Cinco cosas que nos sorprendieron de Sora 2 Pro

Existe una brecha entre lo que anuncian las empresas de IA y lo que sus modelos realmente ofrecen. Pasa con cada lanzamiento importante. Lees los materiales de prensa, ves los videos de demostración cuidadosamente seleccionados y te formas un conjunto de expectativas que la realidad acaba desmontando en silencio. Eso es lo que hizo que trabajar con Sora 2 Pro fuera realmente interesante: nos sorprendió, pero no de las formas que esperábamos. Varias capacidades superaron con creces nuestras expectativas. Otras plantearon preguntas completamente nuevas. Estas son las cinco cosas que más nos sorprendieron de Sora 2 Pro, documentadas con honestidad tras largas pruebas prácticas.

Qué es Sora 2 Pro realmente

Antes de entrar en las sorpresas, una breve orientación. Sora 2 Pro es el modelo insignia de texto a video de OpenAI, y representa el nivel más alto de la familia Sora 2. Se basa en Sora 2, que trajo el audio sincronizado a la gama. El nivel Pro aumenta los límites de resolución, amplía la duración máxima de los clips y aplica considerablemente más cómputo por generación para mejorar la coherencia y la calidad del movimiento a lo largo de todo el clip.

Dónde estaba el listón antes de esto

Antes de empezar las pruebas, habíamos comparado a fondo con Veo 3.1 de Google, Kling v2.6 de Kwai y Seedance 2.5 de ByteDance. Cada uno nos había impresionado de verdad en distintos ámbitos. Kling v2.6 fijó un listón alto en suavidad de movimiento. Veo 3.1 era el claro favorito en calidad de audio integrado. Seedance 2.5 destacaba por la pura velocidad de generación. Nuestras expectativas para Sora 2 Pro se calibraron en consecuencia: buen rendimiento general, con el resto de modelos muy cerca.

Nos equivocamos en cinco aspectos concretos.

1. Una coherencia temporal que aguanta

La mayoría de los modelos de video con IA comparten una versión del mismo problema: los elementos se desplazan. La camiseta de un personaje cambia de color sutilmente entre fotogramas. Un objeto desaparece y vuelve a aparecer. Un tatuaje se traslada por el brazo de alguien a lo largo de un clip de diez segundos. Es la queja más persistente de los usuarios profesionales de herramientas de video con IA, y es la que hace que los clips generados parezcan inconfundiblemente artificiales, incluso cuando cada fotograma individual parece fotorrealista.

Los objetos siguen siendo los mismos

Sora 2 Pro gestiona la deriva temporal considerablemente mejor que cualquier otro modelo que hayamos probado con esta duración de generación. En una secuencia de una mujer que camina por una calle parisina bajo la lluvia, el color de su abrigo, el cinturón, la correa del bolso y el cabello se mantuvieron visualmente estables a lo largo de todo el clip. Repetimos el mismo prompt varias veces para comprobar si la coherencia era fruto de una semilla afortunada, y los resultados se mantuvieron en cinco generaciones distintas. Después fuimos más allá: un hombre deja una taza de café sobre una mesa, sale del encuadre y vuelve. La taza estaba en la misma posición cuando regresó. Parece una expectativa básica. En la práctica, antes de esta generación de modelos no estaba garantizada.

💡 Qué está pasando aquí: El modelo parece mantener representaciones internas del estado más sólidas a lo largo de los fotogramas, tratando cada video no como una secuencia de salidas de imagen casi independientes, sino como un estado coherente del mundo que evoluciona con el tiempo. La diferencia práctica en la calidad del resultado es significativa.

Por qué esto cambia los flujos de producción

Cuando la coherencia temporal no es fiable, compensas de maneras que limitan tus opciones creativas. Mantienes los clips cortos para reducir los fotogramas en los que la deriva puede acumularse. Evitas los primeros planos que dejan al descubierto las incoherencias a nivel de personaje. Cortas con más frecuencia para ocultar errores de continuidad. Eliges prompts más simples que se mantengan estables, en lugar de prompts que de verdad sirvan al contenido que quieres crear.

Con Sora 2 Pro, esa compensación resulta menos necesaria. Las tomas más largas funcionan. Los primeros planos son viables. Los prompts con varios elementos especificados se mantienen coherentes durante toda la duración del clip. No es una mejora menor de comodidad. Cambia el tipo de contenido que puedes producir en una sola generación sin pasar horas corrigiendo a mano.

La salvedad: la coherencia sigue fallando en escenas complejas con varios personajes y variaciones importantes de fondo, sobre todo cuando varios personajes interactúan de cerca entre sí. Es mejor, pero no perfecto.

2. Una física que no hace trampas

La simulación física en el video con IA ha sido históricamente la señal más clara de que algo se generó artificialmente. El agua se comporta como gel. La tela atraviesa las superficies o flota de forma antinatural. El fuego se encoge y crece en intervalos aleatorios. Estos no son detalles sutiles. Cualquier espectador que haya observado durante un tiempo cómo se comportan los materiales físicos en el mundo real los detecta de inmediato.

Dinámica de fluidos y cuerpos blandos

Hicimos una batería de prompts específicos de física con Sora 2 Pro: líquido vertido en un vaso, tela que cae sobre un mueble y llega de forma natural al suelo, papel arrugado que se despliega lentamente. Los resultados no fueron perfectos, pero sí creíbles de una forma que los modelos anteriores rara vez lograban.

• Agua: La tensión superficial se comportó correctamente en los bordes del vaso. La dinámica del vertido creó turbulencias y propagación de ondas plausibles, en lugar de una superficie uniforme y sin fricción. Las gotas tenían peso.
• Tela: Los pliegues de la tela respetaron la gravedad y la forma del objeto que había debajo. La caída se produjo a una velocidad realista, con una propagación secundaria de pliegues que respondía correctamente a la superficie subyacente.
• Colisión: Los objetos que deben empujar a otros, de hecho, lo hicieron. Un libro que se desliza de una estantería desplazó los objetos de al lado, en lugar de atravesarlos o ignorarlos por completo.
• Fuego y humo: El movimiento de la llama respondió a la dirección del flujo de aire implícito. El humo subió, se difuminó e interactuó con los obstáculos, en lugar de ascender de forma uniforme sin importar el contexto de la escena.

Qué hay probablemente detrás

Una precisión física de este nivel en un modelo generativo suele indicar una de dos cosas: una enorme diversidad de datos de entrenamiento dirigida específicamente al comportamiento físico del mundo real, o cambios de arquitectura que mejoran el razonamiento causal entre fotogramas. Las pruebas sugieren que es ambas cosas. El artículo técnico original de Sora describía un entrenamiento con video en muchas escalas de tiempo y resoluciones distintas, lo que construye un conocimiento físico implícito mediante la observación. La versión Pro aplica esa base con un rendimiento más constante en secuencias más largas.

Nota de comparación: Kling v2.6 y Veo 3.1 manejan bien algunos escenarios físicos, pero ninguno igualó a Sora 2 Pro en las pruebas de tela y líquidos en concreto.

3. Un control de cámara en el que de verdad confías

Los modelos de video con IA llevan tiempo presumiendo de control de cámara. La documentación dice que describas el movimiento de cámara en tu prompt. En la práctica, esto ha significado normalmente que, al incluir las palabras "slow dolly in", la cámara se mueve algo en alguna dirección durante parte del clip. La precisión cinematográfica real, en la que especificas un movimiento y obtienes ese movimiento ejecutado fielmente, ha sido tan rara que no resulta fiable para el trabajo de producción.

Movimientos cinematográficos a demanda

Sora 2 Pro respondió a las instrucciones de cámara con una precisión que de verdad nos tomó por sorpresa. Probamos una serie de movimientos:

El resultado con cámara en mano fue el más impresionante del conjunto. Generar un temblor de cámara auténtico, en lugar de una oscilación programada, exige que el modelo entienda qué causa el movimiento a mano y no solo que imite su patrón visual. El movimiento orgánico de cámara tiene microvariaciones sutiles tanto en velocidad como en dirección, que la simulación mecánica casi siempre hace mal. Sora 2 Pro lo logró.

El impacto práctico

Para cualquiera que produzca contenido que necesite un lenguaje visual específico, esto importa muchísimo. Un plano de una persona que habla y que se acerca lentamente cuando el sujeto llega a un momento importante de su mensaje. Un plano de establecimiento que desciende desde arriba hasta la altura de la calle en cinco segundos. Un plano de seguimiento al estilo documental que mantiene al sujeto centrado mientras el entorno se mueve a su alrededor. Son recursos habituales en la producción profesional de video. Poder pedirlos con fiabilidad desde un prompt de texto cambia lo que un creador en solitario puede sacar adelante.

💡 Consejo: Sé específico en las descripciones de cámara. "Slow dolly in" funciona, pero "slow 5-second dolly in from wide to medium shot, subject centered throughout" da un seguimiento notablemente mejor. La duración, el encuadre y la posición del sujeto importan.

4. Una sincronización de audio que no está pegada

El audio integrado en el video con IA sigue siendo una capacidad relativamente joven. La mayoría de las implementaciones parecen dos sistemas separados que funcionan en paralelo y de forma poco coordinada: uno genera el video, otro genera el audio, y encima se añade después un intento de coordinación. Las costuras se notan en la sincronía de los sonidos puntuales, donde los momentos de audio y de imagen llegan con ligeros desfases.

Cómo el sonido acompaña a la acción

Sora 2 Pro genera audio que sigue los eventos visuales con una precisión que supera lo que esperábamos. En nuestras pruebas:

• El descorche de una botella de champán produjo un pop sincronizado con la salida del corcho de la botella, no medio segundo después, cuando ya estaba en el aire
• Los pasos sobre distintas superficies (baldosa, alfombra, grava) produjeron sonidos distintos, y esos sonidos cambiaron correctamente cuando el personaje pasó de un material a otro dentro de una misma toma
• El ambiente de lluvia varió en intensidad cuando la cámara pasó de un plano interior desde una ventana a un plano general exterior
• El ruido de la multitud en una escena concurrida se ajustó de forma adecuada al número de personas visibles en el encuadre en cada momento
• Un vaso que se posaba sobre una mesa produjo el sonido de contacto en el instante exacto del choque, ni antes ni después

Cómo se sitúa frente a Veo 3.1

Veo 3.1 tiene una calidad general de generación de audio más alta en escenarios atmosféricos y musicales. Produce paisajes sonoros ambientales más ricos y con más profundidad de textura. Lo que Sora 2 Pro hace notablemente mejor es la sincronización precisa de eventos, sobre todo en sonidos físicos puntuales ligados a momentos visuales concretos. Si tu clip tiene eventos sonoros claros que deben caer en fotogramas específicos, Sora 2 Pro es hoy la opción más fiable.

El habla sigue siendo el punto más débil de todos los modelos. Generar un diálogo de calidad que se mantenga sincronizado con los movimientos de labios en pantalla sigue siendo una limitación activa en todo el sector. El modelo funciona mejor cuando los personajes no hablan directamente en pantalla, o cuando la voz es una narración fuera de campo. Esto se cumple en todas las opciones actuales, incluidas Seedance 2.5 y Ray 3.2. Es la próxima gran frontera del video con IA como categoría.

5. Un seguimiento de prompts que de verdad se mantiene

Esta fue la sorpresa mayor. El seguimiento de prompts en el video con IA ha sido variable porque la generación de video tiene muchos más grados de libertad que la generación de imágenes. Más fotogramas. Elementos en movimiento. Causalidad temporal. Cada dimensión adicional crea una nueva forma de que el modelo malinterprete o descarte en silencio parte de tu especificación a lo largo de la generación.

Qué cambió respecto a versiones anteriores

Sora 2 Pro tomó prompts complejos con múltiples elementos y devolvió resultados que reflejaban un intento real de respetar cada condición especificada. Lo probamos con prompts deliberadamente densos que contenían varias restricciones simultáneas:

Ejemplo de prompt: "Una bicicleta roja está apoyada contra una pared amarilla en un callejón estrecho. Un gato pasa junto a la bicicleta de izquierda a derecha, se detiene a olisquear la rueda delantera y luego sigue caminando. La luz es de mediodía, y proyecta sombras cortas justo debajo de los objetos."

Resultado: La bicicleta era roja. La pared era amarilla. El gato se movió de izquierda a derecha, se detuvo en la rueda y reanudó el movimiento. Las sombras eran cortas y tenían la dirección correcta, coherentes con un sol cenital de mediodía.

Cada elemento especificado se respetó durante toda la duración del clip. Parece una expectativa mínima. En la práctica, históricamente no lo ha sido. Los modelos anteriores con este nivel de complejidad solían respetar tres o cuatro elementos mientras se desviaban en silencio con otros. El gato podía saltarse la pausa. Las sombras podían estar mal. El color de la pared podía cambiar sutilmente a lo largo del clip. La bicicleta podía desplazarse de posición entre fotogramas. La ejecución de múltiples condiciones de Sora 2 Pro es un factor diferenciador real para los casos de uso de producción.

La contrapartida que conviene conocer

Un seguimiento de prompts tan estricto es muy potente para escenarios de producción en los que necesitas resultados visuales concretos. Sin embargo, sí implica que los prompts vagos o abiertos producen resultados correctos pero conservadores, en lugar de interpretaciones creativas. Cuando das al modelo margen para completar sus propios detalles, tiende a mantenerse prudente en lugar de buscar algo interesante. Es la contrapartida adecuada si produces contenido con requisitos visuales específicos. Puede ser menos apropiado para una generación exploratoria en la que quieras que el modelo vaya más allá de tus instrucciones explícitas y añada su propia interpretación.

Cómo usar Sora 2 Pro en PicassoIA

Sora 2 Pro está disponible directamente en PicassoIA junto con más de 100 modelos de generación de video, así que puedes comparar los resultados de Sora 2 Pro, Veo 3.1, Kling v2.6 y otros sin cambiar de plataforma ni de cuenta.

Paso a paso

Paso 1: Abre Sora 2 Pro en PicassoIA y accede a la interfaz de generación directamente desde la página del modelo.

Paso 2: Escribe tu prompt con precisión. Incluye el sujeto, la secuencia de acciones, el entorno, la condición de iluminación y una descripción del movimiento de cámara. Cuanto más precisa sea la entrada, mejor funciona Sora 2 Pro, dado su sólido seguimiento de prompts.

Paso 3: Ajusta la resolución. Para un resultado de calidad final, usa el ajuste de resolución más alto disponible. Las ventajas de coherencia de Sora 2 Pro se notan más en resoluciones altas, donde la deriva temporal se hace más evidente en resultados de menor calidad.

Paso 4: Envía y espera. Sora 2 Pro tarda más en generarse que modelos más rápidos como LTX 2 Pro o Wan 2.7 T2V. La diferencia de calidad justifica el tiempo de cola para el resultado final. Para borradores y pasadas rápidas, un modelo más veloz suele ser más eficiente para iterar.

Paso 5: Revisa el resultado. Si la coherencia temporal o la precisión física se rompieron, genera de nuevo con una escena algo más simple o con un clip de menor duración. El límite de coherencia de Sora 2 Pro es alto, pero las escenas con muchos elementos en movimiento simultáneo pueden superarlo.

Paso 6: Itera el lenguaje de cámara. Si tu movimiento de cámara no salió con precisión, afina la descripción con detalles de duración y encuadre. Sora 2 Pro responde bien a las instrucciones de cámara que incluyen el tiempo ("a slow 4-second dolly") junto con la dirección.

💡 Estructura de prompt que funciona bien: [Subject + starting state] + [Action sequence with causal steps] + [Environment details: surface, light source, time of day] + [Camera movement with duration and framing]

Cómo se compara con el resto del mercado

Probar Sora 2 Pro de forma aislada solo cuenta una parte de la historia. Así se compara con los modelos que evaluamos con más regularidad en PicassoIA:

Seedance 2.5 gana en rendimiento bruto si la velocidad es tu principal limitación. Veo 3.1 produce atmósferas de audio ambiental más sólidas para escenas musicales y de naturaleza. Kling v2.6 es la opción más eficiente en suavidad de movimiento en clips cortos. Ray 3.2 equilibra bien calidad y velocidad para necesidades de producción de gama media. P Video sigue siendo una opción sólida para iterar rápido en escenas sencillas.

Sora 2 Pro no es el modelo más rápido ni el más económico de la plataforma. Se gana su posición haciendo lo que más importa para una salida de calidad de producción en secuencias más largas: mantener las escenas coherentes, respetar tu prompt con precisión y dejar que la física se comporte como física y no como una aproximación plausible de ella.

Empieza a crear videos con IA ahora mismo

Las cinco cosas que nos sorprendieron de Sora 2 Pro apuntan en la misma dirección: la distancia entre el video generado con IA y el video producido profesionalmente se está cerrando más rápido de lo que la mayoría de los expertos del sector esperaba. La coherencia temporal, la precisión física, el control de cámara, la sincronización de audio y la precisión de los prompts se suponía que eran problemas de varios años que requerirían innovación arquitectónica continua. Sora 2 Pro no los resolvió todos por completo, pero desplazó la línea de forma notable en los cinco dentro de una sola versión del modelo.

Si todavía no has usado un modelo de video con IA de la generación actual en trabajo de producción real, el momento de empezar es ahora. Las herramientas han madurado y han dejado atrás la fase experimental, en la que los resultados necesitaban mucha corrección manual antes de ser utilizables. PicassoIA te da acceso a Sora 2 Pro junto con todo el panorama competitivo, incluidos Veo 3.1, Kling v2.6, Ray 3.2 y P Video, para que elijas el modelo adecuado para cada tipo de proyecto sin atarte a una sola plataforma ni registrarte en varios servicios.

Empieza con una escena que normalmente encargarías con un costo de producción real. Escribe un prompt preciso y concreto. Mira lo que devuelve Sora 2 Pro. El resultado también podría sorprenderte.

Explora todos los modelos de generación de video en picassoia.com/en/all-models.