API de vídeo do OpenRouter: quais modelos de vídeo existem e quanto custam

Pagar por vídeo com IA costumava significar cinco painéis, cinco páginas de cobrança e cinco SDKs. O OpenRouter agora direciona a geração de vídeo por um único endpoint assíncrono, então um único token de autenticação alcança Google, ByteDance, Alibaba, Kling, MiniMax, Runway, xAI e outros. O problema é que cada modelo cobra seus segundos de forma diferente, e um clipe que custa três centavos por segundo em um modelo pode custar sessenta centavos em outro. Este artigo lista os modelos de vídeo que o OpenRouter oferece até o início de outubro de 2026, quanto cada um cobra, como funciona a cobrança e como evitar que um projeto real drene seus créditos. Os preços mudam com frequência, então trate cada valor como uma fotografia do momento e confira a listagem de modelos ao vivo antes de comprometer um orçamento.

Como funciona a API

O OpenRouter trata vídeo de forma diferente das chamadas de texto ou imagem. Uma renderização pode levar vários minutos, então a API nunca mantém uma conexão aberta. Você envia um job, recebe um ID, consulta o status e baixa o arquivo quando ele estiver pronto. Esse padrão é idêntico para todos os modelos, e é isso que torna a proposta tão atraente: troque uma string model e o resto do seu código continua funcionando.

Enviar, consultar e baixar

Quatro endpoints fazem todo o trabalho:

• POST /api/v1/videos envia um job com um model e um prompt.
• GET /api/v1/videos/{jobId} retorna o status atual.
• GET /api/v1/videos/{jobId}/content baixa o arquivo finalizado.
• GET /api/v1/videos/models lista todos os modelos de vídeo com suas resoluções, durações e preços.

A resposta do envio inclui um id, um polling_url e um status de pending. Em seguida, o status passa para in_progress e termina como estado de sucesso ou como failed. Quando um job tem sucesso, a resposta acrescenta unsigned_urls para o download, além de um objeto usage com o cost final em USD e uma flag is_byok. Se consultar repetidamente parecer desperdício, passe um callback_url e o OpenRouter envia um webhook assinado com HMAC-SHA256.

curl -X POST "https://openrouter.ai/api/v1/videos" \
  -H "Authorization: Bearer $OPENROUTER_TOKEN" \
  -d '{"model": "google/veo-3.1", "prompt": "A golden retriever playing fetch on a sunny beach"}'

Copiar prompt

💡 Vale saber: o OpenRouter informa que a geração de vídeo não é elegível para Zero Data Retention, porque o design assíncrono armazena cada saída até você fazer o download. Se a sua política proíbe retenção, planeje isso antes de integrar.

Parâmetros que mudam o preço

Além de model e prompt, você pode definir duration, resolution, aspect_ratio e size. Adicione frame_images para animar uma imagem fixa, ou input_references para geração com base em referências. Você também pode ativar ou desativar o áudio, fixar um seed e passar opções específicas de cada provedor. As resoluções vão de 480p até 4K e as proporções de 21:9 a 9:21, mas cada modelo aceita apenas um subconjunto. Cada uma dessas escolhas afeta o preço, e é por isso que a cobrança merece uma seção própria.

Como funciona a cobrança

Tarifas por segundo

A maioria dos modelos cobra por segundo de saída. O endpoint de modelos expõe isso por meio de pricing_skus, com entradas como uma tarifa base de per-video-second e uma tarifa separada para 1080p. Resolução maior eleva a tarifa, uma faixa de áudio a eleva de novo, e a duração multiplica tudo. O Veo 3.1 mostra a variação dentro de um único modelo: cerca de US$ 0,20 por segundo para 1080p sem áudio, até US$ 0,60 por segundo para 4K com áudio. Isso é uma diferença de três vezes antes mesmo de você escolher outro modelo.

Preços por token e jobs com falha

Os modelos Seedance da ByteDance aparecem no endpoint de modelos com preços baseados em token, e não em segundos. A página de coleção do OpenRouter converte esses preços em uma tarifa inicial por segundo, e essa tarifa convertida é o número usado em todo este artigo.

As falhas são menos claras. O OpenRouter lista uma falha upstream 502 como não cobrada, mas a documentação não detalha a regra para outros jobs com falha, então mantenha uma margem para novas tentativas no seu orçamento. Há três outros erros que vale tratar no código:

• 402 significa créditos insuficientes.
• 403 significa que você atingiu um limite de gastos.
• 429 significa que você atingiu o limite de taxa.

Todos os modelos de vídeo e seus preços

Aqui estão quinze das listagens mais usadas, ordenadas da mais barata para a mais cara no início da faixa:

💡 O início de uma faixa costuma ser a resolução mais barata sem áudio. O fim costuma ser a resolução máxima com áudio. As linhas do Seedance mostram a tarifa inicial convertida, não um preço fixo.

Se você já sabe o que precisa fazer, estas escolhas rápidas economizam tempo:

• Rascunhos baratos: Veo 3.1 Lite ou Seedance 2.0 Mini em 480p ou 720p.
• Clipe único mais longo: Wan 3.0 ou Seedance 2.5, ambos com até 30 segundos.
• Maior resolução: Veo 3.1 ou Seedance 2.0, ambos com até 4K.
• Taxa fixa previsível: Gen-4.5 a US$ 0,12 por segundo.

Algumas outras listagens também merecem atenção. O Wan 3 Prime custa US$ 0,068 a US$ 0,28 por segundo em até 1080p. O Kling v3 Video na faixa Pro custa US$ 0,112 a US$ 0,168. O Hailuo 2.3 cobra US$ 0,0817 por clipes de 1080p de 6 ou 10 segundos. O Wan 2.7 fica em US$ 0,10 e o Wan 2.6 em US$ 0,04 a US$ 0,15. O Runway Aleph 2.0, feito para editar filmagens já gravadas, começa em US$ 0,28.

Trate os números acima como um mapa, não como um contrato. Algumas listagens diferem em um ou dois centavos entre a página de coleção e o endpoint de modelos, então consulte /api/v1/videos/models diretamente antes de fechar um orçamento.

Modelos econômicos abaixo de dez centavos

Primeiro o Veo 3.1 Lite

O Veo 3.1 Lite é o irmão de custo reduzido do modelo principal do Google. Ele renderiza clipes de 720p e 1080p de 4, 6 ou 8 segundos, aceita um prompt de texto ou uma imagem inicial, adiciona áudio nativo e aceita um seed. A US$ 0,03 a US$ 0,08 por segundo, um clipe completo de 8 segundos fica entre US$ 0,24 e US$ 0,64. O Veo 3.1 Fast fica um degrau acima, a US$ 0,08 a US$ 0,30, e acrescenta a opção de 4K, o que o torna o passo intermediário sensato quando o Lite parece fraco, mas o modelo completo é exagero.

Orçamentos do Seedance e do Wan

A opção mais barata da ByteDance é o Seedance 2.0 Mini, a cerca de US$ 0,034 por segundo para clipes de 480p e 720p de 4 a 15 segundos. Um clipe de 15 segundos custa cerca de US$ 0,50. O Seedance 2.0 Fast privilegia velocidade e custo menor em vez de qualidade máxima, a cerca de US$ 0,040 por segundo.

Para duração, veja o Wan 3.0. Ele aceita de 2 a 30 segundos, de 480p a 1080p, com áudio. A cerca de US$ 0,05 por segundo, um clipe de 30 segundos custa US$ 1,50, o que o torna o clipe único mais longo nesta faixa de preço. O HeyGen Video começa em US$ 0,01 por segundo e é a listagem mais barata de todas, embora você deva verificar a qual resolução essa tarifa se aplica antes de planejar em cima dela.

Modelos premium que valem o investimento

Veo 3.1 no preço cheio

O Veo 3.1 oferece 720p, 1080p e 4K, clipes de 4, 6 ou 8 segundos, áudio, condicionamento pelo primeiro e pelo último quadro, e um seed. Em 1080p com áudio a tarifa é de cerca de US$ 0,40 por segundo, então um clipe de 8 segundos custa US$ 3,20. Em 4K com áudio, sobe para US$ 0,60. Reserve isso para as cenas principais, não para rascunhos.

Seedance 2.5 para cenas longas

O OpenRouter posiciona o Seedance 2.5 para narrativas longas, geração com base em referências, edição de vídeo e extensão de vídeo. Ele aceita de 4 a 30 segundos em 480p e 720p. A cerca de US$ 0,103 por segundo, uma cena completa de 30 segundos custa US$ 3,08. Se você precisa de controle do primeiro e do último quadro e de personagens consistentes em resoluções mais altas, o Seedance 2.0 chega a 4K a partir de cerca de US$ 0,067 por segundo.

Kling, Runway e HappyHorse

A faixa intermediária premium está cheia de opções. O Kling v3.0 Standard renderiza clipes de 720p de 3 a 15 segundos com áudio a US$ 0,084 a US$ 0,126 por segundo. O Gen-4.5 da Runway cobra um valor fixo de US$ 0,12 para clipes de 720p de 2 a 10 segundos, sem áudio. O HappyHorse 1.1 oferece 720p e 1080p a US$ 0,099 a US$ 0,128. O Grok Imagine Video 1.5 aceita clipes de apenas 1 segundo, o menor mínimo da tabela, o que combina com testes de movimento baratos.

Quanto custa um projeto real

Dez clipes em três orçamentos

Imagine dez clipes de 8 segundos cada, o que dá 80 segundos de material finalizado. Usando as tarifas mais baixa e mais alta listadas, a conta fica assim:

Repare na diferença: os mesmos 80 segundos custam cerca de US$ 2,40 ou cerca de US$ 48, uma diferença de vinte vezes, dependendo apenas do modelo e das configurações escolhidos. Até o Seedance 2.0 Mini, na tarifa inicial, fica perto de US$ 2,69 pelo mesmo material.

Custos ocultos e refações

O preço de tabela pressupõe que cada clipe será aproveitado, e nenhum deles jamais é aproveitado. Se você aproveita um take em cada três, multiplique o orçamento por três: o projeto de US$ 2,40 com o Veo 3.1 Lite passa a custar US$ 7,20. A forma mais barata de aumentar sua taxa de aproveitamento é um prompt melhor antes de enviar, e não um modelo mais caro depois.

Um modelo de linguagem faz bem esse trabalho. Peça ao Claude Sonnet 5, ao Gemini 3.5 Flash ou ao GPT 5.6 Luna que transforme sua ideia em uma descrição de plano cronológica, com sujeito, movimento, movimento de câmera e uma indicação sonora. Os modelos de vídeo respondem a essa estrutura muito melhor do que a um pedido solto de uma linha. Também vale baixar cada saída assim que terminar e guardar sua própria cópia, em vez de presumir que a URL do job continuará disponível.

Rascunhe barato, finalize no premium

A melhor jogada de orçamento é um pipeline de duas etapas. Rode seis rascunhos de 8 segundos no Seedance 2.0 Mini: 48 segundos a cerca de US$ 0,034 dão aproximadamente US$ 1,61. Escolha o melhor enquadramento e renderize só esse plano no Veo 3.1 em 1080p com áudio por US$ 3,20. O plano completo custa cerca de US$ 4,81, contra US$ 19,20 de seis tentativas premium.

💡 Regra prática: nunca pague tarifa premium para descobrir se um prompt funciona.

Use o Veo 3.1 Lite no PicassoIA

Se você quer testar o visual do Veo 3.1 Lite antes de configurar qualquer API, o Veo 3.1 Lite no PicassoIA roda no navegador, sem código. A página lista clipes de 4, 6 e 8 segundos, 720p e 1080p, e áudio nativo.

Escreva o prompt

Abra a página do modelo e descreva a cena na ordem em que ela acontece: quem ou o que está na tela, como se move, para onde a câmera vai e como soa. Como o modelo gera áudio, nomeie o som: chuva no vidro, um apito distante de trem, jazz suave. O prompt é o único campo obrigatório.

Escolha duração e resolução

💡 A página do modelo informa que a duração precisa ser de 8 segundos quando você escolhe 1080p, e que o 4K não é compatível com a versão Lite.

Anime uma imagem inicial

Envie uma imagem e o modelo a usa como primeiro quadro. Adicione uma segunda imagem como último quadro e o Veo 3.1 Lite cria uma transição suave entre elas. Defina um seed quando gostar de um resultado e quiser variações próximas dele.

Prefere código? O PicassoIA também oferece uma API de predições no estilo Replicate em https://api.picassoia.com/v1. Os jobs são assíncronos, então você cria uma predição, consulta e busca o resultado, de forma muito parecida com o fluxo do OpenRouter acima. Os modelos de vídeo expostos ali são picassoia/picassoia-video e picassoia/seedance-2.5-lite, e uma conta pode rodar até 5 predições ao mesmo tempo. Confira a página de preços para ver o plano que inclui acesso à API antes de construir sobre ela.

Seu próximo clipe começa aqui

Ler tabelas de preços só leva você até certo ponto. A forma mais rápida de saber qual modelo serve ao seu projeto é renderizar o mesmo prompt em dois deles e comparar os quadros. Abra o Seedance 2.5 Lite, que o PicassoIA lista como ilimitado para membros Wonder em 480p e 720p, e rode um rascunho de 5 ou 10 segundos. Depois, teste o Veo 3.1 Lite ou o PicassoIA Video com a mesma ideia e veja qual movimento você prefere.

Quando tiver um clipe de que gosta, a plataforma também oferece efeitos de vídeo, aumento de resolução, sincronização labial e texto para fala, para você refinar o resultado sem sair dela. Navegue por todos os modelos de vídeo, imagem e linguagem em picassoia.com/en/all-models, escolha um e faça seu primeiro clipe hoje.