Vídeo · Comparación
Wan 2.6 vs Pika H3 Flex: ¿qué modelo de vídeo multiplano de 15 segundos te conviene?
Pika H3 Flex encaja mejor en un clip multiplano de 15 segundos construido con muchas referencias, y Wan 2.6 en uno de 15 segundos guiado por texto o por una sola imagen, con un precio fijo por segundo. Pika admite hasta 12 archivos de referencia y publica sus pesos. Wan 2.6 limita el vídeo a partir de referencias a 10 segundos y Alibaba no ha publicado sus pesos.
Ambos modelos se presentaron como generadores de vídeo de 15 segundos, con varios planos y audio, y por eso se buscan juntos. Esta es una comparación de especificaciones y precios basada en la documentación de cada empresa. No hemos generado clips lado a lado, así que no dice cuál se ve mejor. También explica dónde encaja Ciyo, un espacio de trabajo de diseño con IA con un agente de diseño conversacional y un lienzo infinito para crear y editar imágenes y vídeos.
¿Cómo se comparan Wan 2.6 y Pika H3 Flex sobre el papel?
Los dos llegan a 15 segundos con sonido y varios planos, pero difieren en referencias, resolución y licencia. Wan 2.6 es un modelo alojado de Alibaba de diciembre de 2025. Pika H3 Flex es una versión postentrenada de MiniMax H3 publicada el 29 de octubre de 2026, con adaptadores abiertos y una API alojada.
| Wan 2.6 | Pika H3 Flex | |
|---|---|---|
| Creador y lanzamiento | Alibaba, anunciado el 16 de diciembre de 2025 | Pika, postentrenado a partir de MiniMax H3, publicado el 29 de octubre de 2026 |
| Duración máxima | 15 s en texto a vídeo e imagen a vídeo; 10 s en vídeo a partir de referencias | 5–15 s en todos los modos, también con referencias |
| Control multiplano | Parámetro shot_type: multi; en texto a vídeo solo funciona con la reescritura del prompt activada | Planos y tiempos escritos en el prompt (los ejemplos de Pika usan marcas de tiempo y etiquetas [Shot n]) |
| Referencias | Vídeo a partir de referencias: hasta 5 archivos (imágenes 0–5, vídeos 0–3); texto a vídeo admite un audio de 3–30 s | Hasta 12 archivos: 9 imágenes, 3 vídeos, 3 audios |
| Audio | Generado junto con la imagen | Estéreo a 32 kHz, generado junto con la imagen; cinco stems separados (diálogo, banda sonora, SFX, foley, ambiente) por API |
| Resolución | 720P y 1080P | Nativa 480p y 768p; 1080p, 2K y 4K con un escalador alojado |
| Relaciones de aspecto | 16:9, 9:16, 1:1, 4:3, 3:4 | 11, de 21:9 a 9:21 |
| Pesos | No publicados (ninguno en la organización Wan-AI de Hugging Face el 1 nov. 2026) | Publicados como adaptadores LoRA y componentes base de MiniMax H3 |
| Licencia | Condiciones del servicio alojado | Licencia comunitaria MiniMax H3; excluye la UE, el Reino Unido, Corea del Sur y EE. UU. |
¿Puede Wan 2.6 hacer vídeo multiplano de 15 segundos con referencias?
No de una sola vez. La referencia de la API de Alibaba permite que wan2.6-t2v genere de 2 a 15 segundos, pero wan2.6-r2v, el modelo de vídeo a partir de referencias, solo acepta de 2 a 10. Así, un clip de 15 segundos con Wan 2.6 se guía por prompt, con audio opcional, y uno guiado por referencias se queda en 10 segundos.
El modelo de referencias de Wan 2.6 toma como máximo cinco archivos, cada uno con un solo sujeto, y se les nombra en el prompt como «character1», «character2», etc. Los vídeos de referencia también se facturan: el registro de uso suma los segundos de vídeo de entrada a los de salida. Para un clip de diez segundos con cinco segundos de vídeo de referencia, pagas quince.
¿Qué hace diferente Pika H3 Flex?
Pika H3 Flex admite hasta 12 archivos de referencia en una petición y aun así genera hasta 15 segundos. El adaptador Ref2VA acepta 9 imágenes, 3 vídeos y 3 audios, y hace falta al menos una imagen o un vídeo. Cada vídeo o audio de referencia debe durar de 2 a 15 segundos, con 15 segundos en total por tipo.
Los prompts de demostración de Pika, que son ejemplos de marketing y no pruebas comparativas, dirigen una secuencia de 15 segundos plano a plano con marcas de tiempo como 0–3 s y 3–5 s. La ficha del modelo dice que Pika «post-trained MiniMax H3 to generate in six steps instead of 50». Pika afirma que un clip de 15 segundos a 768p puede salir en tan solo siete segundos, pero define esa cifra como cómputo del transformer en una prueba controlada, no como latencia de principio a fin.
¿Cuánto cuesta un clip de 15 segundos?
A precio de lista, un clip de 15 segundos cuesta $1,50 en 720P o $2,25 en 1080P con el texto a vídeo de Wan 2.6, y $0,60 en 768p o $1,05 en 1080p con Pika H3 Flex. Ambos cobran por segundo de salida. La promoción de lanzamiento de Pika reduce a la mitad sus precios para miembros de API Club del 29 de octubre al 5 de noviembre de 2026.
La resolución no es comparable de igual a igual. Wan 2.6 renderiza en 720P o 1080P. Pika genera a 768p y escala una vez dentro del mismo trabajo, así que sus precios de 1080p, 2K y 4K incluyen ese paso de escalado.
| Clip de 15 segundos | Wan 2.6 | Pika H3 Flex |
|---|---|---|
| Texto o imagen a vídeo, 720P / 768p | $1,50 | $0,60 |
| Texto o imagen a vídeo, 1080P / 1080p | $2,25 | $1,05 |
| Texto o imagen a vídeo, 4K | No disponible | $2,40 |
| Vídeo a partir de referencias, 720P / 768p | No posible a 15 s; 10 s cuestan $1,00 más los segundos de vídeo de entrada | $1,80, más los segundos de vídeo de entrada |
| Diez clips en 720P / 768p | $15,00 | $6,00 |
¿Cuál puedes alojar tú mismo o usar comercialmente?
Solo Pika H3 Flex te da los pesos. Sus adaptadores son derivados de MiniMax H3 bajo la licencia comunitaria MiniMax H3, y el repositorio incluye unos 210 GB de componentes base. Pika dice que el paquete ejecuta una petición en una GPU y que pasó pruebas representativas en una H100 de 80 GB.
La licencia tiene límites que conviene conocer antes de construir sobre ella. Excluye la Unión Europea, el Reino Unido, la República de Corea y Estados Unidos. También exige una autorización escrita de MiniMax si tus productos generan más de 20 millones de dólares de ingresos anuales, y obliga a mostrar «MiniMax H3» en la interfaz. Las páginas que leímos no aclaran si la API alojada de Pika tiene las mismas limitaciones territoriales, así que confírmalo con Pika y con un abogado si operas en una región excluida. Esto no es asesoramiento legal.
Aquí «pesos abiertos» es más estrecho de lo que suena. Wan 2.6 no tiene pesos públicos: la organización Wan-AI de Hugging Face lista Wan2.1, Wan2.2 y algunos modelos relacionados, pero ningún repositorio de Wan 2.5, 2.6 o 2.7.
¿Es Wan 2.6 el modelo Wan más reciente?
No. Wan 2.6 se lanzó el 16 de diciembre de 2025, así que las páginas que lo presentan como novedad a finales de 2026 repiten una noticia antigua. Model Studio de Alibaba lista ahora también instantáneas de Wan 2.7 de abril y junio de 2026 y Wan 3.0, que según Alibaba admite entrada de referencias en cuatro modalidades y hasta 30 segundos de vídeo.
La propia página de Pika muestra una captura de clasificación con Wan 3.0 en 1324, Pika H3 Flex en 1293 y Seedance 2.5 en 1256. Wan 2.6 no aparece en esa captura. Si quieres el mejor Wan, mira Wan 3.0 en lugar de este.
¿Cuál deberías elegir?
Elige Pika H3 Flex si tienes más de cinco referencias, referencias de audio o necesitas pesos abiertos. Elige Wan 2.6 si partes de texto o de un primer fotograma, quieres 1080P nativo o necesitas un modelo cuya licencia no excluya territorios. No elijas ninguno si necesitas 30 segundos. Usa estas reglas como filtro inicial y prueba después con tus propios planos.
Anuncio o episodio con muchos personajes: Pika H3 Flex, porque 9 plazas de imagen, 3 de vídeo y 3 de audio cubren varios personajes, un escenario y una voz.
Escena narrativa a partir de texto: Wan 2.6 a 15 segundos, con shot_type en multi y la reescritura del prompt activada.
Menor precio de lista por clip: Pika H3 Flex a 768p, desde $0,60 por 15 segundos. Wan 2.6 cuesta $1,50 en 720P.
1080P nativo: Wan 2.6. El 1080p de Pika es un escalado de una generación a 768p.
Alojamiento propio: Pika H3 Flex, sujeto al territorio de la licencia.
¿Dónde encaja Ciyo?
La página de precios de Ciyo, consultada el 1 de noviembre de 2026, no lista ni Wan ni Pika. Sus modelos de vídeo son Seedance 2.5, Kling 4.0, la familia Seedance 2.0 y versiones anteriores de Seedance. Por eso Ciyo sirve para planificar y comparar planos, no para ejecutar estos dos modelos.
Si tu objetivo es una secuencia de 15 segundos, la opción listada más cercana es Seedance 2.0: de cuatro a quince segundos por clip, de 480p a 4K, un interruptor de audio nativo y hasta nueve referencias de imagen, tres de vídeo y tres de audio según su página de herramienta. Cuesta de 48 a 1.950 créditos por clip según los ajustes, y $10 dan 1.000 créditos. Se parece a los límites de referencia de Pika, pero no hemos comparado la calidad de salida.
Para el trabajo multiplano también puedes montar la secuencia tú mismo en el lienzo infinito. En nuestra propia prueba de storyboard, dos clips mudos de 5 segundos a 720p con Seedance 2.5, cada uno a partir de un fotograma inicial y otro final en el modo Frames, costaron 197 créditos cada uno (unos $1,97). El paso a paso está en del storyboard al vídeo, y cuánto cuesta el vídeo con IA explica la lógica de precios. Puedes empezar desde el AI Video Generator.
- página de herramienta
- lienzo infinito
- del storyboard al vídeo
- cuánto cuesta el vídeo con IA
- AI Video Generator
- Alibaba Unveils Wan2.6 Series
- Referencia de la API de texto a vídeo de Wan (2.1–2.6)
- Referencia de la API de vídeo a partir de referencias de Wan (2.6)
- Precios de modelos de Model Studio
- modelos recién lanzados
- Wan-AI en Hugging Face
- Página de Pika H3 Flex
- artículo de investigación
- Pika-Labs/Pika-H3-Flex en Hugging Face
- Precios de Ciyo
- Seedance 2.0 en Ciyo
- Ciyo
Preguntas frecuentes
¿Es Wan 2.6 de código abierto?
No. Alibaba lo ofrece mediante Model Studio y su sitio de Wan, y el 1 de noviembre de 2026 no encontramos ningún repositorio de Wan 2.6 en la organización Wan-AI de Hugging Face. Wan 2.1 y 2.2 están publicados; 2.5, 2.6 y 2.7 no.
¿Puede Wan 2.6 hacer vídeo multiplano con imágenes de referencia?
Sí, pero solo hasta 10 segundos. El modelo de vídeo a partir de referencias acepta shot_type: multi, hasta cinco archivos de referencia y de 2 a 10 segundos. Para 15 segundos hay que usar texto a vídeo o imagen a vídeo.
¿Cuántos archivos de referencia admite Pika H3 Flex?
Hasta 12: 9 imágenes, 3 vídeos y 3 audios. Hace falta al menos una imagen o un vídeo, y cada vídeo o audio debe durar de 2 a 15 segundos.
¿Cuánto cuesta un clip de 15 segundos con Pika H3 Flex?
$0,60 a 768p y $1,05 a 1080p en texto o imagen a vídeo a precio regular, y $1,80 a 768p en vídeo a partir de referencias, más los segundos de vídeo de entrada. Los precios de lanzamiento son la mitad hasta el 5 de noviembre de 2026 para miembros de API Club.
¿Puedo usar Pika H3 Flex comercialmente?
Con la licencia comunitaria MiniMax H3, solo fuera de la UE, el Reino Unido, Corea del Sur y EE. UU., con autorización escrita por encima de 20 millones de dólares de ingresos anuales y un aviso visible de «MiniMax H3». Confirma las condiciones para tu caso antes de publicar.
¿Puedo ejecutar Wan 2.6 o Pika H3 Flex en Ciyo?
No a 1 de noviembre de 2026: la página de precios de Ciyo no lista ninguno. Para vídeo lista Seedance 2.5, Kling 4.0 y modelos Seedance 2.0, y el coste exacto en créditos aparece antes de cada ejecución.
Sigue en Ciyo
Planifica tus planos en un solo tablero y compara modelos de vídeo lado a lado en Ciyo. El coste en créditos aparece antes de cada ejecución.