Vidu Q4 Preview vs MiniMax H3: Il vertice della classifica è un pareggio, e solo uno dei due è presente su tre classifiche

La classifica image-to-video di Artificial Analysis, consultata l'8 ottobre 2026, colloca MiniMax H3 Max al primo posto con 1.195 Elo, MiniMax H3 al secondo con 1.181, e Vidu Q4 Preview al terzo con 1.179. Sedici punti separano il primo dal terzo, su intervalli di circa ±10 e ±11, rispettivamente su 5.894, 7.284 e 5.543 voti. Si tratta di un pareggio statistico mascherato da podio, e qualunque pagina che si apra dichiarando un vincitore in questa classifica sta leggendo rumore.

Quindi la domanda interessante non è quale di questi due modelli sia migliore. È cosa succede al confronto una volta che si esce dall'unica classifica in cui entrambi compaiono — perché MiniMax H3 è stato rilasciato il 31 luglio 2026 come modello omni-modale che legge riferimenti di testo, immagine, video e audio come un unico contesto, e Vidu Q4 Preview è arrivato il 7 ottobre 2026 con due modalità di input e due endpoint API. Uno di essi è misurato in tre punti. L'altro è misurato in uno.

Cosa significa e cosa non significa il pareggio a tre

Sia le voci MiniMax sia la build di Vidu si collocano all'interno degli intervalli reciproci, quindi l'affermazione onesta è che i tre migliori modelli image-to-video sono indistinguibili per preferenza umana alle attuali dimensioni dei campioni. Due dettagli rendono quel pareggio meno lusinghiero per tutti di quanto non sembri.

Il primo è l'età. I voti di MiniMax H3 risalgono a luglio 2026 e quelli di H3 Max ad agosto; quelli di Vidu Q4 Preview a ottobre. I bacini di voti più grandi e più vecchi vengono misurati rispetto a un campo competitivo diverso e a un insieme di avversari diverso, il che vale in entrambi i sensi: meglio misurati, ma rispetto a una domanda leggermente diversa. Un divario di 16 punti in una direzione o nell'altra qui non è una prova.

Il secondo è la colonna del prezzo. Artificial Analysis registra MiniMax H3 a 7,80 $ al minuto e H3 Max a 4,80 $ al minuto su questa classifica. Vidu Q4 Preview è registrato a 7,20 $. Se li si legge come una classifica, H3 Max sembra la scelta conveniente tra i tre — ma le tariffe sottostanti del fornitore spiegano l'etichetta anziché contraddirla. Noi elenchiamo MiniMax-H3 a 0,08 $ al secondo a 768P e 0,13 $ al secondo a 2K sulla nostra scheda del modello, che corrispondono a 4,80 $ e 7,80 $ al minuto. Le due cifre MiniMax nella classifica sono lo stesso modello prezzato su due livelli di risoluzione, non un livello premium e uno economico. Le colonne al minuto in una classifica di preferenze sono utili per gli ordini di grandezza e pericolose per qualsiasi cosa di più fine.

Dove MiniMax H3 compare e Vidu Q4 Preview no

Questa è la parte del confronto che sopravvive al pareggio, ed è una differenza strutturale più che qualitativa.

MiniMax H3 (768p) è quarto nella classifica text-to-video con 1.137 Elo su 8.315 voti, mentre H3 Max è quinto con 1.130 su 5.719. È di nuovo quarto nella classifica di video editing con 1.119 su 7.023 voti, in una classifica che valuta i modelli sul montaggio di un video a partire da un'istruzione testuale mantenendo l'audio. Vidu Q4 Preview non compare in nessuna delle due.

Quell'assenza non è una lacuna di misurazione — è ciò che il prodotto è. L'API di Vidu Q4 Preview documenta due endpoint, /ent/v2/img2video e /ent/v2/reference2video, e la pagina del prodotto elenca due modalità, Image-to-Video e Reference-to-Video. Nella documentazione non esiste alcun percorso text-to-video. Non esiste nemmeno un percorso di video editing, il che significa che il modello non può prendere una clip esistente e modificarne qualcosa al suo interno. MiniMax H3 fa entrambe le cose, e la sua impostazione omni-modale — riferimenti testuali, visivi, video e audio in un unico contesto — è il motivo per cui ci riesce.

Vale la pena essere precisi sul fronte audio, perché entrambi i modelli gestiscono l'audio in modo nativo e i due non sono la stessa cosa. Vidu Q4 Preview genera audio e video insieme, con un audio parametro nell'endpoint image-to-video che produce un video con dialoghi ed effetti sonori, e accetta fino a tre clip audio di riferimento per mantenere coerente la voce di un personaggio. MiniMax H3 produce audio stereo nativo e accetta l'audio come modalità di input insieme a immagini e video. Il caso d'uso della voce di riferimento è il punto di forza specifico di Vidu; il caso d'uso del riferimento per ogni elemento è quello di MiniMax.

L'aritmetica al secondo, livello per livello

Entrambi i modelli fatturano al secondo di output generato, il che rende questo uno dei rari confronti in cui le tariffe possono essere messe direttamente a confronto senza conversione.

• 540p — solo per Vidu Q4 Preview: 9 crediti al secondo, circa 0,045 $ al tasso standard di 0,005 $ per credito pubblicato dalla piattaforma

• 720P / 768P — Vidu Q4 Preview 19 crediti al secondo, circa $0,095 contro gli $0,08 al secondo di MiniMax-H3

• 1080p — Vidu Q4 Preview 24 crediti al secondo, circa 0,12 $ rispetto a MiniMax-H3, nessun livello 1080p pubblicato

• 2K — Vidu Q4 Preview 38 crediti al secondo, circa 0,19 $ contro MiniMax-H3 0,13 $ al secondo

• 4K — solo per Vidu Q4 Preview: 78 crediti al secondo, circa 0,39 $

Lo schema che ne emerge non è «uno costa meno». Il livello minimo di Vidu Q4 Preview è davvero più basso: il suo tier a 540p è un tier di blocking, con un prezzo commisurato esattamente all'uso che se ne fa, cioè validare una composizione prima di pagare per un rendering a piena risoluzione, e nulla nel listino di MiniMax svolge quel ruolo. MiniMax H3 costa meno in 2K, il tier più alto condiviso da entrambi i modelli, di circa un terzo. E il tier 4K di Vidu è l'unico tier di generazione 4K del confronto, a un prezzo che lo rispecchia.

La cifra di lancio di $0,014 al secondo che ha accompagnato l'annuncio di Vidu è il livello 540p a una tariffa crediti scontata, non una tariffa generale. La piattaforma di Shengshu sta attualmente applicando sconti temporanei sui pacchetti fino al 30% sui bundle di crediti, che abbassano ogni livello insieme anziché modificare la forma della curva. Considera la curva delle tariffe di listino come termine di confronto e lo sconto come una compensazione temporanea.

Da parte nostra: instradiamo MiniMax-H3. È attivo sull'API pubblica dei modelli all'indirizzo minimax/minimax-h3, fatturato al secondo di output generato alla tariffa di listino del fornitore passata attraverso senza alcun ricarico, richiamabile sullo stesso endpoint compatibile con OpenAI di ogni modello di testo che serviamo. Vidu Q4 Preview non è una rotta di OrcaRouter, e questa pagina non sostiene il contrario — i modelli video che serviamo si trovano su una chiave e una forma di richiesta accanto ai modelli linguistici, che è la disposizione che rende economico confrontarne diversi. Una conseguenza pratica del prezzo pass-through: quando un fornitore modifica una tariffa al secondo, tale modifica è visibile sulla rotta lo stesso giorno anziché al rinnovo del contratto.

Che cosa offre "omni-modal" in una richiesta reale

Il contesto unificato di MiniMax H3 è facile da leggere come un elenco di funzionalità e da sottovalutare come differenza ingegneristica. Un modello che accetta video come riferimento in input può essere puntato su una scena esistente e gli si può chiedere di continuarla, estenderla o modificarne lo stile; un modello privo di input video non può farlo. È questo il meccanismo dietro la presenza di H3 sulla board di montaggio, ed è anche il motivo per cui l'intervallo di output di 4–15 secondi del modello è meno limitante di quanto il numero suggerisca — l'estensione multi-turno è il modo normale di costruire, a partire da esso, una sequenza più lunga.

Anche il limite di 16 secondi di Vidu Q4 Preview vale per generazione, e la sua modalità Reference-to-Video è pensata per la narrazione multi-inquadratura all'interno di quella finestra, con la documentazione che descrive il cambio intelligente di camera e la coerenza tra più posizioni della camera. Ciò che non ha è un modo per accettare una clip che hai già girato e modificarla. Se il tuo flusso di lavoro parte da filmati anziché da un'immagine fissa o da un set di riferimento, uno di questi due modelli semplicemente non è disponibile per te, e nessun numero Elo può colmare questa lacuna.

Quale, per lavoro

Scegli MiniMax H3 quando l'input è qualsiasi cosa che non sia un'immagine o un set di riferimento. Text-to-video, video-to-video editing, audio-in, estensione multi-turn oltre i quindici secondi, o una pipeline in cui il modello deve coprire l'equivalente di casi d'uso di tre diverse board — questo è il territorio di H3, ed è l'unico dei due che ne abbia. La sua tariffa 2K è anche la più economica delle due al tier più alto che condividono.

Prendi Vidu Q4 Preview quando il lavoro richiede coerenza di cast e voce, o quando ti serve un tier di generazione in 4K, o quando vuoi una passata di blocking economica a 540p per iterare su un'inquadratura prima di impegnarti. Quindici riferimenti immagine e tre riferimenti audio rappresentano un budget di riferimenti pubblicato più ampio di quanto documenti MiniMax, e nessun altro modello in questo confronto genera nativamente in 4K. Il set di modalità più ristretto è il prezzo da pagare per questo.

Cosa cambierebbe questo: un rilascio completo di Vidu Q4 che aggiungesse un endpoint text-to-video metterebbe i due modelli sulle stesse classifiche e trasformerebbe la cosa in una sfida diretta. AA-Video-I2V v2.0, annunciato in arrivo con 1080p su tutta la linea e una tassonomia delle capacità rivista, sostituirebbe i voti in cima alla classifica invece di riordinarli — e stabilirebbe se l'attuale pareggio a tre è un pareggio o un limite di misurazione. Fino ad allora, il numero da tenere è sedici, con il nome della classifica e la data accanto.

L'unica cosa che vale la pena portare via dal podio stesso: un primo posto che si colloca sedici Elo sopra il terzo, su intervalli così ampi, non è una classifica. Sono tre modelli che i votanti umani non riescono a distinguere, e la decisione tra loro deve venire da tutto il resto di questa pagina.