Há uma cena acontecendo agora no porão luminoso da inteligência artificial: não é exatamente cinema, não é exatamente videoclipe, não é publicidade, não é televisão. É tudo isso passando junto num projetor febril, como se Glauber Rocha tivesse encontrado um servidor cheio de GPUs, Rogério Sganzerla tivesse ganhado uma arena de benchmarks e os Mutantes resolvessem ensaiar dentro de uma timeline de edição.

A página “Best AI for Video Generation in 2026”, publicada pela LLM Stats, chega como um daqueles cartazes de festival que reorganizam a conversa. O site ranqueia os principais modelos de geração de vídeo por IA a partir de votos humanos cegos: pessoas assistem aos vídeos sem saber qual modelo os criou e escolhem os melhores. Nesse baile mascarado dos algoritmos, a grife não entra no palco. O que vale é o plano, o movimento, a física, a permanência dos objetos, a capacidade de não transformar mão em polvo, cadeira em fumaça, rosto em carnaval involuntário.

No topo, segundo a LLM Stats, está o Kling v3, da Kuaishou. O dado chama atenção porque desloca o eixo simbólico da disputa. Durante muito tempo, a conversa pública sobre vídeo por IA foi dominada por nomes ocidentais: Sora, da OpenAI; Veo, do Google; Runway, a startup mais associada ao imaginário profissional de criação audiovisual; Luma, Pika e outros satélites dessa constelação. Mas o ranking aponta outra batida: a China não está apenas correndo atrás. Está puxando o refrão.

A vitória do Kling, no enquadramento da LLM Stats, parece menos um prêmio de beleza e mais um prêmio de corpo. O modelo é destacado por sua física de movimento, pela continuidade dos objetos e pelo custo competitivo. Em vídeo gerado por IA, isso é decisivo. A imagem parada já foi domesticada. O retrato bonito, o pôster fake, a capa de disco inexistente, tudo isso virou feira livre. O problema agora é o tempo. O problema é fazer o personagem atravessar a sala sem derreter. Fazer a câmera girar sem rasgar a anatomia. Fazer uma onda bater sem parecer gelatina sem memória. Fazer o cinema deixar de ser ilustração e começar a respirar.

É aí que a página da LLM Stats entra como termômetro de uma mudança maior. O ranking não mede apenas “qual ferramenta é melhor”. Ele mede uma virada cultural: a geração de vídeo por IA saiu da fase do truque e entrou na fase da linguagem. Antes, a pergunta era: “consegue gerar?”. Agora é: “consegue dirigir?”.

A arena como cineclube selvagem

O método usado pela LLM Stats segue a lógica das arenas de avaliação: prompts são enviados a diferentes modelos, os vídeos são exibidos sem identificação, e os usuários votam. É um cineclube selvagem, sem ficha técnica, sem tapete vermelho, sem assessoria de imprensa cochichando no ouvido. A obra aparece nua. A marca some. O modelo que sobrevive é aquele que convence no olho.

Esse tipo de avaliação tem seus limites. Voto humano não é verdade divina. Pode privilegiar brilho, realismo fácil, impacto imediato. Pode confundir “parece caro” com “é melhor”. Pode premiar estética de trailer, clipe de luxo, publicidade de perfume, enquanto ignora sutilezas narrativas. Mas, para uma tecnologia que pretende fabricar imagens em movimento para humanos, a preferência humana importa. Cinema também sempre viveu disso: sala escura, respiração coletiva, aplauso, vaia, silêncio.

O curioso é que rankings diferentes contam histórias diferentes. Em outros placares especializados, como os da Artificial Analysis, Seedance 2.0, HappyHorse, Kling e outros modelos aparecem alternando posições conforme o recorte: com áudio, sem áudio, texto-para-vídeo, imagem-para-vídeo, preço, velocidade, qualidade percebida. É como comparar escolas de samba: uma ganha bateria, outra ganha comissão de frente, outra leva enredo, outra perde no recuo. O campeão depende da avenida.

A LLM Stats, ao colocar Kling v3 na liderança geral, enfatiza uma combinação de realismo, movimento e custo. A Artificial Analysis, por sua vez, mostra como Seedance 2.0 e HappyHorse também ocupam o centro da disputa. O resultado não é uma tabela pacificada, mas uma cena em ebulição. O ranking é menos sentença e mais fotografia de um incêndio.

O fantasma de Sora e a saída pela esquerda

O nome ausente ou deslocado nessa nova conversa é Sora. Quando a OpenAI apresentou o Sora original, em 2024, a impressão foi de choque. A promessa era quase ontológica: não apenas gerar vídeo, mas simular mundo. Depois veio Sora 2, com som, diálogo, física mais robusta e ambição de aplicativo social. Era a IA tentando virar TikTok, estúdio, brinquedo e espelho ao mesmo tempo.

Mas a trajetória pública do produto Sora virou também uma parábola sobre custo, risco e controle. A OpenAI informa que o produto Sora deixou de estar disponível em abril de 2026. A imagem que fica é de um astro que entrou cedo demais no palco, provocou histeria, abriu caminho, mas deixou o show antes do bis. O modelo pode continuar como tecnologia, mas o produto social, aquele teatro de avatares, cameos e remixes, saiu de cena.

Isso tem peso simbólico. Porque Sora era mais do que ferramenta: era narrativa. Era a promessa de que a OpenAI repetiria no vídeo o que fez no texto com o ChatGPT. Mas vídeo é outra fera. Texto custa pouco, viaja leve. Vídeo pesa. Vídeo queima computação. Vídeo encosta em rosto, corpo, voz, celebridade, direito autoral, deepfake, cinema, televisão, sindicato, estúdio, medo. Cada segundo sintético traz junto uma mala de advogados.

A saída do produto Sora, portanto, não significa derrota técnica. Significa que o vídeo por IA é um território mais inflamável do que o chat. O algoritmo pode até aprender a filmar; o mundo ainda não aprendeu a conviver com o que ele filma.

Seedance, Hollywood e o pânico de quem viu o futuro no feed

Se Kling é o campeão do ranking da LLM Stats, Seedance 2.0 é o personagem que entrou chutando a porta da cultura pop. A ByteDance, dona do TikTok, apresentou um modelo capaz de trabalhar com texto, imagens, vídeo e áudio, criando clipes curtos com som sincronizado e controle multimodal. A repercussão especializada foi imediata porque Seedance toca num nervo que Hollywood conhece bem: a semelhança.

O caso que circulou como sinal de alerta foi um vídeo sintético com Tom Cruise e Brad Pitt em uma cena de luta. A reação de figuras da indústria não foi apenas curiosidade técnica. Foi pânico profissional. A frase “acabou para nós”, dita em tom de assombro por um roteirista de Hollywood, resume o impacto: se uma pessoa com duas linhas de prompt consegue fabricar algo que parece caro, reconhecível e viral, qual é o chão do cinema industrial?

Essa pergunta não deve ser respondida com histeria, mas também não pode ser tratada como frescura de artista. O cinema é trabalho coletivo. É eletricista, câmera, maquiadora, montador, roteirista, ator, compositor, figurinista, continuísta, técnico de som, produtora de elenco. Quando a IA promete condensar esse batalhão num prompt, ela não está apenas lançando uma ferramenta. Está redesenhando relações de trabalho e autoria.

Ao mesmo tempo, há o outro lado: o da invenção pobre, brasileira, gambiarreira, independente. Para quem nunca teve orçamento, diária, autorização, caminhão de luz, travelling, grua ou finalização de luxo, esses modelos soam como uma câmera Super-8 caindo do céu — só que com alucinações, custo variável e termos de uso escritos por corporações. A promessa é sedutora: fazer um clipe, um trailer, uma cena, uma vinheta, um curta-manifesto. O perigo é confundir ferramenta com emancipação. A câmera digital barateou o cinema, mas não aboliu o mercado. A IA pode baratear a imagem, mas não garante liberdade.

Veo e Runway: o cinema como controle

Enquanto Kling e Seedance avançam com força, Google e Runway disputam outro campo: o controle criativo. O Veo 3.1, nas atualizações recentes, aposta em consistência, vídeo vertical, integração com plataformas do Google, referências visuais e upscaling. É o modelo pensado para circular entre Gemini, YouTube Shorts, Flow, API, Vertex AI e Google Vids. Não é apenas uma câmera: é uma infraestrutura.

A Runway, por sua vez, continua tentando ocupar o lugar de suíte profissional. Seu Gen-4.5 é apresentado como avanço em fidelidade visual, aderência a prompts, física, controle e consistência temporal. A empresa fala com o mercado audiovisual como quem diz: “não somos brinquedo, somos set de filmagem”. A mídia especializada reconhece os avanços, mas também registra as limitações: objeto que perde permanência, causalidade que tropeça, efeito que vem antes da causa. A IA já sabe fazer um plano bonito; ainda se atrapalha para entender por que uma porta só abre depois que alguém gira a maçaneta.

Essa é a fronteira real. O futuro do vídeo por IA não será decidido apenas por resolução, textura de pele ou brilho de lente anamórfica. Será decidido por causalidade. Por continuidade. Por direção de atores sintéticos. Por montagem. Por som. Por saber quando a câmera deve parar.

A estética do videoclipe infinito

O ranking da LLM Stats também revela um deslocamento estético. Os modelos estão ficando bons em gerar imagens com cara de publicidade premium, trailer de ficção científica, fashion film, clipe de artista internacional, vinheta de festival. A IA ama néon, chuva, câmera lenta, cidade molhada, rosto dramático, criança olhando para o céu, astronauta melancólico, mulher de cabelo ao vento, robô com alma, ruína bonita. Ela aprendeu o inconsciente visual do streaming.

É por isso que o tom musical é inevitável. A geração de vídeo por IA se parece muito com a história do sampler. Quando o sampler entrou na música, houve pânico: roubo, cópia, fim dos músicos, fim da autoria. Depois veio hip-hop, eletrônica, funk, colagem, remix, novas gramáticas. Mas também vieram processos, cercamentos, bibliotecas licenciadas, indústria reorganizada. O vídeo por IA está nesse momento: entre o baile e o tribunal.

A diferença é que o sampler musical pegava pedaços identificáveis de gravações. Os modelos de vídeo absorvem padrões estatísticos de imensos acervos audiovisuais, muitos deles protegidos, muitos deles arrancados da internet sem negociação clara. A disputa autoral será mais opaca, mais difícil e talvez mais violenta. Não se trata apenas de “copiar um trecho”; trata-se de reproduzir estilos, corpos, gestos, mundos.

E o Brasil nessa história?

Para o audiovisual brasileiro, a pergunta é urgente. O Brasil sempre fez cinema contra a escassez. Cinema Novo, Boca do Lixo, vídeo popular, clipe independente, documentário de guerrilha, produtora de quebrada, canal de YouTube, TikTok de periferia, funk ostentação, sertanejo universitário, tecnobrega, manguebeat, rap, piseiro, trap, brega funk — todos são, de algum modo, tecnologias sociais de produção com pouco recurso e muita linguagem.

A IA de vídeo pode entrar nessa linhagem como ferramenta de invenção. Pode ajudar artista independente a criar teaser, videoclipe, visualizer, animação, cenário impossível, projeção de show, material de campanha, narrativa experimental. Pode permitir que um coletivo faça uma ficção científica sertaneja anarquista sem esperar edital, sem pedir bênção para emissora, sem vender a alma para agência.

Mas também pode reforçar dependências: plataformas estrangeiras, cobrança por créditos, censura algorítmica, bloqueios de conteúdo, modelos treinados com referências que não entendem Brasil profundo, corpos brasileiros tratados como exotismo, periferia convertida em estética genérica. A questão não é usar ou não usar. A questão é disputar a linguagem.

O cinema brasileiro sempre soube que técnica não é neutra. Uma câmera na mão pode ser revolução ou vigilância. Um drone pode ser poesia ou polícia. Um algoritmo pode ser instrumento popular ou máquina de pasteurização. Depende de quem opera, de quem paga, de quem controla, de quem lucra e de quem aparece na imagem.

O ranking como parada musical

No fim, a página da LLM Stats funciona como parada musical de uma cena que muda toda semana. Hoje Kling v3 lidera. Amanhã pode ser Seedance, Veo, Runway, HappyHorse, Wan, LTX, algum modelo aberto saído de laboratório chinês, israelense, americano ou de uma garagem com GPUs alugadas. O ranking importa, mas o mais importante é a tendência: o vídeo por IA deixou de ser curiosidade e virou linguagem competitiva.

A pergunta “qual é o melhor modelo?” talvez seja pequena demais. A pergunta maior é: que tipo de imagem esses modelos estão ensinando o mundo a desejar? Uma imagem rápida, lisa, cara, obediente, infinita? Ou uma imagem estranha, política, errada, brasileira, ruidosa, inventiva?

Kling pode estar no topo da tabela. Seedance pode assustar Hollywood. Veo pode virar infraestrutura do YouTube. Runway pode se vender como estúdio portátil. Sora pode ter deixado a cena como produto, mas permanece como fantasma fundador. No meio disso tudo, criadores olham para a tela como músicos diante do primeiro sintetizador barato: alguns vão fazer jingles, outros vão fazer ruído, outros vão inventar um gênero.

O cinema sintético ainda está em seu primeiro ato. A câmera acendeu. O algoritmo pediu silêncio. Mas, como no melhor cinema brasileiro, a plateia não vai obedecer quieta.