Cada clip de esta prueba usa exactamente los mismos ajustes — 8 segundos, 720p, 16:9 — para que la comparación sea justa. Lo fijamos todo en la duración máxima de Veo 3.1 Fast, así que ningún modelo tuvo margen para esconder sus debilidades.
Los tres modelos de un vistazo
No son tres versiones de lo mismo. Están hechos para trabajos distintos, y saber cuál es cuál te ahorra muchísimo ensayo y error.
Veo 3.1 Fast — la opción de Google centrada en la velocidad
Google DeepMind divide Veo 3.1 en dos niveles: Quality y Fast. Fast está diseñado para ser más rápido y barato manteniendo casi las mismas especificaciones. Curious Refuge Labs le dio 6.9/10 en conjunto, con el seguimiento de prompts como punto fuerte en 7.3/10 — a la par del nivel Quality. El resto: consistencia temporal 6.5, fidelidad visual 7.1, calidad de movimiento 6.9, realismo cinematográfico 6.5. Su conclusión: la distancia con Quality es menor de lo que esperarías, y la de precio, no. En VidLux, Veo 3.1 Fast genera clips de 4, 6 u 8 segundos hasta 1080p.
Kling 3.0 Turbo — el caballo de batalla de Kuaishou
Lanzado el 17 de junio de 2026, Kling 3.0 Turbo es la variante de Kling 3.0 optimizada para la velocidad. Aquí importan de verdad dos funciones: multi-shot prompting (define hasta 6 tomas en un solo prompt y el modelo gestiona las transiciones — sin empalmes en postproducción) y razonamiento de escena vCoT (piensa la lógica de la escena antes de renderizar, de modo que los movimientos de cámara, la iluminación y el comportamiento del sujeto salen más fiables que en la línea 2.x). La generación 3.0 también mejoró la sincronización de labios y la estabilidad de los clips largos. En VidLux funciona de 3 a 15 segundos a 720p/1080p.
Seedance 2.0 Mini — el modelo ligero de ByteDance
Seedance 2.0 Mini es el miembro económico de la familia Seedance 2.0: más rápido y barato por clip, con las mismas entradas multimodales que el modelo estándar (referencias de imagen, video y audio), aunque limitado a 480p/720p y a clips de 4 a 15 segundos en VidLux. Casi no hay material oficial sobre él — justo por eso merece la pena prestar atención a sus resultados aquí. Sin hype, solo resultados.
Duración y coste (por qué nos quedamos en 8 segundos)
La diferencia más ignorada entre estos modelos es cuánto pueden generar de una sola vez:
| Modelo | Opciones de duración | Precio a 720p / 8s |
|---|---|---|
| Veo 3.1 Fast | Solo 4 / 6 / 8 segundos | 30 créditos |
| Kling 3.0 Turbo | 3–15 segundos (13 pasos) | 120 créditos |
| Seedance 2.0 Mini | 4–15 segundos (12 pasos) | 160 créditos |
Veo 3.1 Fast llega como máximo a 8 segundos, pero ese clip de 8 segundos cuesta solo 30 créditos — unas 4 veces menos que Kling 3.0 Turbo y 5 veces menos que Seedance 2.0 Mini. Si tu contenido es de formato corto de todos modos (clips para redes, tomas de producto, videos de reacción), Veo 3.1 Fast es la opción con mejor relación calidad-precio. Solo necesitas Kling o Seedance cuando quieres una toma continua de más de 8 segundos.
Por eso también todas las comparaciones de aquí usan 8 segundos: es la única duración en la que los tres modelos compiten en igualdad de condiciones.
Qué puede hacer realmente cada modelo
Las opciones de entrada también cambian, y esto importa antes incluso de empezar a generar:
| Modo | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Texto a video | ✅ | ✅ | ✅ |
| Imagen a video | ✅ | ✅ | ✅ |
| Referencia a video (imágenes) | ✅ (hasta 3) | ❌ No compatible | ✅ (hasta 9) |
| Referencia a video (audio) | ❌ No compatible | ❌ No compatible | ✅ (hasta 3) |
| Referencia a video (video) | ❌ No compatible | ❌ No compatible | ✅ (hasta 3) |
Dos cosas destacan:
- Kling 3.0 Turbo no tiene referencia a video en absoluto. Trabaja solo con texto y una imagen. Si necesitas generar a partir de material de referencia, queda descartado de inmediato.
- Seedance 2.0 Mini es el único que acepta referencias de audio y video — además de hasta 9 imágenes de referencia, admite 3 videos de referencia y 3 clips de audio de referencia. Puede replicar el movimiento o el trabajo de cámara de un video que le des, o el ritmo de un clip de audio. Ni Veo ni Kling ofrecen esa dimensión de entrada. Así que la prueba de referencia a video de abajo es en realidad una carrera de dos: Veo 3.1 Fast (solo imágenes) contra Seedance 2.0 Mini (multimodal completo).
Cómo lo probamos
Cada prueba sigue las mismas reglas:
- Ajustes idénticos: 8 segundos, 720p, 16:9 en todos los modelos (el techo de Veo 3.1 Fast)
- Entradas idénticas: el mismo prompt para los tres modelos en cada prueba; las pruebas de imagen a video comparten la misma imagen de entrada, generada con GPT Image 2
- Evaluación idéntica: análisis fotograma a fotograma de cada clip (volumen de movimiento, puntos de corte, estabilidad facial), combinado con el visionado directo del metraje
- Cuatro modos cubiertos: texto a video (2 pruebas), imagen a video (2 pruebas), referencia a video (1 prueba), más una historia de varios beats como extra
Todos los materiales de prueba se generaron con el modelo de imagen propio de VidLux (GPT Image 2), así que las entradas son reproducibles — cualquiera puede repetir las mismas pruebas.
El veredicto
| Prueba | Mejor resultado | Qué marcó la diferencia |
|---|---|---|
| Texto a video: seguimiento de un repartidor | Kling 3.0 Turbo | La fase de aceleración final más limpia; la cobertura más completa de las instrucciones de cámara |
| Texto a video: calle lluviosa | Seedance 2.0 Mini | El momento de pausa y mirar hacia arriba fue el mejor; la cara más estable |
| Imagen a video: selfie en el estadio | Empate | Kling 3.0 Turbo mantuvo mejor la cara; Veo 3.1 Fast fue el que más se movió pero fragmentó el encuadre |
| Imagen a video: frasco de perfume | Kling 3.0 Turbo | El menor volumen de movimiento — lo más parecido a una toma de producto con cámara fija |
| Referencia a video: dos personajes | Seedance 2.0 Mini | Ambos manejaron bien dos personajes; Seedance añade entradas de referencia de audio/video que nadie más tiene |
| Historia de varios beats (barco de papel) | Seedance 2.0 Mini | Tres cambios de escena con ritmo uniforme; los beats narrativos más claros |
En resumen: si quieres estabilidad, elige Kling 3.0 Turbo. Si quieres calidad-precio, elige Veo 3.1 Fast. Si quieres control de referencias, elige Seedance 2.0 Mini. Las pruebas están abajo.
Texto a video: seguimiento de un repartidor
Los tres modelos recibieron el mismo prompt: un único plano de seguimiento continuo de un repartidor que sale de un callejón de mercado, rodea una furgoneta de reparto, pasa junto a la cámara y es perseguido por un paneo. Esto pone a prueba la continuidad del movimiento y lo bien que cada modelo sigue las instrucciones de cámara.
Mostrar el prompt del repartidor usado en los tres modelos
One continuous street-level tracking shot at blue hour. A bicycle courier wearing a faded red jacket turns out of a narrow neighborhood market lane, leans around a slow delivery van, then accelerates past the camera as it pans and keeps pace beside him. Shopkeepers pull down metal shutters and two pedestrians step aside naturally. Wet pavement, ordinary storefront lighting, slight handheld movement, realistic wheel rotation, body balance and motion blur. Keep the same rider, bicycle, jacket and street layout throughout. Ambient traffic, bicycle chain and tires on wet road. No cuts, no slow motion, no text, no logos.
| Métrica | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Volumen de movimiento (media) | 14.6 | 9.1 | 10.1 |
| Ritmo, inicio/medio/final | 12.2 / 17.2 / 14.6 | 3.1 / 11.4 / 12.8 | 9.6 / 9.7 / 11.0 |
| Deriva facial, eje X | 78.4% | 71.7% | 58.7% |
La curva de movimiento de Kling 3.0 Turbo cuenta la historia: tranquila al principio (3.1, el repartidor apenas se ve), más movida a mitad del plano (11.4, al rodear la furgoneta), más fuerte al final (12.8, la aceleración). Eso encaja directamente con los tres beats del prompt. Veo 3.1 Fast fue el que más se movió en total (14.6), pero mantuvo casi el mismo ritmo durante todo el clip — mucho movimiento, sin construcción. Seedance 2.0 Mini se quedó en el medio, cubriendo las acciones sin una forma rítmica clara.
Kling 3.0 Turbo gana esta ronda por completitud — no por moverse más, sino por moverse en los momentos correctos.
Texto a video: calle lluviosa
El mismo prompt para los tres: una mujer con impermeable amarillo mostaza camina por una calle lateral lluviosa de noche, se detiene bajo un toldo rojo y mira hacia arriba, a los reflejos de neón. Esto pone a prueba el acabado cinematográfico y el tempo interpretativo.
Mostrar el prompt de la calle lluviosa usado en los tres modelos
Medium-wide cinematic shot of a woman in a mustard-yellow raincoat walking through a rainy city side street at night. She pauses under a red awning and looks up as neon reflections ripple across the wet pavement. Slow dolly-in, natural body motion, realistic face, consistent clothing, ambient rain, no text, no logos.
| Métrica | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Volumen de movimiento (media) | 4.0 | 4.0 | 5.4 |
| Ritmo a mitad del clip | 5.0 | 4.3 | 8.2 |
| Deriva facial, eje X | 26.6% | 36.2% | 14.2% |
| Deriva facial, eje Y | 11.3% | 11.6% | 19.2% |
El pico a mitad de clip de Seedance 2.0 Mini (8.2) es el beat de pausar y mirar hacia arriba — el único momento interpretativo que se lee como deliberado. Su deriva facial (14.2%) también es la más baja de las tres mientras la cámara se acerca. Kling 3.0 Turbo tiene un corte brusco hacia los 3.25s, probablemente un cambio de luz bajo el toldo; Veo 3.1 Fast es estable, pero la interpretación se queda tímida.
Seedance es la interpretación más fuerte aquí: caminar, detenerse, mirar arriba, reflejos de neón — todo en un solo beat coherente.
Imagen a video: selfie en el estadio
Generamos un selfie nocturno de estadio con GPT Image 2 y luego pasamos exactamente esa misma imagen a los tres modelos. El prompt: reaccionar a un gol fuera de cámara, girar el teléfono hacia la multitud y volver al selfie. Esto pone a prueba la estabilidad facial y la retención de identidad.
Mostrar el prompt del estadio usado en los tres modelos
The woman hears a goal happen off-camera and the crowd erupts. She reacts instantly with a surprised laugh, jumps slightly, then turns her phone toward the cheering crowd for a moment and back to her face. Natural blinking and arm movement, realistic low-light grain, slight exposure shifts under stadium floodlights, motion blur during the sudden reaction, candid smartphone realism, no cinematic camera movement. Sound: crowd murmur, a sudden loud cheer, and her natural laugh. No cuts, no text, no logos.
| Métrica | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Volumen de movimiento (media) | 13.3 | 6.5 | 10.7 |
| Puntos de corte visibles | 18 | 0 | 12 |
| Deriva facial, eje X | 47.0% | 16.6% | 51.8% |
| Deriva facial, eje Y | 32.5% | 12.1% | 36.7% |
Cada modelo tiene aquí una debilidad clara:
- Veo 3.1 Fast: el mayor movimiento (13.3) y la secuencia de reacción completa — el grito, el giro del teléfono, la vuelta al selfie. Pero el encuadre se desmorona con 18 puntos de corte visibles, concentrados hacia los 3s y 5s, y durante el giro del teléfono aparecen objetos sueltos. La acción más completa, el encuadre más caótico.
- Kling 3.0 Turbo: el menor movimiento (6.5) y la deriva facial más baja del grupo (X 16.6% / Y 12.1%). La cara simplemente no se rompe. La contrapartida: el grito llega con menos fuerza.
- Seedance 2.0 Mini: en el medio (10.7), con 12 puntos de corte agrupados en la explosión de alegría (3.7–4.9s). Fuerte impacto emocional, pero la cara se distorsiona en las expresiones grandes.
En resumen: Kling 3.0 Turbo es la opción para una cara estable, Veo 3.1 Fast para la acción completa (aceptando fragmentos) y Seedance 2.0 Mini para la emoción cruda.
Imagen a video: frasco de perfume
La misma toma de producto de GPT Image 2 pasada a los tres modelos, con un movimiento orbital. Esto pone a prueba la consistencia del objeto y el acabado de la toma de producto.
Mostrar el prompt del perfume usado en los tres modelos
The camera makes a slow 120-degree orbit around the bottle while a narrow light sweeps across the glass. Keep the bottle shape, cap, reflections, and proportions consistent. Premium commercial lighting, no hands, no text, no logos.
| Métrica | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Volumen de movimiento (media) | 2.0 | 1.5 | 2.6 |
| Pico de movimiento | 2.4 | 2.1 | 4.6 |
Las tomas de producto son la prueba más tranquila del grupo: los tres modelos se mueven muy poco (1.5–2.6), porque el sujeto es un frasco estático. Las diferencias están en los detalles. Kling 3.0 Turbo se queda en el mínimo (1.5) — lo más cercano a una cámara de producto fija, con el frasco clavado. Seedance 2.0 Mini tiene el pico más alto (4.6), así que su órbita se lee con más claridad, con sensación de rotación del frasco. Veo 3.1 Fast es estable, pero su órbita es la más tímida.
Para producto de e-commerce: Kling para estabilidad, Seedance para una órbita visible.
Referencia a video: dos personajes + una escena
Esta prueba usa 3 imágenes de referencia de GPT Image 2: el personaje A (mujer con jersey de punto crema), el personaje B (hombre con gafas y chaqueta verde oliva oscura) y una escena (el interior de una cafetería moderna). El prompt sitúa a ambos personajes en esa cafetería, charlando cara a cara.
Una nota rápida sobre cómo funciona la referencia a video: las referencias definen quién y dónde; el prompt define qué ocurre. El modelo toma las caras, los peinados y la ropa de las imágenes de personaje, el entorno de la imagen de escena, y luego genera la acción descrita en el prompt. Esta prueba es deliberadamente más difícil: las dos identidades tienen que mantenerse, y la escena tiene que coincidir.
Nota: Kling 3.0 Turbo no admite referencia a video, así que esta ronda es solo Veo 3.1 Fast contra Seedance 2.0 Mini.
Mostrar el prompt de referencia a video
The young woman in the cream knit sweater and the man with glasses in the dark olive jacket are sitting across from each other at a small wooden table inside a cozy modern cafe with large windows and warm pendant lights, matching the cafe interior in the reference image. She laughs while telling a story, he listens and smiles, then they both raise their coffee cups for a toast. Keep both faces, hairstyles and outfits consistent. Natural conversational movements, warm afternoon light through the window. No text, no logos.
| Métrica | Veo 3.1 Fast | Seedance 2.0 Mini |
|---|---|---|
| Volumen de movimiento (media) | 3.1 | 6.4 |
| Caras detectadas en todo el clip | 100% | 100% |
Ambos modelos manejaron la carga de dos personajes más escena sin desmoronarse. Veo 3.1 Fast se mantiene más quieto (3.1, casi quietud de conversación) con los dos personajes y la cafetería renderizados con limpieza. Seedance 2.0 Mini se mueve más (6.4 — gestos más grandes, el brindis, más risas), y los dos personajes se mantienen consistentes y bien separados.
También es aquí donde rinde la tabla de modos de arriba: Seedance 2.0 Mini es el único modelo que acepta referencias de audio y video además de imágenes, así que es el único que puede seguir el movimiento de un clip de referencia o el ritmo de un audio de referencia. Si el objetivo es una generación controlada y guiada por referencias, Seedance 2.0 Mini es la única opción seria.
Extra: la historia del barco de papel (narrativa de varios beats)
Las pruebas del repartidor y de la calle lluviosa cubren la capacidad de una sola toma. Esta prueba extra cubre la narración de varios beats: el prompt tiene tres beats — un barco de papel rojo se esconde de la lluvia, rescata a una luciérnaga y llega a aguas cálidas con los demás barcos. Los tres modelos reciben 8 segundos. ¿Quién encaja tres beats en la misma capacidad con más limpieza?
Mostrar el prompt del barco de papel usado en los tres modelos
A cinematic animated short in three connected shots about a tiny red paper boat that is afraid of rain. First shot: at blue-hour dusk, the red paper boat hides under a curled green leaf beside a rain-filled street gutter while several blue paper boats race past. The boat trembles as large drops hit the pavement. Second shot: a sudden stream carries a stranded glowing firefly toward a drain. The red boat sails out, catches the firefly beneath its folded paper sail, and turns across the current. Third shot: the storm softens. The red boat and firefly glide into a warm city-square reflection as the other paper boats gather around. The firefly rises and lights the scene; end on the red boat looking proud. Ambient rain and water sounds only. Keep the same red boat shape, fold lines, scale, and painted eyes in every shot. No music, no singing, no text, no logos.
| Métrica | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Puntos de corte visibles | 1 (a los 4.2s) | 2 (2.3s, 5.0s) | 3 (1.8s, 4.4s, 7.6s) |
| Ritmo, inicio/medio/final | 14.1 / 13.7 / 7.2 | 4.9 / 5.3 / 3.3 | 8.0 / 7.7 / 8.8 |
| Volumen de movimiento (media) | 11.6 | 4.5 | 8.2 |
Incluso con los 8 segundos fijos, Seedance 2.0 Mini sigue separando los tres beats con más limpieza: puntos de corte en torno a 1.8s, 4.4s y 7.6s, con un ritmo casi uniforme (8.0 / 7.7 / 8.8) — el refugio bajo la hoja, el rescate en el desagüe y el final cálido se leen con claridad.
Kling 3.0 Turbo consigue dos cortes (sobre 2.3s y 5.0s) con el movimiento más estable del conjunto, solo un beat por detrás de Seedance. Veo 3.1 Fast logra un único corte claro (sobre 4.2s), con un movimiento denso al principio (14.1 / 13.7) que se apaga de golpe (7.2) — los tres beats colapsan en "acción continua, y luego un final".
Así que, incluso eliminando la variable de duración, la narración de varios beats es terreno de Seedance 2.0 Mini, Kling 3.0 Turbo es un sólido segundo, y Veo 3.1 Fast rinde mejor apuntado a una sola acción continua que empaquetando beats narrativos.
Comparativa lado a lado
| Categoría | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| Precio (720p / 8s) | 30 créditos | 120 créditos | 160 créditos |
| Opciones de duración | Solo 4/6/8s | 3–15s | 4–15s |
| Referencia a video | Solo imágenes (≤3) | No compatible | Imágenes + audio + video |
| Personas | Acción completa, encuadre fragmentado | La cara más estable | La emoción más fuerte; la cara se distorsiona en expresiones grandes |
| Movimiento | El más movido, ritmo plano | La mejor completitud, con construcción real | Estable, ritmo más plano |
| Tomas de producto | Estable | Lo más parecido a cámara fija | La órbita más marcada |
| Historia de varios beats | Una acción continua | Dos cortes, estable | Tres cortes, el ritmo más uniforme |
| Mantenimiento del personaje de referencia | Se desvía notablemente | — | A prueba de balas |
¿Cuál deberías usar?
- Con presupuesto ajustado y formato corto → Veo 3.1 Fast. 8 segundos por 30 créditos es la vía de entrada más barata, y su seguimiento de prompts y cobertura de acción son sólidos. Clips para redes, tomas de producto, contenido de reacción — empieza aquí.
- Las caras tienen que aguantar y las tomas ser largas → Kling 3.0 Turbo. La mejor estabilidad facial de la prueba, rango de 3 a 15 segundos y la cobertura más completa de las instrucciones de cámara. Video centrado en personas y planos de seguimiento largos — empieza aquí.
- El control de referencias es el trabajo → Seedance 2.0 Mini. El único modelo que acepta referencias de imagen, audio y video, con una retención de personajes a prueba de balas en modo referencia y la narración de varios beats más limpia. Cualquier flujo de trabajo de "genera a partir de este material" — empieza aquí.
No existe el mejor modelo, solo el ajuste correcto. Veo 3.1 Fast es la opción de valor, Kling 3.0 Turbo es la opción de estabilidad y Seedance 2.0 Mini es la opción de control de referencias. Elige según tu caso de uso, no por el renombre.