Publicado em 25/08/2026 · números de referência, verifique antes de orçamentar
Execute 2.000 clipes de produtos de seis segundos por mês por meio de um modelo aberto hospedado em GPUs alugadas e a conta será $180. Execute exatamente o mesmo trabalho através do Sora 2 em 4K e é $4,800. Mesma contagem de clipes, mesma duração, com intervalo de 27x. APIs de texto e imagem são comparadas por token ou por imagem; o vídeo é cobrado por segundo de filmagem, e essa unidade acaba sendo a coisa mais cara que você pode gerar com uma API hoje.
Extraído das taxas por segundo que rastreamos para a calculadora de geração de vídeo: cada nível que um desenvolvedor pode chamar hoje, com preço de um volume mensal realista – 2.000 clipes, 6 segundos cada, 12.000 segundos totais de filmagem.
| Modelo | $/segundo | Clipe de 6 segundos | Mensalmente (2.000 clipes) |
|---|---|---|---|
| Hospedado de peso aberto (Wan 2.1, CogVideoX) | $0.015 | $0.09 | $180 |
| Kling 2.0 | $0.05 | $0.30 | $600 |
| Pista Gen-4 | $0.05 | $0.30 | $600 |
| Sora 2 (720p) | $0.12 | $0.72 | $1,440 |
| Veo 3 (Google) | $0.35 | $2.10 | $4,200 |
| Sora 2 (4K) | $0.40 | $2.40 | $4,800 |
| Preço de referência, agosto de 2026. Exemplo resolvido: 2.000 clipes/mês de 6 segundos cada. Defina o preço do seu próprio volume no Calculadora de custos de geração de vídeo AI. | |||
Os modelos hospedados de peso aberto são o Flux Schnell do vídeo – mais de 3x mais barato do que o próximo nível, Kling e Runway, que custam os mesmos US$ 0,05/segundo, apesar de serem empresas separadas. Sora 2 sozinho abrange uma faixa de 3,3x dependendo da resolução, o que é um salto maior do que a diferença entre Kling e Runway, ou entre o nível de peso aberto e qualquer um deles. A resolução, e não o fornecedor, está fazendo a maior parte do trabalho nesta tabela.
Um mês LLM de 240 milhões de tokens parece enorme, mas custa algumas centenas de dólares porque os tokens são pequenos e baratos. Um segundo de vídeo não é nenhum dos dois. Cada segundo representa aproximadamente 24 a 30 quadros renderizados em qualquer resolução solicitada, e o cálculo para produzir cada quadro não diminui da mesma forma que um token de texto - ele é dimensionado com contagem de pixels e etapas de difusão. É por isso que o Veo 3, um modelo nativo de áudio que gera som sincronizado junto com os quadros, custa mais perto de US$ 0,35/segundo do que o território do modelo de texto: você está pagando por um segundo de imagem renderizada e um segundo de som renderizado na mesma chamada, o que está mais próximo de comprar uma API TTS e uma API de vídeo agrupadas do que um único item de linha por token.
Isso também significa que o volume aumenta mais rápido do que as pessoas esperam. Dobrar a duração do clipe de 6 para 12 segundos não adiciona um custo fixo, mas dobra a conta imediatamente, porque a calculadora não tem taxa fixa por solicitação para amortizar - os segundos são o preço total. Uma campanha que vai de 2.000 a 5.000 clipes por mês no Sora 2 4K não acrescenta US$ 2.880, acrescenta US$ 12.000. Não há nível de desconto em massa oculto na maioria das APIs de vídeo, como acontece com o processamento em lote em chamadas LLM.
Para rascunhos de storyboard, visualizações internas ou qualquer coisa em que um ser humano rejeite nove tomadas antes de escolher uma, gere no nível de peso aberto - por US$ 180 por 2.000 clipes, iterando dez vezes mais, custa menos do que um único mês de Veo 3 no volume de produção. Reserve Sora 2 ou Veo 3 para o clipe que realmente é enviado: o único ativo principal, o criativo do anúncio, aquilo que o cliente vê. Executar o nível barato para volume e o nível caro para o punhado que sobrevive à revisão é a mesma divisão que funciona para a geração de imagens, e funciona aqui pelo mesmo motivo: o custo do nível premium aumenta a cada segundo que você gera, portanto, quanto menos segundos você enviar, menor será a conta. Defina o preço de sua própria contagem e duração de clipes no Calculadora de custos de geração de vídeo AI, verifique o que as camadas de áudio sincronizado economizam em comparação com uma camada separada conversão de texto em fala chamada, e se o vídeo for uma linha em uma fatura de produto maior, totalize toda a pilha na Estimador de custos de aplicativos de IA.
Metodologia: preços de nossa tabela de taxa de geração de vídeo rastreada em agosto de 2026 (última verificação em 15/08/2026), correspondendo à taxa por segundo publicada ou típica hospedada de cada provedor no nível de resolução indicado. As taxas de peso aberto refletem plataformas hospedadas com cobrança de tempo de GPU, não um preço fixo do fornecedor – confirme as taxas atuais antes de orçar uma execução de produção.