funciona como una escala de precios donde lo mejor cuesta más. En generación de texto esa relación existe de forma bastante clara: los modelos frontera cobran uno o dos órdenes de magnitud más que los ligeros. En vídeo, al menos en el tramo alto, el precio parece responder a decisiones comerciales de cada compañía más que a una jerarquía de capacidad.

Hay una excepción que sí ordena: el audio. Los modelos que separan la tarifa con y sin sonido cobran entre un 50% y un 100% más por incluirlo. Uno de los americanos pasa de 0,20 a 0,40 dólares por segundo solo por generar la pista de audio, lo que convierte su anuncio de treinta segundos en el segundo más caro de la tabla. Conviene mirarlo antes de comparar precios: media tabla incluye audio en el precio base y la otra media lo cobra aparte, así que las cifras de escaparate no son directamente comparables entre sí.

En vídeo, China no gana por precio

Esta es la parte que contradice la narrativa dominante, y también contradice en parte lo que nosotros mismos publicamos hace unos días sobre los modelos de texto. Allí el liderazgo chino en volumen venía acompañado de precios entre diez y treinta veces inferiores a los de la gama frontera occidental: el argumento de compra era económico antes que técnico.

En vídeo no ocurre eso. El modelo más barato del top diez es el estadounidense, empatado con un chino. El más caro de los que publican tarifa es también estadounidense si se cuenta el audio. Y entre los chinos hay un rango de tres veces entre el más barato y el más caro. La bandera no predice el precio.

Lo que sí puede estar pasando es un cambio en el argumento competitivo: en texto, las compañías chinas compiten regalando margen; en vídeo, con nueve de los diez primeros puestos, compiten desde la calidad y pueden permitirse cobrar. Es una hipótesis razonable, pero es una hipótesis, y con siete precios y una sola foto temporal no se puede afirmar.

Merece la pena señalar algo más sobre el contexto: OpenAI cerró su producto de vídeo y Anthropic nunca entró en esta modalidad. Es decir, la ausencia estadounidense del ranking no se debe a que sus modelos vayan por detrás, sino a que dos de los tres grandes laboratorios del país directamente no compiten aquí. Google está solo.

Lo que este índice no puede decirte

Cuatro advertencias, y las cuatro importan más de lo habitual porque los precios de vídeo son mucho más difíciles de comparar que los de texto.

La primera: cada modelo factura sobre una base distinta. Unos cobran por segundo a una resolución fija, otros escalan el precio con la resolución, otros incluyen el audio y otros lo cobran aparte, y alguno factura por tokens en lugar de por segundos. Hemos normalizado todo a euros por segundo tomando en cada caso el escalón de resolución más comparable, pero esa normalización es nuestra y cualquier otro criterio daría cifras algo distintas.

La segunda: el precio del modelo mejor clasificado no aparece como tarifa por segundo en ningún sitio. Su proveedor lo expresa en tokens —5.792 tokens por cada segundo de vídeo a 720p— y la cifra de 0,10 dólares por segundo es una tarifa efectiva derivada de ahí, no un precio de escaparate. Es el único de la tabla que hemos tenido que calcular en lugar de leer.

La tercera: varios de los precios proceden de plataformas que revenden estos modelos, no de sus fabricantes. Los hemos usado porque son las tarifas que un desarrollador europeo va a pagar realmente y porque permiten comparar en la misma moneda y la misma unidad, pero un contrato directo con el proveedor original puede salir por otra cifra.

La cuarta: uno de los diez mejores modelos del mundo no tiene precio público. Su ficha comercial dice literalmente que las tarifas se publicarán cuando la integración esté disponible. Aparece en la tabla como no disponible, y que un modelo en el noveno puesto mundial no tenga tarifa publicada dice bastante sobre la madurez comercial de este mercado.

A esto hay que sumar una limitación del propio ranking: mide preferencia humana en comparaciones ciegas, no calidad objetiva. Premia estilos que gustan más en un clip corto, que no tienen por qué ser los que funcionan en un encargo real.

Metodología

Hemos partido de la clasificación de texto a vídeo publicada hoy, que ordena los modelos por votos ciegos de usuarios comparando pares de clips, y hemos tomado los diez primeros puestos. Para cada modelo hemos buscado su precio publicado, prefiriendo la tarifa del fabricante cuando existe y recurriendo a la de la plataforma que lo distribuye cuando no. Todos los precios se han normalizado a dólares por segundo de vídeo generado, escogiendo en cada caso el escalón de resolución más próximo a 720p o 1080p y señalando si el audio está incluido. La conversión a euros usa el tipo de referencia del Banco Central Europeo del 7 de agosto de 2026, 1 euro igual a 1,1535 dólares. Los precios y las puntuaciones del ranking son dato de fuente; la normalización a euros por segundo, el coste de los clips de 5 y 30 segundos y las comparaciones entre modelos son cálculo propio de Miuranews.

GonzaloFundador

Madrileño enganchado a la tecnología desde pequeño. Trabajo en finanzas pero la inteligencia artificial es lo que me quita el sueño. Creé Miuranews para seguirla de cerca y contarla en español sin hype.

Todos sus artículos →