Vidu Q4 Preview vs MiniMax H3: O Topo do Ranking Está Empatado, e Apenas Um Deles Está em Três Rankings

O ranking de imagem para vídeo da Artificial Analysis, consultado em 8 de outubro de 2026, coloca MiniMax H3 Max em primeiro, com 1.195 Elo, MiniMax H3 em segundo, com 1.181, e Vidu Q4 Preview em terceiro, com 1.179. Dezesseis pontos separam o primeiro do terceiro, em intervalos de aproximadamente ±10 e ±11, com 5.894, 7.284 e 5.543 votos, respectivamente. Isso é um empate estatístico disfarçado de pódio, e qualquer página que comece declarando um vencedor neste ranking está lendo ruído.

Então a pergunta interessante não é qual destes dois modelos é melhor. É o que acontece com a comparação quando você sai do único ranking em que ambos aparecem — porque o MiniMax H3 foi lançado em 31 de julho de 2026 como um modelo omni-modal que lê referências de texto, imagem, vídeo e áudio como um único contexto, e o Vidu Q4 Preview chegou em 7 de outubro de 2026 com dois modos de entrada e dois endpoints de API. Um deles é medido em três lugares. O outro é medido em um.

O que um empate triplo significa e não significa

Tanto as entradas da MiniMax quanto a build da Vidu estão dentro dos intervalos uma da outra, então a afirmação honesta é que os três principais modelos de imagem para vídeo são indistinguíveis pela preferência humana nos tamanhos de amostra atuais. Dois detalhes tornam esse empate menos lisonjeiro para todos do que parece.

A primeira é a idade. Os votos do MiniMax H3 são de julho de 2026 e os do H3 Max, de agosto; os do Vidu Q4 Preview são de outubro. Conjuntos de votos maiores e mais antigos são medidos em relação a um campo competitivo diferente e a um conjunto diferente de oponentes, o que corta para os dois lados: melhor medidos, e sobre uma pergunta ligeiramente diferente. Uma diferença de 16 pontos em qualquer direção aqui não é evidência.

A segunda é a coluna de preço. A Artificial Analysis registra o MiniMax H3 a US$ 7,80 por minuto e o H3 Max a US$ 4,80 por minuto neste quadro. O Vidu Q4 Preview está registrado a US$ 7,20. Se lermos esses números como um ranking, o H3 Max parece a opção com melhor custo-benefício entre os três — mas as tarifas subjacentes do fornecedor explicam o rótulo, em vez de contradizê-lo. Listamos o MiniMax-H3 a US$ 0,08 por segundo em 768P e US$ 0,13 por segundo em 2K no nosso próprio cartão de modelo, o que corresponde a US$ 4,80 e US$ 7,80 por minuto. Os dois valores do MiniMax no quadro são o mesmo modelo com preço em dois níveis de resolução, não um nível premium e um nível barato. Colunas por minuto em um quadro de preferências são úteis para ordens de magnitude e perigosas para qualquer coisa mais granular.

Onde o MiniMax H3 aparece e o Vidu Q4 Preview não.

Esta é a parte do confronto que sobrevive ao empate, e trata-se de uma diferença estrutural, e não de qualidade.

O MiniMax H3 (768p) está em quarto lugar no ranking de texto para vídeo, com 1.137 Elo em 8.315 votos, e o H3 Max está em quinto, com 1.130 em 5.719. Ele volta a ficar em quarto lugar no ranking de edição de vídeo, com 1.119 em 7.023 votos, em um ranking que classifica modelos pela edição de um vídeo a partir de uma instrução de texto com o áudio mantido. O Vidu Q4 Preview não aparece em nenhum dos dois.

Essa ausência não é uma lacuna de medição — é o que o produto é. A API do Vidu Q4 Preview documenta dois endpoints, /ent/v2/img2video e /ent/v2/reference2video, e a página do produto lista dois modos, Imagem para Vídeo e Referência para Vídeo. Não há caminho de texto para vídeo na documentação. Também não há caminho de edição de vídeo, o que significa que o modelo não consegue pegar um clipe existente e mudar algo nele. O MiniMax H3 faz ambos, e seu enquadramento omni-modal — referências de texto, imagem, vídeo e áudio em um único contexto — é a razão pela qual consegue.

Vale a pena ser preciso quanto ao lado do áudio, porque os dois modelos fazem áudio nativo e não são a mesma coisa. O Vidu Q4 Preview gera áudio e vídeo juntos, com um parâmetro áudio no endpoint de imagem para vídeo que produz um vídeo com diálogo e efeitos sonoros, e aceita até três clipes de áudio de referência para manter consistente a voz de um personagem. O MiniMax H3 produz áudio estéreo nativo e aceita áudio como modalidade de entrada, ao lado de imagens e vídeo. O caso de uso de voz de referência é o ponto forte específico do Vidu; o caso de uso de referência para tudo é o do MiniMax.

A aritmética por segundo, nível por nível

Ambos os modelos cobram por segundo de saída gerada, o que faz desta uma comparação rara, em que as tabelas de tarifas podem ser colocadas lado a lado sem qualquer conversão.

• 540p — apenas Vidu Q4 Preview: 9 créditos por segundo, cerca de US$ 0,045 com base na taxa padrão de crédito de US$ 0,005 publicada pela plataforma

• 720P / 768P — Vidu Q4 Preview 19 créditos por segundo, cerca de US$ 0,095 vs MiniMax-H3 US$ 0,08 por segundo

• 1080p — Vidu Q4 Preview: 24 créditos por segundo, cerca de US$ 0,12, em comparação com o MiniMax-H3, que não tem um nível 1080p publicado

• 2K — Vidu Q4 Preview: 38 créditos por segundo, cerca de US$ 0,19, em comparação com US$ 0,13 por segundo do MiniMax-H3

• 4K — apenas Vidu Q4 Preview: 78 créditos por segundo, cerca de $0.39

O padrão que emerge disso não é "um é mais barato". O piso do Vidu Q4 Preview é genuinamente mais baixo — seu nível de 540p é um nível de bloqueio com preço exatamente para aquilo para que é usado, comprovando uma composição antes de pagar por uma renderização em resolução total, e nada na tabela de preços do MiniMax desempenha esse papel. O MiniMax H3 é mais barato em 2K, o nível superior que ambos os modelos compartilham, em cerca de um terço. E o nível 4K do Vidu é o único nível de geração 4K na comparação, a um preço que reflete isso.

O valor de lançamento de $0,014 por segundo que acompanhou o anúncio da Vidu é o nível 540p a uma tarifa de créditos com desconto, e não uma tarifa geral. A plataforma da Shengshu está atualmente oferecendo descontos de pacotes por tempo limitado de até 30% em pacotes de créditos, que movem todos os níveis para baixo em conjunto, em vez de alterar o formato da curva. Considere a curva de preços de tabela como base de comparação e o desconto como uma compensação temporária.

Do nosso lado: roteamos o MiniMax-H3. Ele está ativo na API pública de modelos em minimax/minimax-h3, cobrado por segundo de saída gerada pelo preço de lista do fornecedor, repassado sem nenhum acréscimo, e chamável no mesmo endpoint compatível com OpenAI que todos os modelos de texto que servimos. O Vidu Q4 Preview não é uma rota do OrcaRouter, e esta página não afirma o contrário — os modelos de vídeo que servimos ficam sob uma única chave e um único formato de requisição, ao lado dos modelos de linguagem, que é o arranjo que torna barato comparar vários deles. Uma consequência prática do preço de repasse: quando um fornecedor altera uma tarifa por segundo, essa mudança fica visível na rota no mesmo dia, em vez de só na renovação do contrato.

O que o "omni-modal" proporciona em uma requisição real

O contexto unificado do MiniMax H3 é fácil de ler como uma lista de recursos e de não ser percebido como um recurso. Um modelo que aceita vídeo como referência de entrada pode ser apontado para uma cena existente e receber o pedido de continuá-la, reestilizá-la ou alterar seu estilo; um modelo sem entrada de vídeo não consegue. Esse é o mecanismo por trás da presença do H3 no painel de edição, e também é por isso que a faixa de saída de 4 a 15 segundos do modelo é menos limitante do que o número sugere — a extensão em múltiplas rodadas é a forma normal de construir uma sequência mais longa a partir dele.

O teto de 16 segundos do Vidu Q4 Preview também é por geração, e seu modo Reference-to-Video foi criado para narrativas com múltiplos planos dentro dessa janela, com a documentação descrevendo troca inteligente de câmera e consistência entre várias posições de câmera. O que ele não tem é uma forma de aceitar um clipe que você já gravou e modificá-lo. Se o seu fluxo de trabalho parte de filmagens, e não de uma imagem estática ou de um conjunto de referência, um desses dois modelos simplesmente não está disponível para você, e nenhum número de Elo resolve isso.

Qual deles, por trabalho

Use o MiniMax H3 quando a entrada for algo que não seja uma imagem ou um conjunto de referência. Texto para vídeo, edição de vídeo para vídeo, entrada de áudio, extensão multiturno além de quinze segundos, ou um pipeline em que o modelo precisa de abranger casos de uso equivalentes a três quadros diferentes — esse é o território do H3, e é o único dos dois que tem alguma dessas capacidades. O seu preço para 2K é também o mais barato dos dois no escalão superior que partilham.

Escolha o Vidu Q4 Preview quando o trabalho exigir consistência de elenco e de voz, ou quando você precisar de um nível de geração em 4K, ou quando quiser uma passagem de blocking barata em 540p para iterar um plano antes de se comprometer. Quinze referências de imagem e três referências de áudio são um orçamento de referências publicado maior do que a MiniMax documenta, e nenhum outro modelo nesta comparação gera nativamente em 4K. O conjunto mais restrito de modos é o preço a pagar por isso.

O que mudaria isto: um lançamento completo do Vidu Q4 que acrescentasse um endpoint de texto para vídeo colocaria os dois modelos nas mesmas tabelas e transformaria isto numa disputa direta. O AA-Video-I2V v2.0, anunciado como vindo com 1080p em tudo e uma taxonomia de capacidades revista, substituiria os votos no topo da tabela em vez de os reordenar — e resolveria se o atual empate a três é um empate ou um limite de medição. Até lá, o número a guardar é dezesseis, com o nome da tabela e a data ao lado.

A única coisa que vale a pena tirar do próprio pódio: um primeiro lugar que fica dezesseis Elo acima do terceiro, em intervalos tão amplos, não é uma classificação. São três modelos que os votantes humanos não conseguem separar, e a decisão entre eles tem de vir de todo o resto desta página.