Vidu Q4 Preview vs. Google Veo 3.1: Veo verkauft drei Stufen, und die Lücke zwischen ihnen ist kleiner als die Lücke nach oben

Goo​gles Veo 3.1gibt es in drei Stufen. Auf der Image-to-Video-Bestenliste von Artificial Analysis erreichen sie 1.082, 1.071 und 1.066 Punkte – sechzehn Elo über die gesamte Spanne – während ihre Minutenpreise um den Faktor fünf auseinanderliegen, von 4,80 $ bis 24,00 $. Vidu Q4 Previewist ein einziges Modell, nicht drei, erreicht auf derselben Bestenliste 1.179 Punkte und ist mit 7,20 $ pro Minute gelistet. Liest man diese Zahlen der Reihe nach, ist die praktische Frage nicht mehr „welche Veo-Stufe", sondern „warum überhaupt eine davon kaufen" – was nicht der Vergleich ist, den die meisten Seiten ziehen, und sie verdient die konkrete Antwort weiter unten statt eines Schulterzuckens.

Vidu Q4 Preview wurde am 7. Oktober 2026 von Shengshu Technology als erste öffentliche Vorschau seines Flaggschiffs der nächsten Generation veröffentlicht, vor dem vollständigen Q4-Release, in zwei Modi: Image-to-Video und Reference-to-Video. Veo 3.1 ist seit Januar 2026 auf den Leaderboards vertreten, im März kam eine Lite-Stufe hinzu, und es akzeptiert sowohl Text-Prompts als auch Bilder. Unterschiedliche Formen, unterschiedliche Jahrgänge – und ein Leaderboard, auf dem sie sich gegeneinander messen können.

Veos Stufenleiter, direkt vom Board abgelesen

Alle folgenden Zahlen stammen von Artificial Analysis, abgerufen am 8. Oktober 2026, wobei das Audio beibehalten wurde. Jede Bestenliste hat ihre eigene Elo-Skala und ihren eigenen Stimmenpool, daher sind die beiden Blöcke nicht miteinander vergleichbar – nur innerhalb des jeweiligen Blocks.

Bild-zu-Video (AA-Video-I2V v1.0):

• Vidu Q4 Preview — 3., 1.179 ±10, 5.543 Samples, Okt. 2026, 7,20 $/Min.

• Veo 3.1 — 12. Platz, 1.082 ±7, 7.040 Stichproben, Jan. 2026, 24,00 $/min

• Veo 3.1 Lite — 15., 1.071 ±8, 5.122 Samples, März 2026, 4,80 $/Min.

• Veo 3.1 Fast — 18., 1.066 ±6, 14.688 Stichproben, Jan. 2026, 9,00 $/Min.

Text-zu-Video (AA-Video-T2V v2.0):

• Veo 3.1 — 19.–21., 962 ±10, 2.998 Stichproben, Jan. 2026, 24,00 $/Min.

• Veo 3.1 Fast — 20., 961 ±10, 4.325 Samples, Jan. 2026, $7,20/Min.

• Veo 3.1 Lite — 22.–25., 948 ±10, 2.903 Samples, März 2026, 4,80 $/Min.

• Vidu Q4 — nicht auf diesem Board vorhanden

Die beiden Blöcke erzählen dieselbe Geschichte aus unterschiedlichen Blickwinkeln. Bei Image-to-Video liegen die drei Veo-Stufen innerhalb eines Sechzehn-Punkte-Bereichs, während der Preis um den Faktor fünf variiert – wer also für Veo 3.1 fünfmal mehr zahlt als für Veo 3.1 Lite, erhält dafür elf Elo, was gut innerhalb der ±7- und ±8-Intervalle liegt, die diese beiden Werte aufweisen. Bei Text-to-Video beträgt die Spanne vierzehn Punkte über denselben fünffachen Preisbereich, und dort fällt die Reihenfolge großzügig gegenüber der günstigen Stufe aus: Veo 3.1 Fast liegt einen Elo hinter dem Flaggschiff – bei einem Drittel des Preises – und hinter seiner Zahl stehen mehr Stimmen.

Googles eigene Staffelung ist daher größtenteils eine Entscheidung über Latenz und Auflösung und keine Qualitätsleiter – was für einen Anbieter durchaus ein vernünftiges Verkaufsargument ist. Es ist nur nicht das, was die meisten „Welches Veo“-Artikel behaupten.

Der Vergleich, der tatsächlich zutrifft

Vidu Q4 Preview liegt auf der Image-to-Video-Bestenliste 97 Elo über der besten Stufe von Veo 3.1, kostet dabei 16,80 $ pro Minute weniger und liegt 113 Elo über Veo 3.1 Fast. Diese Abstände sind fünf- bis siebenmal so groß wie die Breite der betreffenden Intervalle, es handelt sich also nicht um Rauschen.

Der offensichtliche Einwand ist, dass hier ein Modell von Oktober 2026 mit einem von Januar 2026 verglichen wird, und das tut es — genau das ist das Ergebnis. Veo 3.1 ist auf diesem Board acht Monate alt, seine Stufen wurden zuletzt nennenswert umgeschichtet, als Lite im März kam, und es wurde von einem Preview-Build aus einem kleineren Labor zu einem niedrigeren Preis überholt. Der Hinweis des Boards selbst besagt, dass in den letzten 30 Tagen zwei Modelle hinzugefügt wurden, und Vidu Q4 Preview ist eines davon.

Das ebenso offensichtliche Gegengewicht: Vidu Q4 Preview hat überhaupt keinen Text-zu-Video-Einstieg, und genau dort liegen zwei von Veos drei Stufen. Wenn dein Workload mit einem geschriebenen Prompt beginnt statt mit einem Frame, trifft keiner dieser Vergleiche zu, und die Veo-Leiter ist die einzige der beiden, die darauf antwortet.

Was Veo dir bietet, was Vidu nicht bietet

Es gibt eine Dimension, in der die Kluft struktureller statt numerischer Natur ist, und sie hat nichts mit Elo zu tun.

Googles Veo 3.1-Ausgabe ist in jedem Einzelbild mit SynthID wassergezeichnet und trägt C2PA-Inhaltsnachweise, die dokumentieren, dass sie KI-generiert wurde, wobei ein Detektor in der Gemini-App verfügbar ist. Das ist keine Funktion, die man einschaltet; es ist das, was das Modell produziert. Für alle, die in einen Markt mit Offenlegungspflichten liefern, mit einer Plattform arbeiten, die synthetische Medien prüft, oder einfach eine Prüfspur darüber möchten, welche Aufnahmen generiert wurden, ist dies ein Beschaffungsunterschied, den kein Benchmark zeigt. In manchen Workflows ist es auch ein Grund, es nicht zu verwenden – ein Wasserzeichen, das man nicht deaktivieren kann, ist eine Einschränkung, wenn Ihr Deliverable als unmarkiertes Material durchgehen muss.

Vidu Q4 Preview veröffentlicht keinen Wasserzeichen- oder Provenienzmechanismus mit vergleichbarer Spezifität. Das ist das Fehlen einer Behauptung, nicht die Behauptung eines Fehlens, und es sollte als solches festgehalten werden.

Zwei kleinere Asymmetrien, die es wert sind, beibehalten zu werden:

• Audio-Standardeinstellung — der Bild-zu-Video-Endpoint von Vidu Q4 Preview hat einen audio-Parameter, der standardmäßig auf true gesetzt ist, sodass Sie zusammen mit dem Bild auch Ton erhalten, sofern Sie ihn nicht deaktivieren; Veo 3.1 behandelt Audio als eigene Tarifentscheidung, wobei die Einbeziehung bei Standard etwa 0,40 $/s kostet, wohingegen stille Ausgabe deutlich weniger kostet

• Referenzbudget — Vidu Q4 Preview akzeptiert in Reference-to-Video bis zu 15 Referenzbilder und bis zu 3 Referenzaudioclips; die Referenzverarbeitung von Veo 3.1 ist nicht bis zu diesem Detaillierungsgrad dokumentiert

Was das für die Wahl bedeutet

Wenn Sie aus einem Standbild generieren – einem Produktframe, einer Charakterreferenz, einem Storyboard-Panel –, stuft das unabhängige Board Vidu Q4 Preview in eine andere Stufe ein als jede Veo 3.1-Variante, und das zu einem Bruchteil des Preises der obersten Stufe, und die Stufenleiter innerhalb von Veo rettet es nicht. Das ist das Ergebnis, und es stützt sich auf 5.543 Stimmen gegenüber 7.040, 5.122 bzw. 14.688. Die Stimmenzahlen sind echt; der Rang wird sich verschieben, sobald sich die Intervalle verengen.

Wenn Sie integrierte Provenienz, Text-zu-Video oder einen Anbieter mit Googles Vertrieb und Enterprise-Konditionen benötigen, ist Veo 3.1 die Antwort – aus Gründen, die die Elo-Tabelle nicht ausdrücken kann und die nicht als übergeordnet verstanden werden sollten.

Wenn Sie beides brauchen, steht bei der Rechnung eine Integration gegen zwei. OrcaRouter betreibt einen OpenAI-kompatiblen Endpoint über mehr als 200 Modelle mit durchgereichten Listenpreisen der Anbieter und ohne Aufschlag, sodass eine Preisänderung bei einem der beiden Anbieter noch am selben Tag in Ihrer Rechnung auftaucht statt erst bei der Vertragsverlängerung, und ein automatischer Failover über Anbieter hinweg bedeutet, dass eine einzelne nicht verfügbare Route die Anfrage nicht mitreißt. Weder Vidu Q4 Preview noch Veo 3.1 ist heute eine OrcaRouter-Route – die Videomodelle, die wir tatsächlich anbieten, darunter MiniMax H3, sind über denselben Endpoint aufrufbar –, die ehrliche Einordnung ist also, dass wir die Orchestrierungsebene stabil halten können, während Sie entscheiden, welcher Render-Pfad gewinnt, und nicht, dass wir eines dieser beiden hosten.

Die Frage, die wirklich zählt

Veo 3.1 ist kein schlechtes Modell. Es ist ein Modell vom Januar 2026, das wie ein Flaggschiff bepreist wurde, während drei seiner eigenen Stufen auf denselben Wert konvergieren, und es wurde nun gegen eine Vorschau vom Oktober 2026 gemessen, die seine beste Variante um einen größeren Abstand schlägt als Veos gesamte interne Streuung.

Was das Bild verändern würde: AA-Video-I2V v2.0 wird als kommende Version angekündigt, ausgerichtet an der Taxonomie von T2V v2.0 und durchgängig 1080p abdeckend. Ein erneuter Durchlauf auf einem neuen Board mit neuen Abstimmungspools kann jede dieser Platzierungen nach oben oder unten verschieben, und beide Modelle sollten auf diesem Board neu gelesen werden, statt den Zahlen auf dieser Seite zu vertrauen.

Die knappe Antwort für einen Leser, der eine will: Auf dem einzigen Board, auf dem beide erscheinen, übertrifft der einzelne Vidu Q4 Preview Build alle drei Veo 3.1-Stufen, und das bei 7,20 $ pro Minute gegenüber 24,00 $ bei Veo 3.1 Standard und 9,00 $ bei Veo 3.1 Fast – allerdings nicht gegenüber Veo 3.1 Lite, der einzigen Veo-Stufe, die ihn unterbietet, mit 4,80 $ pro Minute und achtzehn Plätze weiter unten auf demselben Board. Veos eigene Stufenleiter ist keine Qualitätsleiter, und das ist der Teil dieses Vergleichs, den man mitnehmen sollte. Die umfassende Antwort ist, dass sie auf unterschiedliche Aufgaben ausgerichtet sind, und das Ergebnis, das den Ausschlag gibt, ist, ob Ihre Eingabe ein Foto oder ein Satz ist.