Welches Videomodell wofür — und warum das teuerste selten das richtige ist

Wer heute ein Video erzeugen will, hat die Wahl zwischen Sora 2, Veo 3.1, Kling 3.0, Seedance 2.0, Wan 2.6 und Hailuo 2.3. Jedes davon war zum Zeitpunkt seines Erscheinens "das beste Modell". Die Vergleichstests, die daraufhin entstehen, messen fast immer dasselbe: visuelle Treue, Physik, Tonspur. Das ist nachvollziehbar, weil es sich gut nebeneinanderlegen lässt.

Nur entscheidet in der täglichen Produktion selten die Bildqualität, welches Modell man nimmt.

Was die Tests messen

Die Rangfolge ist über die Tests hinweg erstaunlich stabil. Sora 2 und Veo 3.1 führen bei fotorealistischer Physik und nativem Ton — beide erzeugen Sprache und Geräusche direkt mit, ohne dass man im Schnitt etwas dazulegen muss. Kling und Hailuo gelten als stärker bei ausdrucksstarker menschlicher Bewegung. Für stilisierte Ästhetik und Anime werden meist Vidu und PixVerse genannt.

Der heise-Test von Dezember 2025 kommt zu einem ähnlichen Bild: Sora 2 und Veo 3.1 übertreffen die Konkurrenz visuell deutlich. Bemerkenswert ist dort aber der Nebensatz — dass die Dienste weiterhin mit Logikfehlern, begrenzter Cliplänge und inkonsistenter Animation kämpfen.

Genau dieser Nebensatz ist in der Praxis die eigentliche Nachricht.

Was in der Produktion tatsächlich entscheidet

Ein Modell, das in acht von zehn Versuchen ein herausragendes Bild liefert und in zwei Versuchen etwas Unbrauchbares, ist teurer als eines, das zehnmal Solides liefert. Nicht wegen des Listenpreises, sondern wegen der Fehlversuche. Jeder verworfene Clip kostet Rechenzeit und Wartezeit — und die summiert sich, wenn man nicht einen Clip braucht, sondern zwanzig.

Drei Dinge sind mir dabei wichtiger geworden als die reine Bildqualität:

• —Treffsicherheit statt Spitzenwert. Wie oft muss ich neu generieren, bis ich etwas Verwendbares habe? Ein Modell mit weniger Ausschuss schlägt eines mit höherem Spitzenwert.
• —Identitätstreue über mehrere Clips. Ein gutes Bild ist keine Kunst mehr. Das zwanzigste Bild mit derselben Person, demselben Licht und demselben Produkt — daran scheitern die meisten Modelle immer noch.
• —Was der Clip kostet, wenn er nicht der erste ist. Kling 3.0 liegt laut den aktuellen Übersichten bei etwa 0,50 US-Dollar für zehn Sekunden im Standardtarif. Das klingt nach wenig. Bei einer Strecke mit acht Einstellungen und drei Anläufen je Einstellung ist es das nicht mehr.

Warum ich selten das teuerste nehme

Es gibt Aufgaben, bei denen sich das Spitzenmodell lohnt: eine einzelne Hero-Einstellung, die auf einer Startseite groß läuft und alles tragen muss. Dort zahlt sich jeder Prozentpunkt Bildqualität aus, weil das Ergebnis monatelang steht.

Für die restlichen neunzig Prozent — Produktumdrehungen, Detailaufnahmen, Bewegtbild für Anzeigen — ist die Frage eine andere: Reicht das Modell für diese Einstellung? Wenn ja, ist jede zusätzliche Qualitätsstufe verschenktes Geld, weil sie im fertigen Reel bei neun Sekunden Laufzeit ohnehin niemand sieht.

Das klingt banal, ist es in der Praxis aber nicht. Die Versuchung, aus Gewohnheit immer dasselbe teure Modell zu nehmen, ist groß — vor allem, weil ein Vergleich vor jeder Produktion Zeit kostet und man die Ersparnis erst am Monatsende sieht.

Was ich daraus mache

Vor jeder Strecke steht bei mir seit einiger Zeit dieselbe Frage: Welche Einstellung trägt das Ergebnis, und welche füllt nur? Die tragende Einstellung bekommt das beste verfügbare Modell. Alles andere bekommt das günstigste, das für diese eine Aufgabe ausreicht.

Für Standbilder gilt dasselbe in schärferer Form. Ein Test ist immer ein Standbild, nie ein Video — ein Clip sagt über den Look nichts, was ein Einzelbild nicht auch sagen würde, kostet aber ein Vielfaches. Erst wenn der Look freigegeben ist, wird bewegt.

Was sich in den nächsten Monaten ändern dürfte

Die Modelle konvergieren. Der Abstand zwischen dem besten und dem drittbesten Modell wird bei reiner Bildqualität kleiner, während er bei Betriebskosten und Steuerbarkeit groß bleibt. Wenn diese Entwicklung anhält, wird die Frage "welches Modell ist das beste" endgültig zur falschen Frage — und die Frage "welches ist für diesen einen Shot das billigste, das reicht" zur richtigen.

Wer heute produziert, sollte sich angewöhnen, sie vor jeder Strecke neu zu stellen.