HiDream-O1-Video-1.0 debutta al sesto posto su Artificial Analysis — e la sua API pubblica è molto più piccola del suo lancio

HiDream-O1-Video-1.0 è sesto nella classifica Image-to-Video di Artificial Analysis, con un Elo di 1.175 su 3.231 voti a 5,80 $ per minuto di video generato. Questa è la posizione annunciata dal suo produttore — salvo che il comunicato di lancio di HiDream.ai, datato 17 settembre 2026, parlava del quarto posto. Entrambi i numeri sono veri e descrivono cose diverse: il comunicato cita la posizione che il modello occupava il giorno in cui è stato annunciato, e la classifica da allora si è mossa. Consultata il 10 ottobre 2026 con il filtro audio attivo, HiDream V1 si colloca dietro MiniMax H3 Max, MiniMax H3, Vidu Q4 Preview, Omni Flash e Dreamina Seedance 2.0 720p, in quest'ordine.

La storia più interessante non è la posizione in classifica. È che HiDream-O1-Video-1.0 è stato annunciato come un modello che accetta testo, immagini e video e restituisce filmati 1080p da cinque a venti secondi con audio sincronizzato nativamente — e che ciò che puoi effettivamente invocare oggi accetta esattamente un'immagine di riferimento e un prompt testuale opzionale, e nient'altro. Entrambe queste affermazioni sono documentate. Il divario tra loro è la cosa che vale la pena sapere prima di costruire su questo modello.

Il tabellone, letto correttamente

Artificial Analysis gestisce le sue classifiche video in livelli, ciascuno con la propria scala Elo e il proprio bacino di voti, quindi un punteggio non si trasferisce tra un livello e l'altro. Su AA-Video-I2V v1.0 con l'audio mantenuto, i primi sei sono separati da venti punti Elo e gli intervalli di confidenza hanno un'ampiezza compresa tra sette e dieci punti. Quei primi sei, al 10 ottobre 2026:

• MiniMax H3 Max — 1.195 ±9 su 5.894 campioni, agosto 2026, $4,80/min

• MiniMax H3 — 1.181 ±8 su 7.284 campioni, luglio 2026, $7,80/min

• Vidu Q4 Preview — 1.179 ±10 su 5.543 campioni, ottobre 2026, 5,04 $/min

• Gemini Omni Flash — 1.178 ±7 su 12.327 campioni, maggio 2026, 6,00 $/min

• Dreamina Seedance 2.0 720p — 1.176 ±7 su 15.721 campioni, marzo 2026, 9,07 $/min

• HiDream-O1-Video-1.0 — 1.175 ±10 su 3.231 campioni, agosto 2026, 5,80 $/min

Leggete quegli intervalli come un gruppo e il riassunto onesto è che le posizioni dalla prima alla sesta sono, statisticamente, un unico confronto con una lunghissima coda di pareggi. Il divario che non è dentro il rumore è quello tra HiDream V1 e il resto del campo: il settimo posto, Wan 3.0 di Alibaba, è a 1.164 — undici punti e un intervallo intero sotto il sesto, e quasi trecento voti davanti a esso. Il numero di campioni di HiDream stesso è il più basso di quei primi sei, il che significa che il suo intervallo è tra i più ampi e la sua posizione la meno definita.

Due cose che Artificial Analysis afferma sulla classifica stessa meritano di essere tenute presenti. Registra un solo modello come aggiunto negli ultimi 30 giorni, e afferma che AA-Video-I2V v2.0 è in arrivo, allineato alla tassonomia di AA-Video-T2V v2.0 con 1080p in tutto. Questo conta per un modello le cui dichiarazioni di lancio riguardano il 1080p e il condizionamento testo e video: la classifica su cui debutta è esplicitamente transitoria, e la sostituzione cambia ciò che viene misurato.

Dove il modello non è

HiDream-O1-Video-1.0 compare su esattamente una classifica video di Artificial Analysis. È assente da AA-Video-T2V v2.0, la classifica text-to-video, e dalla classifica di video editing. Le ho controllate entrambe il 10 ottobre 2026 — Wan 3.0 guida text-to-video con 1.156 e video editing con 1.157, FLUX 3 è sesto su text-to-video con 1.128, e HiDream non compare in nessuna delle due classifiche.

Quell'assenza è un segnale piuttosto che una squalifica. Un modello che utilizza soltanto un'immagine di riferimento non può partecipare a una votazione text-to-video, e uno che si limita ad animare non può partecipare a un confronto di editing. La conseguenza pratica è che non esiste una misurazione indipendente di HiDream V1 nell'ambito del text-to-video o del video editing, che sono esattamente due delle tre modalità di input pubblicizzate dalla sua release di lancio.

Due date, e i novanta giorni che le separano

C'è una complicazione nella datazione che chiunque citi questi numeri dovrebbe gestire con attenzione. Artificial Analysis registra la data di rilascio di HiDream-O1-Video-1.0 come 28 agosto 2026 e la data in cui è stato introdotto nella classifica come 10 settembre 2026. L'annuncio di lancio di HiDream è datato 17 settembre. I riferimenti di terze parti al modello apparsi in seguito lo descrivono come pubblicato il 15 settembre e verificato il 17 settembre.

Ciò che quel pattern descrive è un modello che ha raggiunto la pipeline di valutazione prima di raggiungere il comunicato stampa — cosa del tutto normale, e significa che la data di rilascio riportata in classifica è la più antica delle due, non un errore. Non descrive un modello di marzo riannunciato in agosto, che è la modalità di errore con cui questo blog si è già scottato in passato. HiDream-O1-Video-1.0 è genuinamente nuovo: l'infrastruttura stessa della classifica ne data l'arrivo negli ultimi due mesi.

Che cosa sostiene il lancio, e chi lo afferma

La storia dell'architettura proviene da HiDream e non è stata riprodotta in modo indipendente. Secondo il fornitore: HiDream-O1-Video-1.0 — HiDream V1, o HD-V1 — modella congiuntamente testo, video e audio all'interno di un unico processo di generazione, anziché generare l'immagine e aggiungere il suono in un secondo momento, così che il movimento delle labbra, il suono ambientale e l'azione fisica condividano una stessa timeline. La durata è pianificata anziché fissa, con il modello che sceglie una lunghezza tra cinque e venti secondi in base all'evento descritto. Il comportamento fisico — gravità, collisione, inerzia, deformazione, decadimento della luce — viene addestrato come vincolo di generazione. Il post-addestramento utilizza il reinforcement learning su diffusione contro un modello di ricompensa multimodale allineato alla percezione umana. La generazione si svolge in tre fasi che l'azienda descrive come: prima la pianificazione, seconda la generazione congiunta, terza l'allineamento.

HiDream colloca il modello all'interno di un portfolio a quattro famiglie costruito su una base condivisa di transformer unificato — HiDream-O1-Image, HiDream-O1-Video, HiDream-O1-World e HiDream-O1-Embodied — e cita i piazzamenti precedenti nei benchmark dei fratelli, tra cui HiDream-O1-Image 1.5 al secondo posto a livello globale nella classifica text-to-image di Artificial Analysis e HiDream-O1-World al primo posto su WBench. Si tratta dei dati del fornitore relativi ad altri modelli della famiglia, qui riportati senza conferma indipendente. Il materiale aziendale dell'impresa descrive inoltre uno stack tecnologico di foundation model con "più di 200 miliardi" di parametri; si tratta di una dichiarazione a livello di piattaforma, non di una specifica di HiDream-O1-Video-1.0, e nessuna fonte pubblica un conteggio dei parametri per questo checkpoint. Per esso non sono stati rilasciati pesi aperti.

Cosa puoi effettivamente chiamare

Qui la documentazione è insolitamente chiara, ed è più limitata rispetto all'annuncio. HiDream serve il modello tramite HiHarness, la sua piattaforma MaaS. L'endpoint video è una POST a /api/maas/gw/v1/videos/generations con l'identificatore del modello HiDream-O1-Video-1.0. L'input richiesto è esattamente un'immagine di riferimento — un URL pubblico, oppure Base64 senza il prefisso data-URL, tra 40 KB e 20 MB. Il prompt testuale è opzionale e il valore predefinito è vuoto. La generazione è asincrona: si invia, si riceve un task_id, e si effettua il polling di /api/maas/gw/v1/videos/generations/results finché result.status non riporta 1.

Tre omissioni in quello schema meritano di essere menzionate esplicitamente, perché ciascuna è una capacità che la release di lancio pubblicizza.

• Video di riferimento — l'annuncio elenca il video tra gli input del modello; la richiesta documentata non ha alcun campo per esso.

• Risoluzione esplicita — l'annuncio dichiara 1080p; la richiesta documentata non presenta alcun selettore di risoluzione, e il risultato conserva invece le proporzioni dell'immagine di riferimento.

• Controllo audio — l'annuncio dichiara un audio sincronizzato nativo; la richiesta documentata non espone alcun parametro di input audio né di generazione audio.

Ciò che lo schema espone è force_10s, un booleano che per impostazione predefinita è false. Lasciato false, il modello sceglie la durata. Impostato su true, si ottengono dieci secondi. Non esiste un campo numerico per la durata, quindi l'intervallo pubblicizzato da cinque a venti secondi è un'affermazione a livello di modello che la superficie pubblica delle richieste non consente di controllare se non scegliendo una delle due modalità.

C'è un dettaglio implementativo in quel contratto di risposta che farà inciampare un'integrazione scritta basandosi sul pattern matching di altre API video. result.status = 1 significa che ogni sottoattività ha raggiunto uno stato terminale — non che la generazione sia riuscita. Devi comunque leggere sub_task_results[].task_status, dove 1 è successo, 3 è un fallimento di generazione e 4 è un fallimento della revisione di sicurezza. Un client che interpreta lo stato terminale come successo ti fornirà un URL video che non esiste.

Il prezzo, nel contesto

Secondo i dati di Artificial Analysis, pari a $5,80 al minuto, HiDream V1 si colloca a metà gamma per la sua fascia di prezzo, più che a buon mercato. All'interno dei primi sei della classifica è più economico di MiniMax H3 ($7,80) e Dreamina Seedance 2.0 ($9,07) e più caro di MiniMax H3 Max e Vidu Q4 Preview. Rispetto ai modelli con cui verrà confrontato più spesso, il divario è più ampio: Google Veo 3.1 costa $24,00 al minuto, Kling 3.0 1080p Pro $20,16, Alibaba Wan 2.7 $9,00 e Wan 3.0 $12,00, mentre Grok Imagine Video 1.5 si attesta a $8,40.

Quelle tariffe al minuto non sono direttamente confrontabili, perché a quale risoluzione e con quale audio corrisponda un minuto di output è esattamente ciò che la documentazione API non specifica per questo modello. Considera il numero un punto di partenza per i tuoi calcoli anziché un listino prezzi.

Provare un percorso non collaudato senza puntarci una pipeline

L'argomento a favore della cautela, qui, non è che il modello sia scadente. È che una superficie di servizio dell'era delle anteprime — un solo tipo di input, un solo interruttore di durata, un flag terminale a due stati — è il posto sbagliato per codificare in modo rigido un percorso di produzione. HiDream-O1-Video-1.0 non è un modello che serviamo oggi su OrcaRouter, quindi nulla di quanto segue è un'affermazione sul suo hosting: il punto in cui il nostro prodotto aiuta davvero è dall'altro lato della decisione, dove vuoi testare una nuova rotta video contro un incumbent e poterla abbandonare in qualsiasi momento. Un endpoint compatibile con OpenAI per oltre 200 modelli, failover automatico in modo che una rotta che inizia a fallire in silenzio non sia la rotta che rilasci, prezzi di listino dei provider passati senza alcun ricarico aggiunto, e un DSL di routing che ti consente di confrontare due modelli all'interno di una singola richiesta anziché due integrazioni. Niente di tutto ciò richiede specificamente il modello di HiDream.

Cosa cambierebbe questo pezzo

Tre sviluppi cambierebbero il quadro, in ordine decrescente di probabilità.

Innanzitutto, un contratto di servizio più ampio. Se HiHarness aggiunge un campo per il video di riferimento, un selettore di risoluzione o controlli audio documentati, il divario tra l'annuncio e l'API si chiude e le affermazioni su 1080p e text-to-video diventano verificabili. Si tratta di un cambiamento alla documentazione, non al modello, e potrebbe arrivare in qualsiasi settimana.

In secondo luogo, la classifica AA-Video-I2V v2.0. Artificial Analysis ha dichiarato che arriverà, allineata alla tassonomia T2V v2.0 con 1080p ovunque. Una classifica solo 1080p sarebbe il primo ambiente indipendente in cui l'affermazione sulla risoluzione di HiDream V1 abbia un senso — e se il modello non può ancora essere inserito nella classifica text-to-video secondo la nuova tassonomia, la sua assenza in quella sede diventa un riscontro sostanziale anziché un artefatto delle vecchie categorie.

Terzo, la dimensione del campione. 3.231 voti sono una misurazione reale e recente, la più esigua tra i primi sei. L'intervallo ora è ±10 e si restringerà nella direzione in cui lo spingeranno gli elettori. Chiunque citi "sesto" come un fatto assodato dovrebbe dire la data in cui l'ha letto, perché il sesto posto è un ex aequo in un ex aequo a sei.

La domanda che vale la pena mantenere non è se HiDream-O1-Video-1.0 sia competitivo — sull'unico banco di prova su cui può essere misurato, lo è chiaramente, e a un prezzo al minuto difendibile. È se il modello che alla fine raggiungerà un'API diffusa sia quello che è stato annunciato. Secondo la documentazione attuale, quelli sono ancora due prodotti diversi.

HiDream-O1-Video-1.0 non è una delle rotte che serviamo oggi, ma lo stesso tipo di superficie si trova dietro oltre 200 modelli con i prezzi di listino dei fornitori trasferiti tal quali e senza alcun ricarico aggiunto.