Лучший ИИ для аниме-видео в 2026 году: тест Seedance 2.5, MiniMax H3, Kling 3.0 и Veo 3.1 по пяти дисциплинам

Большинство сравнений аниме-видео от нейросетей показывают один отобранный вручную клип и общее впечатление. Это сравнение построено так, как режиссер анимации принимает сцены: пять дисциплин, которые действительно важны в производстве аниме, одно и то же референсное изображение и один и тот же prompt для каждой модели, плотные сетки кадров вместо ощущений и счет за каждый прогон. Мы сгенерировали 38 клипов 2026-08-19 и 2026-08-20 и оценили 20 из них в прямом сопоставлении. Каждый клип в этой статье показан как есть, без монтажа.

TL;DR

• Seedance 2.5 выигрывает за счет дисциплины: микромимика и стабильность стиля на класс выше, и модель ни разу не вышла из образа. При этом ее прогон самый дорогой в тесте: $2.169 за клип 10s в 720p.
• MiniMax H3 выигрывает в процессной анимации и атмосфере: это единственная модель, которая тратит кадры на промежуточные действия (зонт раскрывается, герой приседает), и единственная, чьи клипы приходят с нативным звуком. Со звуком его клип на крыше становится самым трогательным кадром теста. Слабое место: физическая логика. Катану он вложил в ножны задом наперед.
• Kling 3.0 остается бюджетным выбором: $0.672 за прогон, 31% цены Seedance, никогда не разваливается, но и никогда не удивляет.
• У Veo 3.1 самый высокий потолок и худшая дисциплина: модель завершила цепочки действий, которые никто другой не закончил, а затем переписала нашу эмоциональную режиссуру, перескочила ракурсы камеры и уплыла в фотореализм. К тому же ее предел 8 секунд.
• Ни один клип не был отклонен фильтрами контента. Ни одного лица из «зловещей долины» за 38 прогонов. Аниме остается для этих моделей безопасным жанром, чего о фотореалистичных людях сказать нельзя.

Как мы тестировали

Каждой дисциплине отведена одна сцена. У каждой сцены одно референсное изображение (сгенерировано один раз и переиспользовано для всех четырех моделей) и один prompt, написанный как указание в раскадровке: одно непрерывное движение, явный язык камеры, явное «без морфинга, без склеек». Все модели работали на 10 секундах, классе 720p, 16:9, через те же маршруты, которые мы используем в продакшене Vidney.

Оценка идет от 1 до 5 за дисциплину. Каждый клип проходит через шесть профессиональных линз:

1. Физическая достоверность: обращение с предметами, механика тела, гравитация, поведение жидкостей. Красивый клип, вкладывающий меч в ножны задом наперед, здесь проваливается.
2. Эстетика: композиция, свет, цвет.
3. Плавность движения: непрерывные промежуточные фазы вместо телепортов и скольжений.
4. Работа камеры: держит ли кадр заданную режиссуру и мотивировано ли движение.
5. Качество рендера: стабильность линии, целостность деталей, артефакты.
6. Следование режиссуре: тот клип, который мы просили, а не другой хороший клип.

MiniMax H3 отдает нативный звук с каждым клипом; звук оценивается там, где он меняет восприятие кадра, и в таких случаях явно отмечается. Вердикты начинаются с плотных сеток кадров (контрольные листы на 2fps), а любой вердикт, зависящий от быстрого бита или физического взаимодействия, пересэмплируется на частоте от 6 до 10fps и пересматривается на скорости.

Три оговорки, потому что они меняют чтение таблицы:

• У Veo 3.1 нет опции 10 секунд. Доступные длительности: 4, 6 и 8 секунд. Его клипы здесь по 8s, то есть он работает с экранным временем на 20% меньше, чем у остальных.
• Kling 3.0 отдает плавающее разрешение. Мы запрашивали 720p, а получили 1284x716, 1304x704 и 1316x700 в разных прогонах, проверено через ffprobe. Каждая цифра разрешения в этой статье взята из выходного файла, а не из запроса.
• У контрольных листов на 2fps есть слепая зона сэмплирования на быстрых действиях. Там, где вердикт зависел от быстрого бита, мы пересэмплировали на 10fps до выставления оценки. Одна оценка из-за этого изменилась, это задокументировано в дисциплине 1.

Сколько стоил каждый прогон

Суммы взяты из фактических списаний за прогон по нашим продакшен-маршрутам, зафиксированных 2026-08-20. Маршрут H3 тот же, что мы ранее измерили на уровне $0.76 за 10-секундный прогон в 768p; списание за прогон было идентичным во всех 14 прогонах этого теста.

Две операционные заметки, важные для продюсера аниматора: цена за прогон оказалась полностью нечувствительной к сложности prompt (14 идентичных списаний на модель при очень разных сценах), так что бюджет считается линейно. И время ожидания здесь не коррелирует с качеством: Veo самый быстрый и самый дешевый за секунду в премиальном ярусе, Kling самый быстрый вообще.

Дисциплина 1: механика тела. Выхват iaijutsu одной дугой

Тест: фехтовальщица выхватывает меч, режет одной горизонтальной дугой, фиксирует позицию и возвращает клинок в ножны. Неподвижная камера сбоку. Перенос веса должен читаться сначала от бедер, затем от плеч, затем по клинку, а меч обязан оставаться жестким.

Эта дисциплина дала единственную оценку, которую мы исправили при проверке. На листе 2fps рез Seedance выглядел телепортом между «рука на рукояти» и «клинок выпрямлен», поэтому мы пересэмплировали первые 2.5 секунды на 10fps:

Оставшийся вычет у Seedance честный: в районе отметки 5.5s клинок на один кадр изгибается во время возврата.

Провал H3 показывает линзу физической достоверности в деле. На 6fps возврат в ножны читается однозначно: клинок проходит через ориентацию, в которой он не может войти в ножны, и все равно оказывается вложенным. Каждый отдельный кадр выглядит нормально; последовательность невозможна. Можно ли обойти это через prompt? Частично: прописывание механики («веди обух клинка вдоль устья ножен, кончиком вперед») повышает шансы, но логика обращения с предметами относится к способностям модели, а не к формулировкам, и у промптовых заплаток на физику есть потолок. Провал Kling другой и не менее поучительный: модель не провалила анимацию, она провалила боевой словарь, превратив горизонтальный рез с выхватом в типовой удар сверху. Если раскадровка держится на точной грамматике движения, в этом тесте ее от начала до конца удержал только Seedance.

Дисциплина 2: красота кадра. Золотой час на крыше, волосы в контровом свете

Тест: ветер, контровый свет, вспыхивающий сквозь пряди, лепестки, медленный поворот к камере. Такой кадр есть в каждом опенинге аниме, и он живет или умирает физикой волос и дисциплиной света.

Именно в этой дисциплине звук перестает быть сноской. Без звука Seedance выигрывает по очкам. Со звуком версия H3 приземляется как законченный кадр: подложка ветра и нарастание музыки под поворот делают для настроения больше, чем любое отдельное визуальное решение в кадре. Красота в движущемся изображении аудиовизуальна, поэтому дисциплину забирает H3. Базовый паттерн сохраняется: H3 меняет непрерывность на эффект, Seedance держит контракт, Veo его переписывает.

Дисциплина 3: устойчивость стиля. Десять секунд плоского cel shading без дрейфа

Тест: намеренно плоская картинка с толстым контуром и двухтоновой заливкой должна пережить десять секунд ходьбы в мерцающем свете факелов. Дрейф стиля в фотореализм или мягкую живописную растушевку остается жалобой номер один практикующих художников на ИИ-видео, поэтому мы сделали из него отдельную дисциплину.

Вывод, который нас удивил: все четыре модели держали сильный стиль, когда его нес референс. Veo уплыл в фотореализм на сцене с крышей, но здесь остался плоским, потому что этот референс агрессивно стилизован. Если стабильность стиля важна, вкладывайтесь в референсное изображение; оно якорит сильнее любого текста prompt.

Дисциплина 4: мимика. Вымученная улыбка ломается в слезы

Тест: статичный крупный план, одна непрерывная дуга микромимики: удерживаемая улыбка, дрожащая губа, наполняющиеся слезами глаза, одна сорвавшаяся слеза, сжатые губы, отвернувшееся лицо. Без склеек, без морфинга. Это самое сложное в анимации и самый быстрый путь в зловещую долину.

Ноль моментов зловещей долины у всех четырех, причем в дисциплине, созданной их провоцировать. Стилизованные лица попросту безопаснее для синтетической эмоции, чем фотореалистичные, и для аниме-пайплайнов это снимает самый пугающий режим отказа ИИ-видео.

Дисциплина 5: повествование. Законченный бит истории за десять секунд

Тест: дождливая ночь, продавец круглосуточного магазина замечает девочку в желтом дождевике, укрывающую котенка, колеблется, выходит под дождь, держит зонт над ней, взгляды встречаются. Четыре бита, два персонажа, один из которых придуман моделью только по prompt.

Повествование переворачивает таблицу лидеров, и здесь же линза физической достоверности режет дважды. H3 выигрывает дисциплину, потому что его процессная анимация выдерживает физическую проверку: зонт раскрывается кадр за кадром и движется туда, куда движется зонт. Seedance и Veo оба доводят историю до конца и оба проваливают по дороге физическую проверку: Seedance телепортирует мальчика под низко раскрытый зонт, Veo скользит его по мокрому асфальту вместо ходьбы. Если бы мы монтировали трейлер, клип H3 ушел бы в него без правок.

Какую модель аниме-автору выбирать на самом деле

Берите Seedance 2.5, когда кадр срежиссирован. Замороженные раскадровки, актерская игра персонажей, критичные к стилю последовательности. Модель следует режиссуре как старший аниматор и стоит соответственно: $2.169 за 10-секундный дубль, примерно три Kling за клип.

Берите MiniMax H3, когда кадр должен ощущаться анимированным и звучать живым. Процессная анимация, многобитовые сцены и нативный синхронный звук, которого больше нет ни у кого в группе: со звуком он выиграл нашу дисциплину красоты вчистую (его тарификацию звука и референсов мы измерили отдельно). Перепроверяйте любой клип с точным обращением с предметами и закладывайте самую медленную очередь: 465 секунд среднего ожидания.

Берите Kling 3.0, когда объем важнее пика. При $0.672 итерации перестают быть трудным решением: четыре дубля по цене одного Seedance, и оставляете лучший. Только не давайте ему хореографию, завязанную на точный словарь движения, и читайте фактическое разрешение из файла, а не из запроса.

Берите Veo 3.1, когда нужно сильное мнение за восемь секунд. Дайте ему пространство для интерпретации, и он вернет самый законченный короткий бит теста. Не давайте ему замороженную раскадровку; он ее пересогласует.

И одно правило пайплайна, общее для всех четырех: референсное изображение и есть контракт стиля. Каждая модель удержала сильно стилизованный референс десять секунд; единственная сцена с более мягким референсом оказалась той, где появился дрейф.

Для зрителя, воспитанного на русской школе анимации с ее культом одушевления, веса и точной фазовки, главным экзаменом здесь становятся дисциплины 1 и 5: перенос веса у Seedance и раскрывающийся кадр за кадром зонт у H3 ближе всего к этой планке. Скольжение вместо шага такая школа считает браком, каким бы красивым ни был кадр.

Что дальше

Тот же стенд из пяти дисциплин, перезапущенный с художественными стилями под конкретные рынки: cel-экшен и свет в духе Синкая для Японии, кадрирование webtoon для Кореи, уся в технике размытой туши и сянься в технике гунби для читателей на традиционном китайском. Эти 18 прогонов уже сгенерированы и оценены; локализованные редакции выходят вместе с этой. Если захотите воспроизвести любой клип из статьи: референсы, prompt и параметры ровно такие, как описано, а весь процесс от начала до конца работает в Reference to Video.

Оговорки

• Один прогон на модель на сцену. Это измеряет срежиссированные единичные дубли, а не статистические распределения качества. Цены и поведение могут меняться; каждая цифра несет дату своего измерения.
• Пять референсных изображений сгенерированы одной моделью изображений и общие для всех четырех видеомоделей, поэтому смещение модели изображений действует на каждую строку одинаково.
• Veo 3.1 работал с дублями по 8 секунд против 10 у остальных; это структурное ограничение раскрыто выше, а не нормализовано.
• Оценки выставлял один рецензент по рубрике из шести линз на плотных сетках кадров, с пересэмплированием от 6 до 10fps там, где вердикты зависели от быстрых битов или физических взаимодействий. Сетки и все 20 клипов опубликованы, можете переоценить их сами.
• Примечание о правке (2026-08-20): после публикации повторный просмотр на полной скорости и со звуком изменил три оценки. Клип iaijutsu у H3 сместился с 3.5 на 3 (возврат в ножны физически невозможен при просмотре на 6fps), клип на крыше у H3 вырос с 4 до 5 (нативный звук существенно меняет кадр), сюжетные клипы Seedance и Veo сместились с 4 и 4.5 на 3.5 и 4 (телепорт зонта; скользящая походка). Первый проход только по сеткам кадров недооценивал физику и вовсе не мог взвесить звук; выше приведена уже исправленная рубрика. Мы оставляем это примечание здесь, вместо того чтобы молча править цифры.