Midjourneys erstes Videomodell: was Bild-zu-Video zum Start konnte, die ehrlichen Grenzen und der Platz im Markt 2026, den Sora ganz verlassen hat.
📌 Update 2026: Dies ist eine archivierte Besprechung von Midjourneys Videomodell V1, gestartet in der V7-Ära (2025). Video ist längst kein separates Experiment mehr, sondern eine Kernfähigkeit: Unter V8.1+ laufen Clips 5 bis 21 Sekunden bei spürbar besserer Bewegungskohärenz. Für das heutige herstellerübergreifende Bild siehe den Vergleich der KI-Videowerkzeuge. Wir lassen diese Besprechung online, weil sie festhält, wo Midjourneys Videolinie begann — nützlicher Kontext, um zu beurteilen, wie schnell sie sich bewegt.
Videomodell V1 tat genau eine Sache — Midjourney-Standbilder animieren — und tat es mit der unverwechselbaren Ästhetik der Plattform. Kurze Clips, einfache Bewegung, häufige Artefakte bei komplexer Bewegung: ein vielversprechendes Spielzeug mit einer echten Superkraft — Ihr Midjourney-Look, in Bewegung.
Die Wette ging in der eigenen Spur auf. Midjourney folgte Veo und Runway nie ins kinematische Text-zu-Video, sondern baute den schnellsten Weg von einem Standbild, das man mag, zu einem lebendigen Bild — und für Social, Konzept und Stimmungsarbeit ist genau das oft die gesamte Aufgabe.
Das Modell, das der Allgemeinheit hinterherlief, ist verschwunden. Das Modell, das in seiner Spur blieb, liefert weiter aus. Das ist kein Zufall, und die Ökonomie weiter unten erklärt, warum.
Bild-zu-Video-Animation generierter oder hochgeladener Standbilder — die Ästhetik wurde übernommen, und das war der ganze Punkt. Man beschrieb keine Szene von Grund auf, sondern setzte ein bereits abgenommenes Bild in Bewegung.
Der Zugang saß im bestehenden Ablauf. Kein neues Werkzeug, keine neue Prompt-Sprache, kein separates Abo. Für bestehende Midjourney-Nutzende war Video ein Knopf, keine Migration.
| Damals (V1, V7-Ära) | Heute (V8.1+, Juli 2026) | |
|---|---|---|
| Cliplänge | Kurz, experimentell | 5–21 Sekunden |
| Bewegungsartefakte | Häufig | Deutlich verbessert |
| Produktposition | Wirkte wie ein separates Experiment | Integrierte Kernfähigkeit |
| Versprechen | Standbild-Ästhetik, bewegt | Dasselbe Versprechen, mehr davon eingelöst |
Was sich nicht änderte: die Positionierung. Midjourney-Video bleibt Animation vom Standbild aus, kein kinematischer Generator.
Jede spätere Einschränkung führt hierher zurück. Eine Komposition mit klarem Motiv, unaufgeräumtem Hintergrund und eindeutiger Tiefe animiert sauber. Ein volles Bild mit überlappenden Motiven erzeugt genau das Verzerren, das man dem Modell anlastet. Das Bild macht 80 % des Ergebnisses aus.
Der aus dem Bildprompting mitgebrachte Reflex — alles zu beschreiben — ist hier falsch. Das Standbild trägt die Szene bereits. Beschreiben Sie nur, was sich bewegt, und zwar zurückhaltend. „Langsame Fahrt hinein, driftender Nebel" schlägt einen Absatz kinematischer Sprache nahezu jedes Mal.
OpenAI hat Sora 2 im Frühjahr 2026 eingestellt, die API wird am 24. September 2026 abgeschaltet. Die berichteten Zahlen sind brutal und verdienen es, klar benannt zu werden:
Das ist kein Produkt, das ein Funktionsrennen verloren hat. Das ist ein Produkt, dessen Stückkostenrechnung nie aufging. Jeder Anbieter, der noch steht, steht, weil seine Kosten pro Sekunde funktionieren.
Die Reihenfolge wurde härter durchgemischt, als die meisten erwartet hatten:
| Modell | Ungefähre Kosten |
|---|---|
| Veo 3.1 Lite | 0,05 US-Dollar/Sekunde |
| Kling 3.0 | 0,07 US-Dollar/Sekunde |
| Kling 3.0 gegenüber Sora | 65 % günstiger |
| Kling 3.0 gegenüber Runway | 44 % günstiger |
Wenn die Erzeugungskosten so schnell fallen, ist „das beste Modell" bei hohem Volumen nicht mehr die entscheidende Frage. Die Kosten pro brauchbarer Sekunde übernehmen.
Midjourney-Video taucht in den Top 10 nicht auf, weil es dieses Spiel nicht spielt. Veo 3.1 besetzt natives 4K mit Ton, Runway den Produktionsablauf; Seedance und Kling besetzen das Preis-Leistungs-Verhältnis bei Volumen.
Midjourney besetzt etwas Engeres und besser Verteidigbares: „genau dieses Bild, lebendig, in 90 Sekunden."
Alle anderen konkurrieren über Detailtreue, Länge, Auflösung und Preis. Midjourney konkurriert über einen Look, den die Leute bereits gewählt haben. Ist Ihre visuelle Identität mit Midjourney gebaut, ändert kein Ranglistenplatz die Tatsache, dass nur Midjourney Ihre Bilder in Ihrem Stil animiert.
Die Einschränkung, die V1 prägte, prägt weiterhin die Gattung: langsam schlägt schnell. Fahrten hinein, sanfte Parallaxe, driftende Partikel, Stoff- und Haarbewegung, atmosphärisches Treiben — sie halten strukturell zusammen, weil das Modell pro Frame nur kleine Verschiebungen interpolieren muss.
Das mentale Modell überträgt sich unverändert: erst das Standbild, dann die Bewegung, Zurückhaltung vor Ehrgeiz. Prompts, die für V1-Bewegung geschrieben wurden, lesen sich weiterhin korrekt. Am Ablauf wurde nichts entwertet.
Länge ist die Schlagzeile — 21 Sekunden sind rund das Vierfache der praktischen V1-Obergrenze und verschieben das Ganze von „Loop" zu „Einstellung". Kohärenz verbesserte sich so weit, dass mittlere Bewegung nun tragfähig ist, wo zuvor nur minimale funktionierte. Das Fehlen von Ton änderte sich nicht und bleibt die prägende Lücke.
Veo gewinnt bei nativer Auflösung, Cliplänge und — entscheidend — synchronem Ton. Midjourney hat darauf keine Antwort und hat auch keine angedeutet. Braucht Ihre Ausgabe Klang, ist das kein Vergleich, sondern eine andere Produktkategorie.
Diese Modelle gewinnen im Volumen: Preis pro Sekunde, Durchsatz und Text-zu-Video von Grund auf. Midjourney konkurriert auf keiner dieser Achsen. Wählen Sie sie, wenn Sie viele Clips erzeugen; wählen Sie Midjourney, wenn Sie ein bestimmtes, bereits abgenommenes Bild animieren.
Runway besitzt den Produktionsablauf — Timeline, Schnitt, Teamarbeit. Midjourney liegt davor: Es erzeugt das Asset, nicht den Schnitt. In einer echten Pipeline koexistieren beide häufiger, als sie konkurrieren.
| Bedarf | Greifen Sie zu |
|---|---|
| Ton | Veo 3.1 |
| Volumen zu geringen Kosten | Kling 3.0 / Seedance 2.0 |
| Produktionsablauf | Runway |
| Ihr Midjourney-Bild, bewegt | Midjourney |
Videoerzeugung zieht von Ihrem bestehenden Midjourney-Kontingent ab, statt eine separate Rechnung pro Sekunde zu erzeugen. Für Kreative, die ohnehin für Standbilder zahlen, sind die Grenzkosten pro Clip innerhalb des Plans praktisch null — eine substanziell andere wirtschaftliche Lage als bei Anbietern mit Sekundentakt.
Die Streuung ist auf Clipebene viel höher als auf Standbildebene. Kalkulieren Sie ein, mehrere zu erzeugen und einen zu behalten. Dieses Verhältnis, nicht die Erzeugungszeit, ist der eigentliche Preis des Ablaufs.
Behandeln Sie Midjourney-Video als B-Roll und Textur, nicht als Einstellungen. Es füllt atmosphärische Lücken, liefert bewegte Hintergründe und animiert Key Art. Daraus eine Erzählsequenz zu schneiden ist möglich und durchweg mehr Arbeit, als es aussieht.
V1 war die Fallstudie in Umfangsdisziplin: Während Sora kinematischer Allgemeinheit hinterherlief und den Markt schließlich verließ, lieferte Midjourney die kleinste nützliche Version von Video aus und iterierte innerhalb des eigenen ästhetischen Burggrabens.
Achtzehn Monate später existiert noch eine dieser beiden Strategien.
Die Lehre lautet nicht „sei nicht ehrgeizig". Sie lautet: Eine enge Fähigkeit mit verteidigbarer Daseinsberechtigung überlebt eine breite mit ungeschlossener Stückkostenrechnung. Sora war in mehr Dingen besser. Sora ist auch weg.
Sources: Midjourney version docs · Digital Applied — AI video market after Sora · Teamday — Best AI video models 2026 · Pinggy — Best video generation AI models · PixVerse V8-era review · Spectrum AI Lab market context
Ursprünglich veröffentlicht im Juli 2025 · Grundlegend überarbeitet am 30. Juli 2026
Seedance 2.5 bietet 30 Sekunden Audio-Video, 50 Referenzen und zeitgesteuerte Bearbeitung. Was offiziell ist, was es kostet und was Sie testen sollten.
MiniMax H3 erzeugt 2K-Video mit nativem Stereoton, nennt Preise pro Sekunde und stellt H3-Base-Gewichte unter einer Community License bereit.
Hermes Agent verbindet persistentes Memory mit selbstverbessernden Skills; Sicherheit und Ergebnisse hängen von Backend, Genehmigungen und Ihrer Prüfung ab.
OpenClaw ist eine leistungsfähige Agent-Runtime, deren Nutzen von bewusst geplanter Gateway-Sicherheit, Skill-Prüfung und Betriebsdisziplin abhängt.
KI-Musik 2026: Können und Prozesse von Suno und Udio, AIVAs volles Urheberrecht und wie der Warner-Vergleich deine kommerziellen Rechte umschreibt.
Der KI-Videomarkt nach Soras Abgang, mit echten Preisen: 0,50 bis 2,50 Dollar pro 10-Sekunden-Clip, wer jetzt führt und wie man pro Einstellung wählt.
Der ehrliche Vergleich der Gratis-Tarife 2026: Geminis großzügiges Paket, Claudes Qualität, ChatGPTs begrenzte Breite und wann Gratis nicht reicht.
Was GPT-5 im August 2025 lieferte, warum der erste Monat holperte und wie sich die Architektur vom Standpunkt der drei GPT-5.6-Stufen aus liest.
