H3 Max, Wan 3.0 e GPT Image 2.5: una pozzanghera, cinque modelli video

Confrontare i modelli video leggendo i post di lancio non porta lontano: ognuno è "il più realistico" e "il migliore della categoria". Quindi abbiamo fatto una cosa più semplice. Abbiamo preso un solo prompt, lo abbiamo inviato a tutti e cinque i modelli video su ChatPlus e abbiamo misurato quanto tempo impiegava ciascuno e che cosa restituiva.

Il prompt: "Una strada autunnale dopo la pioggia, golden hour. Una giovane donna con un impermeabile giallo salta in una pozzanghera, l’acqua schizza, foglie d’acero le vorticano intorno. Ride e dice: 'L’autunno è arrivato!' Camera a mano, suono naturale della strada."

Due dei cinque modelli sono nuovi su ChatPlus: H3 Max e Wan 3.0. Abbiamo anche aggiornato il modello di immagini predefinito, quindi ora GPT Image 2.5 funziona al posto di GPT Image 2. Vediamoli uno per uno e, alla fine, quale scegliere a seconda dei casi.

H3 Max: una clip prima che il caffè si raffreddi

Partiamo dal numero che rende questo modello interessante da provare. Undici secondi. È il tempo passato dal clic sul pulsante a una clip finita di cinque secondi con audio, coda e download del file inclusi. La generazione vera e propria sulla GPU richiede solo pochi secondi. Gli altri modelli, con lo stesso prompt, hanno impiegato da poco meno di un minuto a quasi quattro minuti.

Da dove arriva questa velocità: la base è MiniMax H3, un modello video open-weights dell’azienda cinese MiniMax. Il team di fal, una delle piattaforme più grandi per eseguire modelli generativi, lo ha post-addestrato e ricostruito per i propri server. Il risultato, H3 Max, è stato pubblicato a fine agosto. Secondo le loro misurazioni, il throughput è aumentato di circa 35 volte rispetto all’H3 originale e, nei confronti alla cieca, in cui gli spettatori scelgono la migliore tra due clip senza sapere quale modello l’abbia generata, H3 Max ha battuto una dozzina di concorrenti.

La velocità non è l’unico punto a favore. H3 Max genera sempre l’audio: rumori di strada, passi, risate, brevi battute di dialogo. Nel nostro test la donna saltava nella pozzanghera, le foglie le giravano intorno e la frase del prompt si sentiva chiaramente. Non c’è un interruttore per l’audio, e non serve: non costa nulla in più.

H3 Max, 11 secondi dalla richiesta al file. Attiva l’audio per sentire la frase alla fine.

Ora i limiti, detti senza giri di parole. La risoluzione è 768p, sotto il Full HD. Va benissimo per stories, reel e bozze, non per un grande schermo. E nelle scene complesse con movimenti rapidi, H3 Max è più semplice dei modelli costosi: i dettagli sono un po’ più morbidi e la fisica dell’acqua più essenziale.

Il prezzo compensa: 40 crediti media al secondo, quindi una clip di cinque secondi costa 200 crediti. È il video più economico su ChatPlus. Il nostro modo di usarlo: prova cinque o dieci versioni di un prompt, trova l’idea che funziona e poi, se vuoi, manda la versione finale a un modello più costoso.

Wan 3.0: video che sembrano girati con il telefono

Wan è la famiglia di modelli video di Alibaba. La terza generazione è entrata in beta all’inizio di agosto 2026 ed è diventata disponibile per tutti il 24 agosto. Alibaba si è concentrata sulle persone: volti realistici di ogni tipo, espressioni naturali, movimento senza quell’effetto plastica che molti modelli AI si portano dietro.

Il modello può fare più di quanto usiamo oggi. Nativamente genera clip fino a 30 secondi e accetta in input testo, immagini, audio e persino video. Su ChatPlus puoi creare clip da 5, 10 o 15 secondi in 720p, partendo da una descrizione o da una tua foto.

Nel nostro test, Wan ha prodotto la clip più quotidiana delle cinque. Niente patina da spot: una strada normale, stivali di gomma, foglie che volano dritte verso l’obiettivo. È quella che assomiglia di più a un video girato da un’amica con il telefono, esattamente ciò che chiedeva "camera a mano". Ci sono sia l’audio sia la frase pronunciata.

Wan 3.0, 2 minuti e 37 secondi. La ripresa più “da telefono” delle cinque.

Abbiamo aspettato più di due minuti e mezzo. Per modelli video di questo livello è normale, ma dopo H3 Max sembra un’eternità.

Quanto al prezzo, Wan 3.0 sta nel mezzo: 50 crediti media al secondo, e l’audio non cambia il costo. Una clip di cinque secondi costa 250 crediti. Kling 3 Pro con audio costa 420 e Seedance Pro 760. Se ti serve una persona credibile sullo schermo senza spendere troppo, parti da Wan.

Un prompt, cinque modelli

Ecco come sono andati tutti e cinque. Il tempo va dalla richiesta al file finito, il prezzo è per una clip di quella durata con audio.

Veo 3.1 di Google ha consegnato l’inquadratura più cinematografica: sole dritto in lente, tappeto di foglie rosse lungo il marciapiede, grande schizzo d’acqua, tutto molto da spot. L’audio di Veo è il migliore del gruppo, una vera colonna sonora mixata più che rumore appoggiato sopra. È anche il secondo più costoso su ChatPlus. Per le bozze c’è Veo 3.1 Fast: più rapido e molto più economico.

Veo 3.1, 54 secondi. Controluce e colori da pubblicità.

Kling 3 Pro ha scelto una strada tutta sua. Per tutta la clip la camera è rimasta sui piedi e sugli schizzi; abbiamo sentito la frase, ma non abbiamo mai visto il volto. Il modello non ha sbagliato: ha semplicemente preso "salta in una pozzanghera" alla lettera. La vera forza di Kling è altrove, nel dare vita alle foto: ne parliamo tra poco.

Kling 3 Pro, 1 minuto e 46 secondi. Stivali, schizzi e riflessi, ma niente volto.

Seedance Pro di ByteDance è stato il più lento e quello con la gestione del movimento più attenta. Lamine d’acqua pulite che si sollevano dalla pozzanghera, foglie sospese a mezz’aria e una camera che passa da un campo largo fino al primo piano del suo volto sorridente, come se un operatore le corresse accanto.

Seedance Pro, 3 minuti e 54 secondi. Dal campo largo al primo piano in un unico take.

La conclusione: non esiste un solo modello "migliore". Ognuno ha il suo carattere, e quello giusto dipende dal lavoro da fare.

GPT Image 2.5 prende il posto di GPT Image 2

Passiamo alle immagini. L’8 settembre OpenAI ha pubblicato GPT Image 2.5 in due versioni. Sunburst è quella precisa: segue il prompt più da vicino ed è più brava a modificare immagini esistenti. Flare è quella più veloce e semplice. ChatPlus usa Sunburst.

GPT Image 2 era già il nostro modello predefinito perché è bravissimo con il testo dentro le immagini. La versione 2.5 è ancora più pulita con le scritte e regge meglio i prompt lunghi pieni di dettagli. L’abbiamo provata sullo stesso tema autunnale: la donna con l’impermeabile giallo seduta al tavolino di un caffè con una tazza di cioccolata, più una scritta a mano sulla vetrina. Poco più di mezzo minuto dopo avevamo l’immagine, con un titolo scritto a mano sul vetro e una piccola riga di prezzo sotto, senza una sola lettera rotta. Ha persino aggiunto da solo una lavagnetta del menu sullo sfondo, e anche quella è uscita pulita.

GPT Image 2.5, 36 secondi. Entrambe le righe sul vetro sono uscite giuste al primo colpo.

Anche le modifiche sono più affidabili. Carichi una foto e dici che cosa cambiare: il modello interviene su ciò che hai chiesto ed è meno probabile che ridisegni il resto.

I prezzi non cambiano: 10 crediti media per immagine in qualità standard e 50 in alta qualità. Se avevi selezionato GPT Image 2, non devi fare nulla: il generatore è passato da solo alla 2.5. Prova GPT Image 2.5.

Prima l’immagine, poi il video

Il risultato più interessante del test è arrivato per caso. Abbiamo preso quell’immagine del caffè da GPT Image 2.5 e l’abbiamo data a Kling 3 Pro per animarla. Dalla cioccolata saliva il vapore, le gocce scendevano sul vetro, la donna sorrideva. E la scritta sulla vetrina non si è deformata nemmeno in un fotogramma, anche se di solito il testo è la prima cosa che i modelli video rompono.

Immagine di GPT Image 2.5, movimento di Kling 3 Pro.

Questo ti dà una ricetta affidabile per copertine, biglietti e clip social. Prima disegni il frame perfetto in GPT Image 2.5: costa poco e il testo viene giusto. Poi gli dai vita in Kling 3 Pro o Wan 3.0. È molto più prevedibile che descrivere tutta la scena a parole e sperare che il modello video sistemi ogni cosa nel modo corretto.

Una nota. Seedance Pro non anima foto di persone reali, perché ByteDance le blocca. Per ritratti e foto di famiglia usa Kling 3 Pro: mantiene il volto riconoscibile dal primo all’ultimo secondo.

Quale modello scegliere

In breve, dipende dal lavoro.

Veloce ed economico — testare un’idea, creare una story, provare varianti di prompt — H3 Max. Circa dieci secondi e 200 crediti per tentativo.

Una persona realistica in una scena quotidiana, senza effetto pubblicità — Wan 3.0. Audio incluso, prezzo di fascia media.

Dare vita a una tua foto — Kling 3 Pro. Volti, vestiti e scritte restano com’erano nello scatto.

Una clip cinematografica con audio di qualità da film — Veo 3.1, e Veo 3.1 Fast per le bozze.

Movimento complesso — danza, sport, acqua, cambi di inquadratura — Seedance Pro, se non ti dispiace aspettare e pagare di più.

Puoi cambiare modello direttamente nel generatore video, per esempio partendo da H3 Max. Video e immagini usano gli stessi crediti media, e il prezzo di una clip viene mostrato prima di iniziare.

In short

ChatPlus ha due nuovi modelli video. H3 Max è la versione accelerata da fal di MiniMax H3: una clip con audio in circa dieci secondi, 200 crediti media per cinque secondi, 768p. Wan 3.0 di Alibaba porta persone realistiche e movimento naturale, con audio incluso nel prezzo, 250 crediti per cinque secondi. Il modello di immagini predefinito ora è GPT Image 2.5 di OpenAI: più pulito con testo e modifiche, stessi prezzi da 10 e 50 crediti. Nel nostro test con un solo prompt, H3 Max è stato il più veloce, Veo 3.1 il più cinematografico e Seedance Pro il più attento al movimento.