O panorama do vídeo por IA em 2026: um mapa do mercado

Dezoito meses atrás, “vídeo por IA” significava, na maioria das vezes, clipes granulados de seis segundos com rostos que pareciam derreter — uma curiosidade para reels de demonstração, não uma ferramenta em torno da qual alguém construísse um fluxo de trabalho real. Essa fase acabou. Em meados de 2026, os modelos líderes já geram sequências coerentes com múltiplos planos, diálogo sincronizado, saída nativa em 4K e uma consistência de personagens tão boa que editores estão cortando b-roll gerado por IA direto em trabalhos comerciais sem sequer avisar. Mas o setor também se consolidou de formas que poucos previram: a empresa que, pode-se dizer, deu início à onda atual, a OpenAI, está recuando do produto voltado ao consumidor final que tornou “Sora” um nome conhecido, enquanto uma combinação de gigantes bem financiados e laboratórios chineses de movimento rápido absorve o público que ela deixa para trás. Este é um retrato de onde estão, agora, os cinco players mais comentados — e o que isso revela sobre para onde a categoria está indo.

Sora: a OpenAI recua do vídeo para consumidores

A trajetória da Sora foi a mais dramática de qualquer modelo desta lista. Quando a Sora 2 foi lançada, ela foi posicionada como a resposta da OpenAI para a categoria inteira — um app para consumidores, integração com o ChatGPT e uma API para desenvolvedores, tudo ao mesmo tempo, com um feed social construído em torno de remixar as criações de outras pessoas. Esse capítulo voltado ao consumidor agora está se encerrando: a OpenAI descontinuou o app web e para iOS da Sora na primavera de 2026 e avisou desenvolvedores que a própria API da Sora 2 deixará de aceitar requisições até o fim de setembro de 2026. O que resta, pelos próximos meses, é o acesso via API, cobrado por segundo de saída — cerca de US$ 0,10 por segundo na geração padrão em 720p, e bem mais caro no nível Sora 2 Pro, de maior fidelidade, em 1024p ou 1080p, com uma tarifa “batch” assíncrona mais barata para cargas de trabalho que toleram atraso. Para um produto que chegou a liderar as paradas das lojas de aplicativos, esse desmonte gradual é um sinal marcante: tudo indica que a OpenAI concluiu que possuir uma vitrine de consumo específica para vídeo não é onde está sua vantagem, e que a geração de vídeo é melhor oferecida como infraestrutura do que como um aplicativo de destino. As equipes que construíram seus pipelines em cima da Sora são hoje, por necessidade, a maior fonte de tráfego de migração de curto prazo para os concorrentes.

Runway: o kit de ferramentas do profissional

Ao longo de 2026, a Runway apostou tudo no público que melhor conhece — editores em atividade, agências e equipes de produção — em vez de correr atrás do modelo de feed voltado ao consumidor. Seu carro-chefe atual, o Gen-4.5, aprofunda o ponto forte característico da linha Gen-4: personagens, locações e objetos que se mantêm consistentes ao longo de vários clipes gerados, além de controles por imagem de referência e ferramentas de trajetória de câmera que se comportam menos como uma caixa de prompt e mais como um verdadeiro equipamento de cinematografia virtual. Um botão de “Physics Engine” trata gravidade e colisões de forma bem mais convincente do que nas gerações anteriores, e ferramentas como a Aleph permitem que editores modifiquem imagens já existentes por meio de prompts de texto, em vez de precisar gerar tudo do zero a cada vez. O modelo de preços segue por assinatura com créditos, não pelo esquema de pagamento por segundo da Sora: o plano Standard custa cerca de US$ 12/mês por um pacote modesto de créditos mensais, o plano Pro, próximo de US$ 28/mês, cobre um uso mais intenso, e um novo plano Max (que substitui o antigo plano Unlimited até o fim de 2026) mira estúdios que geram em grande volume. A aposta estratégica é direta: a Runway não está tentando vencer em benchmarks de fotorrealismo puro — está tentando ser a ferramenta que um editor profissional realmente escolhe usar no dia a dia.

Kling: o salto técnico de um laboratório chinês

Poucos modelos avançaram tão rápido em capacidade pura quanto a Kling, desenvolvida pela Kuaishou. A Kling 3.0, lançada no início de fevereiro de 2026, foi o primeiro modelo amplamente disponível a produzir saída nativa em 4K a 60 quadros por segundo, e seu modo multi-plano “AI Director” consegue montar até seis planos distintos em uma única geração, com uma linha do tempo de áudio compartilhada — diálogo, som ambiente e sincronia labial em cinco idiomas, tudo nativo, não colado depois. Seu sistema de personagens “Elements 3.0” permite que o criador envie um vídeo de referência, do qual o modelo extrai estrutura 3D e movimento para replicar um personagem com fidelidade incomumente alta em cenas totalmente diferentes entre si, e testadores independentes têm apontado repetidamente que a simulação de física da Kling — o caimento de tecidos, o movimento de fluidos, as colisões — é a mais convincente da categoria. Os preços são escalonados e, vale notar, agressivos na entrada: um plano Standard de cerca de US$ 8–10/mês com várias centenas de créditos mensais, subindo pelos níveis Pro e Premier até um plano Ultra de aproximadamente US$ 128/mês que elimina completamente os limites de fila para estúdios de alto volume. Para equipes fora da China, a Kling se tornou o modelo que as pessoas testam discretamente primeiro ao avaliar se podem deixar a Sora ou a Runway para trás.

Veo: o Google incorpora o vídeo ao seu ecossistema mais amplo

A abordagem do Google tem sido menos sobre um único lançamento chamativo e mais sobre distribuição. O Veo 3.1 continua sendo o carro-chefe atual, distinguindo-se principalmente pelo áudio sincronizado nativo — diálogo, efeitos sonoros e ruído ambiente gerados junto com as imagens, em vez de adicionados na pós-produção, o que ainda o diferencia da maioria dos concorrentes em cargas de trabalho no estilo publicitário. Em março de 2026, o Google lançou o Veo 3.1 Lite, um nível de custo mais baixo voltado para geração de alto volume e orçamento enxuto, com velocidade semelhante à do modelo padrão, além de continuar expandindo um pipeline de upscaling capaz de elevar qualquer imagem — gerada pelo Veo ou não — até 4K. O movimento mais significativo talvez seja estrutural: o Google rebatizou sua interface criativa como “Flow” no I/O 2026 e incorporou a geração de vídeo junto a uma nova ferramenta de música, posicionando o Veo menos como um produto autônomo para se escolher isoladamente e mais como uma capacidade entrelaçada ao Gemini, ao Vertex AI e ao conjunto criativo mais amplo do Google. Rumores sobre uma “Veo 4” de próxima geração circularam à medida que o verão se aproximava, mas ela seguia sem anúncio oficial até o fechamento deste texto — um lembrete de que o Google costuma priorizar a integração ao ecossistema antes dos grandes lançamentos de modelo.

Pika: a aposta na diversão em vez do prestígio

Enquanto Sora, Veo, Kling e Runway competem em fidelidade cinematográfica, a Pika escolheu um caminho diferente. Suas ferramentas de assinatura — Pikaffects (transformações surreais, como derreter ou inflar um objeto), Pikadditions e Pikaswaps (inserir ou substituir elementos em imagens já existentes) e Pikaformances (atuação de personagens guiada por áudio) — foram feitas para velocidade e compartilhamento, não para acabamento de produção, e no fim de 2025 a empresa lançou um aplicativo social no estilo TikTok em que o feed inteiro é gerado por IA, alimentado pelas próprias selfies e prompts dos usuários. Os preços permanecem acessíveis: um plano gratuito oferece uma cota mensal modesta de créditos em 480p com marca d’água, um plano Standard de cerca de US$ 8/mês libera resolução total e uso comercial, e os níveis Pro e Fancy ampliam os créditos para criadores mais intensos. É uma aposta em que nem todo mundo que trabalha com vídeo por IA quer um set de filmagem virtual — alguns só querem a forma mais rápida e mais bizarra de criar algo que valha a pena compartilhar antes do almoço.

O que vem a seguir

O padrão em comum entre os cinco players aponta para especialização, não para um vencedor único. A retirada da OpenAI da vitrine de consumo sugere que possuir um aplicativo de vídeo não é tão estrategicamente valioso quanto possuir o modelo por trás dele — infraestrutura antes de interface. A Runway está apostando que os fluxos de trabalho profissionais seguem sendo um nicho duradouro, que vale a pena construir ferramentas em torno dele. O ritmo acelerado da Kling mostra que a diferença bruta de capacidade entre laboratórios dos EUA e da China — antes tida como automaticamente favorável ao Vale do Silício — encolheu a ponto de se tornar irrelevante para muitos compradores. A estratégia de ecossistema do Veo sugere que as maiores plataformas acabarão transformando “qual modelo de vídeo usar” em uma pergunta menos relevante do que “dentro de qual ecossistema você já está”. E a virada social da Pika é uma aposta em que o maior público do vídeo por IA não é formado por profissionais, mas por pessoas que só querem postar algo estranho e engraçado antes do jantar. É de se esperar que os próximos doze meses tragam menos lançamentos independentes chamativos e mais deste movimento: modelos sendo absorvidos por plataformas maiores, preços deslizando rumo a uma infraestrutura cobrada por uso, e a competição interessante deixando de ser “quem tem o melhor modelo” para se tornar “quem construiu o produto que as pessoas realmente continuam abrindo”.