Le 27 août 2026, Google a publié Gemini Omni 1.1 Flash. Quelques semaines plus tôt, le 6 août, Alibaba avait ouvert Wan 3.0 en bêta publique. Deux modèles de génération vidéo, deux géants, et dans notre classement trente-cinq centièmes de point d’écart — 99,46 contre 99,11.
Autant dire aucun.
Sauf que les deux annonces ne disent pas la même chose que les documentations. Google vend quarante secondes : ce sont des morceaux de trois à dix secondes empilés. Google vend de la 4K : c’est un agrandissement. Et la fonction qui fait tout l’intérêt du modèle — modifier vos propres vidéos — est bloquée en France.
Le verdict en bref
Sur la durée d’un plan : Wan 3.0, sans discussion. Trente secondes en une seule passe, avec le son, contre trois à dix secondes chez Google qu’il faut ensuite raccorder.
Sur la boucle de retouche : Gemini Omni. Il garde l’état de la vidéo d’un tour à l’autre et se pilote en langage courant. C’est un outil d’itération, là où Wan est un outil de production.
Sur le prix d’une minute livrée : Google, d’environ 31 %. Mais pas pour la raison affichée — l’économie ne vient pas du tarif de sortie, elle vient du palier brouillon à 0,03 dollar la seconde.
Sur ce que vous pouvez lui donner à manger : Wan 3.0, et de très loin. Un PDF, une présentation, un tableur, une page web. Google plafonne à trois clips de trois secondes et refuse les adresses YouTube.
Sur la disponibilité en France : Google perd sa fonction phare. L’édition d’une vidéo que vous avez tournée est indisponible dans l’Espace économique européen, en Suisse et au Royaume-Uni.
Et sur l’honnêteté des annonces : Alibaba, à la surprise générale. L’éditeur chinois écrit lui-même, dans son communiqué, que son audio et son texte incrusté ne sont pas au niveau voulu.
D’où viennent les chiffres de ce comparatif
Trois familles de données, tenues séparées d’un bout à l’autre.
Les annonces et documentations des éditeurs servent aux capacités, aux plafonds, aux tarifs et aux restrictions. Elles sont utiles pour ce qu’un produit fait et refuse de faire — et c’est précisément en les confrontant l’une à l’autre que l’essentiel de cet article est apparu : ce qu’un communiqué affirme n’est pas toujours ce qu’une page d’API autorise.
Les relevés de praticiens viennent de gens qui ont généré des séquences avec chacun des deux modèles et publié ce qu’ils ont obtenu : cohérence d’un personnage sur la durée, tenue des matières, qualité du dialogue, échecs. Ils sont attribués nommément dans le texte.
Les rangs viennent du classement IA du Recul relevé le 9 septembre 2026, qui agrège une vingtaine de sources publiques.
Un principe de lecture, appliqué partout : une observation n’est pas une mesure. Quand une qualité d’image est jugée, elle est attribuée à qui la juge. Quand un chiffre est calculé, ses hypothèses sont écrites pour que vous puissiez le refaire.
Une correction, faite pendant la préparation et signalée ici parce qu’elle a failli passer : une source secondaire affirmait qu’Alibaba avait mis Wan 3.0 en ligne sans aucun communiqué. C’est faux. L’éditeur a publié sur son blog officiel les 6, 7 et 13 août 2026. Ce sont ces publications qui font foi dans cet article.
Les deux adversaires
| Gemini Omni 1.1 Flash | Wan 3.0 | |
|---|---|---|
| Éditeur | Google DeepMind | Alibaba Cloud, Tongyi Lab |
| Date | 27 août 2026 | bêta publique le 6 août 2026 |
| Durée en une passe | 3 à 10 s | 4 à 30 s |
| Durée cumulée maximale | 40 s par empilement | 30 s, plus extension |
| Résolutions | 360p, 720p, 1080p, 4K — les deux plus hautes agrandies | 480p, 720p, 1080p natif, pas de 4K |
| Cadence | 24 images/s | non exposée, pas de 60 images/s |
| Son | généré, édition vocale non prise en charge | généré avec l'image en une passe |
| Entrées | texte, image, audio, vidéo (3 clips de 3 s max) | texte, image, audio, vidéo, documents, pages web |
| Références maximum | 3 clips | 20 éléments |
| Texte à l'écran | anglais pris en charge, autres langues non évaluées | 12 langues annoncées |
| Édition d'une vidéo téléversée | bloquée dans l'EEE, en Suisse et au Royaume-Uni | pas de restriction équivalente documentée |
| Filigrane | SynthID sur toutes les sorties | non documenté |
| Poids ouverts | non | non — derniers poids ouverts : Wan 2.2 |
« Quarante secondes » : ce que Google vend et ce que l’API livre
L’annonce est spectaculaire. La documentation l’est beaucoup moins.
Chaque appel à Gemini Omni 1.1 Flash génère entre trois et dix secondes. Les quarante secondes sont un cumul : on ajoute des tranches à la fin d’un clip déjà produit, jusqu’à atteindre le plafond. XenoSpectrum le formule sans ménagement — l’idée d’une vidéo de quarante secondes générée d’un seul coup n’est pas exacte.
Trois contraintes s’ajoutent, et elles pèsent sur le travail réel :
- L’extension ne fonctionne qu’en fin de clip. Pas de rallonge au début, pas d’insertion au milieu. Si le plan manquant est celui du centre, il faut tout reprendre.
- Chaque passe est facturée séparément, au palier choisi. Il n’y a pas de surcoût d’extension, mais pas de remise non plus.
- Le modèle n’analyse que les dix dernières secondes pour prolonger — ce qui est déjà un net progrès, la version précédente n’en regardait qu’une, mais reste une mémoire courte pour une séquence de quarante secondes.
Le progrès est réel. La formulation, elle, laisse croire à autre chose.
« 4K » : le mot qui ne veut pas dire ce que vous croyez
Même mécanique, un cran plus gênant.
La 4K de Gemini Omni n’est pas générée, elle est agrandie. Et la fiche technique va plus loin que ce que l’annonce laisse deviner : sur les quatre paliers proposés, les deux plus hauts sont des agrandissements. Le 1080p lui-même n’est donc pas natif.
Le flux de travail recommandé par Google est cohérent avec cette architecture : explorer en 360p, valider en 720p, exporter en 1080p ou en 4K. C’est un pipeline de production honnête — à condition de savoir que l’export n’ajoute pas de détail, il en interpole.
Wan 3.0 fait l’inverse et l’assume : 1080p natif comme plafond, aucun palier 4K. Vous obtenez moins de pixels, mais ceux que vous obtenez ont été générés.
Pour une diffusion sur les réseaux sociaux, l’écart est théorique. Pour une livraison client où quelqu’un va zoomer, il ne l’est plus.
Trente secondes d’un seul tenant, et c’est vrai
C’est l’argument central d’Alibaba, et il tient.
L’annonce officielle est claire : jusqu’à trente secondes en une seule passe, avec recommandation intelligente de durée, et le son généré en même temps que l’image. Un clip revient donc sonorisé, pas muet. La revue pratique de Wan30 confirme la fourchette réelle — quatre à trente secondes par génération.
La conséquence pratique est plus importante que la durée elle-même. Trente secondes en une passe, c’est une prise continue. Trois plans de dix secondes empilés, c’est un montage — avec trois occasions pour un personnage de changer de veste, pour une lumière de basculer, pour un mouvement de caméra de se contredire.
Et sur ce point précis, personne ne peut trancher par les chiffres : Google ne publie aucune mesure de cohérence ni de taux d’échec sur l’extension de scène. C’est le trou le plus visible de cette annonce.
Ce que Wan accepte en entrée, et que personne d’autre n’accepte
Voici la fonction dont on parle le moins et qui change le plus de choses pour un usage professionnel.
Wan 3.0 accepte en entrée, en plus du texte, des images, de l’audio et de la vidéo : des documents et des pages web. La liste officielle est précise — doc, xls, ppt, pdf, txt, key, pages, numbers, md — dans la limite d’un fichier ou un lien, cent mégaoctets, cinquante pages. Le total des éléments de référence peut monter à vingt.
Autrement dit : une présentation commerciale, une fiche produit en PDF, une page de site peuvent devenir une vidéo sans passer par l’étape « traduire tout ça en instructions visuelles ».
En face, Gemini Omni plafonne les références vidéo à trois clips de trois secondes, ignore le son de ces références, refuse les adresses YouTube, et ne sait pas raisonner d’un clip de référence à l’autre.
| Ce que vous pouvez donner en entrée | Gemini Omni 1.1 Flash | Wan 3.0 |
|---|---|---|
| Texte | oui | oui |
| Image | oui | oui |
| Clips vidéo de référence | 3 maximum, 3 s chacun | compris dans les 20 références |
| Vidéo téléversée à modifier | 10 s maximum — bloqué dans l'EEE | oui |
| Son de ces références | ignoré | pris en compte |
| Documents (pdf, ppt, doc, xls, txt, md, key, pages, numbers) | non | oui — 1 fichier, 100 Mo, 50 pages |
| Page web par son adresse | non | oui |
| Adresse YouTube | refusée | non documenté |
| Nombre total de références | 3 | 20 |
Ce n’est pas une différence de puissance. C’est une différence de métier : Google construit un outil de réalisateur, Alibaba un outil de marketing.
Le prix à la seconde, palier par palier
| Palier | Gemini Omni 1.1 Flash | Wan 3.0 |
|---|---|---|
| Brouillon | 0,03 $/s (360p) | 0,05 $/s (480p) |
| 720p | 0,10 $/s | 0,10 $/s |
| 1080p | 0,15 $/s (agrandi) | 0,20 $/s (natif) |
| 4K | 0,30 $/s (agrandi) | non proposé |
Trois observations que la grille seule ne donne pas.
À 720p, c’est une égalité parfaite — dix centimes la seconde des deux côtés. Le palier le plus utilisé du marché ne départage rien.
À 1080p, Google est 25 % moins cher, mais son pixel est agrandi. Vous choisissez donc entre payer moins pour de l’interpolé, ou payer plus pour du généré. Ce n’est pas la même chose que « moins cher ».
Et cette version n’est pas une baisse de prix. XenoSpectrum le relève : à 0,10 dollar la seconde en 720p et 0,30 en 4K, Gemini Omni 1.1 Flash aligne exactement les tarifs de Veo 3.1 Fast. Ce qui change, ce n’est pas le prix du livrable, c’est le prix de l’essai.
Le vrai calcul : combien coûte une minute livrée
C’est le chiffre que personne ne publie, parce qu’il oblige à admettre qu’on jette beaucoup.
Hypothèses, écrites pour que vous puissiez les rejouer : livraison en 1080p, et trois brouillons pour un plan gardé — un taux réaliste en génération vidéo, où le premier jet est rarement le bon.
| Une minute livrée en 1080p | Gemini Omni 1.1 Flash | Wan 3.0 |
|---|---|---|
| Découpage nécessaire | 6 plans de 10 s | 2 plans de 30 s |
| Brouillons (3 par plan) | 6 × 3 × 10 s × 0,03 $ = 5,40 $ | 2 × 3 × 30 s × 0,05 $ = 9,00 $ |
| Rendus finaux | 6 × 10 s × 0,15 $ = 9,00 $ | 2 × 30 s × 0,20 $ = 12,00 $ |
| Total | 14,40 $ | 21,00 $ |
| Ce que vous obtenez | 6 générations à raccorder | 2 prises continues |
Google est environ 31 % moins cher. Et le levier n’est pas celui qu’on croit : ce n’est pas le tarif de sortie, c’est le palier brouillon à trois centimes. Build Fast with AI le résume mieux que n’importe quelle grille — le modèle n’est pas moins cher dans l’absolu, il rend l’expérimentation moins chère.
Mais lisez la dernière ligne du tableau avant de conclure. Les 14,40 dollars de Google achètent six générations distinctes qu’il faudra raccorder, dont la cohérence n’est garantie par aucun chiffre publié. Les 21 dollars d’Alibaba achètent deux prises continues. Le prix ne mesure pas la même chose des deux côtés — et six raccords ratés coûtent plus cher que six dollars et soixante cents.
Ce que disent ceux qui ont fait tourner Wan 3.0
Les relevés publiés par Video Generator portent sur cinq séquences : un plan produit de mug céramique, un déballage de casque au format vertical, une scène de marché de douze secondes, un test de physique sur une lanterne en papier, et une séquence cinématique de vingt secondes dans une ruelle sous la pluie.
Au crédit du modèle :
- Le plan de mug de quinze secondes est jugé presque utilisable dès le premier essai.
- La cohérence tient : « sa veste est restée de la même couleur, son visage est resté reconnaissable ».
- La physique convainc : « le tissu se plie comme du tissu. L’eau éclabousse puis retombe. »
- Le son d’ambiance est jugé assez bon pour un montage de travail.
À son passif :
- Les mains restent problématiques — le défaut historique du secteur n’est pas résolu.
- Les foules denses se ramollissent sur les bords du cadre.
- Le dialogue sonne légèrement traité, ce qui le rend peu utilisable tel quel.
- Les séquences à plusieurs plans donnent une impression de collage plutôt que de continuité.
Comparé à ses rivaux par le même testeur : face à Veo 3, Wan « échange des coups plutôt qu’il ne perd », tout en restant moins photoréaliste ; face à Kling et Runway, c’est « une nette avancée sur la cohérence et le contrôle de caméra ». Face à Sora, ce sont deux philosophies — le spectacle d’un côté, la répétabilité et le prix de l’autre.
Nous avions déjà mesuré cette bascule en confrontant Veo 3.1 et Kling 3.0 : le terrain de jeu s’est déplacé de la beauté du plan vers sa reproductibilité.
Ce que disent ceux qui ont fait tourner Gemini Omni
La note est bonne — 8,5 sur 10 chez Build Fast with AI. Les réserves sont précises, et l’une d’elles est sévère.
Trois faiblesses récurrentes : une dérive de la synchronisation labiale, des mouvements qui flottent, et des difficultés dès qu’il y a plusieurs interlocuteurs à synchroniser.
Mais le constat le plus gênant concerne la fonction phare : la cohérence de la scène se dégrade au fil des retouches successives. Autrement dit, le modèle est le moins fiable exactement là où il est censé exceller — l’itération.
Google ne le cache pas dans sa documentation technique, où il indique que la cohérence complète à travers les modifications, les mouvements complexes et un texte parfaitement exact restent des difficultés. La formule est honnête. Elle n’est simplement pas dans le communiqué.
Un avertissement complémentaire mérite d’être connu de qui prévoit une chaîne de production : la mémoire conversationnelle ne promet aucune préservation au pixel près. Un visage, un vêtement, un cadrage peuvent changer sans qu’on l’ait demandé. La parade documentée tient en une phrase à ajouter à chaque instruction : « garde tout le reste identique ».
L’échec silencieux : zéro jeton, aucun message
Voici le piège le plus coûteux en temps, et il est propre à Gemini Omni.
Quand le modèle refuse un clip, il ne le dit pas toujours. Une retouche de vidéo vers vidéo peut se terminer instantanément avec zéro jeton produit et une sortie vide, sans message d’erreur explicite. Vous croyez à un bug de votre code ; c’est un refus.
Trois causes expliquent la quasi-totalité de ces refus :
- Le verrou régional sur les vidéos téléversées — nous y venons.
- Le modèle n’édite de façon fiable que ses propres générations. Un utilisateur cité rapporte que tous ses clips ont été rejetés, et que les seules vidéos acceptées étaient celles fabriquées par le modèle lui-même.
- Une règle anti-hypertrucage, appliquée mondialement, qui refuse de faire parler une photo à partir d’un fichier audio.
Les messages génériques ajoutent à la confusion. Un développeur résume le sentiment général en écrivant, à propos d’un blocage en Inde, qu’il aurait mieux valu afficher un vrai message d’erreur.
La parade tient en une règle de flux de travail : générer d’abord dans le modèle, éditer ensuite. Ce qui, incidemment, transforme une limitation en modèle économique.
Le point qui décide pour un lecteur français
Nous l’avons vérifié sur six sources indépendantes avant de l’écrire, parce qu’il change le verdict.
L’édition et l’extension d’une vidéo que vous avez téléversée sont indisponibles dans l’Espace économique européen, en Suisse et au Royaume-Uni. La restriction figure dans la documentation de l’API Google, elle ne concerne donc pas seulement l’application grand public : il n’existe pas non plus de voie programmatique. Des signalements d’utilisateurs y ajoutent l’Inde et certains États américains, dont le Texas et l’Illinois. La création d’avatars personnels et le téléversement d’images comportant des mineurs sont soumis aux mêmes blocages territoriaux.
Ce qui reste possible depuis la France : générer une vidéo avec le modèle, puis l’étendre et la retoucher. Ce qui est bloqué : y faire entrer vos propres images tournées.
Mesurez ce que cela retire. Un modèle vendu pour l’édition conversationnelle de vidéo, dont l’édition ne s’applique, chez nous, qu’à ce qu’il a lui-même fabriqué. Pour un vidéaste qui voulait retoucher ses rushes, l’outil ne fait pas ce pour quoi il l’aurait choisi.
Aucune restriction équivalente n’est documentée du côté de Wan 3.0.
Notre classement, et un piège qu’il faut connaître
Dans le relevé du 9 septembre 2026, la catégorie vidéo place Wan 3.0 au premier rang avec 99,46 et Gemini Omni 1.1 Flash au deuxième avec 99,11. Les deux affichent une couverture de mesure de 100 % et un statut vérifié.
Trente-cinq centièmes. Autant dire que la question « lequel est le meilleur » n’a pas de réponse à ce niveau de précision.
Deux précautions de lecture, que nous appliquons à nos propres données.
Première précaution : un même modèle peut apparaître deux fois. Wan 3.0 figure au premier rang avec 99,46, alimenté par les mesures d’Artificial Analysis — et une seconde fois au troisième rang avec 97,56, sous la graphie « Wan3.0 », sans espace, alimentée par LMArena. Même modèle, deux entrées, deux rangs. C’est un artefact d’agrégation, et la règle qui en découle vaut pour tout lecteur de classement : vérifier les graphies voisines avant de citer un rang.
Seconde précaution : deux scores ne sont comparables que s’ils viennent de la même famille de sources. Un score issu de LMArena et un score issu d’Artificial Analysis mesurent des choses proches mais pas identiques. C’est la même leçon que celle tirée de notre confrontation entre Grok 4.6 et Gemini 3.7 Flash, où la même épreuve donnait 88,4 % dans une version et 26 % dans la suivante.
L’audio : deux approches, un même plafond
Les deux modèles produisent du son avec l’image. Aucun des deux ne produit du son utilisable tel quel pour de la parole.
Chez Wan 3.0, le son est généré dans la même passe que l’image — dialogue, effets, ambiance, musique. Les relevés convergent : l’ambiance est bonne, le pas, le vent, la rumeur de foule passent en montage de travail. Le dialogue, lui, sonne traité. L’annonce d’Alibaba le reconnaît explicitement.
Chez Gemini Omni, le modèle tente par défaut de produire une piste audio appropriée. Mais l’édition vocale n’est pas prise en charge, les références audio non plus, et le son contenu dans une vidéo de référence est ignoré. S’y ajoute la dérive de synchronisation labiale relevée par les testeurs.
Conclusion pratique, valable des deux côtés : l’ambiance se garde, la voix se refait. Prévoyez une piste son séparée dans votre chaîne de production.
Le texte à l’écran, et la question du français
Sur le papier, l’avantage est chinois, et c’est contre-intuitif.
Wan 3.0 annonce douze langues prises en charge pour le rendu du texte dans l’image. La fiche technique de Gemini Omni est plus restrictive : l’anglais est pleinement pris en charge, les autres langues n’ont pas été évaluées.
Il faut tempérer aussitôt. Alibaba écrit lui-même que la précision du texte à l’écran est en progrès mais pas encore au niveau voulu, et les testeurs relèvent un texte incrusté souvent inexact. Douze langues annoncées ne valent pas douze langues garanties.
Le résultat net est donc modeste mais réel : pour un carton en français dans une vidéo, Wan 3.0 a une chance, Gemini Omni n’a même pas de mesure. Et aucun des deux éditeurs ne publie d’évaluation en français — nous signalons le trou plutôt que de le combler par une impression.
Le filigrane, et la traçabilité
Écart structurel, qui ne dépend d’aucune qualité d’image.
Toutes les sorties de Gemini Omni portent le filigrane SynthID — invisible à l’œil, détectable par programme. C’est la réponse de Google à l’obligation européenne de marquage des contenus synthétiques, dont nous avons détaillé le calendrier dans notre décryptage de l’échéance du 2 août 2026.
Aucune des sources consultées ne documente de filigrane équivalent sur les sorties de Wan 3.0.
Pour un créateur de contenus sur les réseaux sociaux, la différence est invisible. Pour un média, un établissement scolaire, une administration ou un service juridique européen, elle est décisive — et elle penche du côté de Google, à rebours du reste de ce comparatif.
L’aveu que chacun fait sur son propre produit
Un exercice que nous faisons systématiquement : lire ce que l’éditeur écrit contre lui-même.
Alibaba, dans son annonce officielle du 13 août, écrit que la texture audio et la précision du rendu du texte à l’écran sont en progrès mais pas encore au niveau souhaité. C’est écrit dans le communiqué de lancement, pas dans une documentation enfouie.
Google reconnaît dans sa documentation technique que la cohérence complète à travers les modifications, les mouvements complexes et un texte parfaitement exact restent des difficultés. C’est exact et utile — mais l’annonce publique, elle, met en avant des quarante secondes qui sont un cumul et une 4K qui est un agrandissement.
Et chacun laisse un trou à la même place :
- Google ne publie aucune mesure de cohérence ni de taux d’échec sur l’extension de scène, c’est-à-dire sur sa fonction principale.
- Alibaba ne cite aucun résultat d’évaluation indépendante dans son annonce.
Ces deux absences ne sont pas des oublis. Ce sont les deux chiffres qui décideraient de l’achat.
Alibaba a fermé ce qu’il avait ouvert
Il y a un renversement dans cette histoire, et il mérite d’être dit.
La famille Wan s’est bâtie une réputation sur les poids ouverts. Sa dernière version publiée sous licence Apache 2.0 est Wan 2.2. Depuis, les générations 2.5, 2.6, 2.7 et 3.0 sont des modèles commerciaux, accessibles uniquement en ligne. Aucun poids sur les dépôts publics, aucun hébergement possible chez soi, aucune option de GPU local : Wan 3.0 se pilote depuis un navigateur ou une API, un point c’est tout.
L’acteur qui portait l’étendard de l’ouverture en génération vidéo a donc fermé son haut de gamme — exactement comme les éditeurs américains qu’il concurrence. C’est le même mouvement que celui décrit à propos des poids ouverts chinois et de leurs licences : l’ouverture reste sur l’entrée de gamme, le sommet se referme.
Ce qui reste chinois dans Wan 3.0, ce n’est plus l’ouverture. C’est le prix — la même mécanique de pression tarifaire que celle observée dans la guerre des prix déclenchée par DeepSeek, transposée à la vidéo.
Lequel choisir
Prenez Wan 3.0 si vous avez besoin d’un plan long d’un seul tenant, si votre matière première est un document — présentation, fiche produit, page web —, si vous travaillez en format vertical pour les réseaux sociaux, ou si vous devez incruster du texte dans une autre langue que l’anglais. C’est aussi le choix par défaut si vous êtes en Europe et que vous voulez faire entrer vos propres images dans la boucle.
Prenez Gemini Omni 1.1 Flash si votre travail est fait d’allers-retours — générer, regarder, corriger une lumière, recommencer. Le pilotage conversationnel avec conservation de l’état est réel et confortable, le mode brouillon à trois centimes rend l’exploration presque gratuite, et le filigrane SynthID règle une question de conformité que vous n’aurez pas à poser.
Ne prenez ni l’un ni l’autre pour la parole. Le dialogue sonne traité chez Alibaba, la synchronisation labiale dérive chez Google. Prévoyez une piste son séparée.
Et ne prenez aucun des deux pour une livraison finale sans montage. Wan le dit lui-même : il couvre la génération, pas la finition. Il faudra un logiciel de montage derrière, dans les deux cas.
Ce qu’il faut retenir
- Trente-cinq centièmes de point séparent les deux modèles dans notre classement. Aucun ne domine.
- Les quarante secondes de Google sont un empilement de plans de trois à dix secondes, ajoutés en fin de clip uniquement, facturés séparément.
- Sa 4K est un agrandissement — et sur quatre paliers, les deux plus hauts le sont, y compris le 1080p.
- Wan 3.0 génère trente secondes en une passe, avec le son : une prise continue, pas un montage.
- L’édition de vos propres vidéos est bloquée en France chez Google — dans l’EEE, en Suisse et au Royaume-Uni, au niveau de l’API.
- Les refus sont parfois silencieux : zéro jeton produit, sortie vide, aucun message.
- À 720p, les prix sont identiques. À 1080p, Google est 25 % moins cher mais interpolé, Alibaba plus cher mais natif.
- Une minute livrée coûte 14,40 $ contre 21 $, essais compris — mais l’une est faite de six raccords, l’autre de deux prises.
- Le vrai avantage de Google, c’est le brouillon à trois centimes, pas le tarif de sortie. Cette version aligne d’ailleurs exactement les prix de Veo 3.1 Fast.
- Alibaba publie lui-même la liste de ses faiblesses. Google publie une annonce qui survit mal à sa propre documentation.
- Les deux trous décisifs ne sont comblés par personne : aucune mesure de cohérence chez Google, aucune évaluation indépendante chez Alibaba.
- Le champion des poids ouverts en vidéo a fermé son haut de gamme. Les derniers poids publiés sont ceux de Wan 2.2.