El primer modelo de vídeo de Midjourney: qué ofrecía la imagen a vídeo al lanzarse, sus límites honestos y su sitio en el mercado de 2026 que Sora dejó.
📌 Actualización 2026: esta es una reseña archivada del modelo de vídeo V1 de Midjourney, lanzado en la era V7 (2025). El vídeo ya no es un experimento aparte: es una capacidad central. Con V8.1+, los clips duran ahora de 5 a 21 segundos con una coherencia de movimiento sensiblemente mejor. Para el panorama actual entre proveedores, consulta la comparativa de herramientas de vídeo con IA. Mantenemos viva esta reseña como registro del punto de partida de la línea de vídeo de Midjourney: es contexto útil para juzgar a qué velocidad avanza.
El modelo de vídeo V1 hacía una sola cosa —animar imágenes fijas de Midjourney— y lo hacía conservando intacta la estética característica de la plataforma. Clips cortos, movimiento sencillo, artefactos frecuentes en los movimientos complejos: un juguete prometedor con un superpoder real, tu estilo Midjourney, en movimiento.
La apuesta salió bien dentro de su carril. Midjourney nunca persiguió a Veo y Runway hacia el texto a vídeo cinematográfico; construyó el camino más rápido desde una imagen fija que te gusta hasta un visual con vida, y para trabajo social, de concepto y de ambiente eso suele ser el encargo entero.
El modelo que persiguió la generalidad ya no está. El que se quedó en su carril sigue publicando versiones. No es casualidad, y la economía que viene a continuación explica por qué.
Animación de imagen a vídeo de imágenes fijas generadas o subidas: la estética se conservaba, y ese era todo el sentido. No describías una escena desde cero; ponías en movimiento una imagen que ya habías aprobado.
El acceso estaba dentro del flujo de trabajo existente. Ninguna herramienta nueva, ningún lenguaje de prompt nuevo, ninguna suscripción aparte. Para un usuario de Midjourney, el vídeo era un botón, no una migración.
| Entonces (V1, era V7) | Ahora (V8.1+, julio de 2026) | |
|---|---|---|
| Duración del clip | Corta y experimental | 5–21 segundos |
| Artefactos de movimiento | Frecuentes | Sensiblemente mejorados |
| Posición del producto | Experimento que se sentía aparte | Capacidad central integrada |
| Promesa | La estética de la imagen fija, en movimiento | La misma promesa, mejor cumplida |
Lo que no cambió: el posicionamiento. El vídeo de Midjourney sigue siendo animación que parte de la imagen fija, no un generador cinematográfico.
Todas las restricciones posteriores se remontan a esto. Una composición con sujeto claro, fondo despejado y profundidad inequívoca se anima limpiamente. Un encuadre recargado con sujetos superpuestos produce la deformación que la gente le achaca al modelo. La imagen es el 80 % del resultado.
El instinto heredado del prompt de imagen —describirlo todo— aquí es equivocado. La imagen fija ya carga la escena. Describe solo lo que se mueve, y hazlo con moderación. «Acercamiento lento, niebla a la deriva» gana casi siempre a un párrafo de lenguaje cinematográfico.
OpenAI retiró Sora 2 en la primavera de 2026, con la API cerrando el 24 de septiembre de 2026. Las cifras publicadas son brutales y merecen decirse sin rodeos:
Eso no es un producto que perdiera una carrera de funciones. Es un producto cuya economía unitaria nunca cerró. Todos los proveedores que siguen en pie lo están porque su coste por segundo funciona.
El orden se barajó con más fuerza de la que casi nadie esperaba:
| Modelo | Coste aproximado |
|---|---|
| Veo 3.1 Lite | 0,05 $/segundo |
| Kling 3.0 | 0,07 $/segundo |
| Kling 3.0 frente a Sora | 65 % más barato |
| Kling 3.0 frente a Runway | 44 % más barato |
Cuando los costes de generación caen así de rápido, «el mejor modelo» deja de ser la pregunta decisiva en trabajos de gran volumen. Toma el relevo el coste por segundo aprovechable.
El vídeo de Midjourney no aparece en el top 10 porque no está jugando a eso. Veo 3.1 se queda con el 4K nativo con audio; Runway, con el flujo de producción; Seedance y Kling, con la relación precio-rendimiento a volumen.
Midjourney se queda con algo más estrecho y más defendible: «esta imagen exacta, viva, en 90 segundos.»
Todos los demás compiten en fidelidad, duración, resolución y precio. Midjourney compite en una estética que la gente ya eligió. Si tu identidad visual está construida con Midjourney, ninguna posición en la clasificación cambia el hecho de que solo Midjourney anima tus imágenes en tu estilo.
La restricción que definió V1 sigue definiendo la categoría: lento gana a rápido. Acercamientos, paralaje suave, partículas a la deriva, movimiento de tela y cabello, deriva atmosférica: todo eso mantiene la coherencia estructural porque el modelo solo tiene que interpolar desplazamientos pequeños por fotograma.
El modelo mental se traslada intacto: primero la imagen, después el movimiento, contención antes que ambición. Los prompts escritos para el movimiento de V1 siguen leyéndose bien. Nada del flujo de trabajo quedó invalidado.
La duración es el titular: 21 segundos son alrededor de 4 veces el techo práctico de V1, lo que lo mueve de «bucle» a «plano». La coherencia mejoró lo suficiente como para que un movimiento moderado sea ahora viable donde antes solo funcionaba el mínimo. La ausencia de audio no cambió y sigue siendo la carencia definitoria.
Veo gana en resolución nativa, duración de clip y —de forma decisiva— audio sincronizado. Midjourney no tiene respuesta para el audio ni ha insinuado ninguna. Si tu resultado necesita sonido, esto no es una comparación: es otra categoría de producto.
Esos modelos ganan en volumen: precio por segundo, rendimiento y texto a vídeo desde cero. Midjourney no compite en ninguno de esos ejes. Elígelos cuando generes muchos clips; elige Midjourney cuando animes una imagen concreta que ya has aprobado.
Runway se queda con el flujo de producción: línea de tiempo, montaje, colaboración en equipo. Midjourney está aguas arriba de todo eso: produce el material, no el montaje. En un pipeline real conviven más a menudo de lo que compiten.
| Necesidad | Recurre a |
|---|---|
| Sonido | Veo 3.1 |
| Volumen a bajo coste | Kling 3.0 / Seedance 2.0 |
| Flujo de producción | Runway |
| Tu imagen de Midjourney, en movimiento | Midjourney |
La generación de vídeo consume tu asignación existente de Midjourney en lugar de una factura aparte por segundo. Para creadores que ya pagan por imágenes fijas, el coste marginal por clip es prácticamente cero dentro del plan: una posición económica sustancialmente distinta a la de los proveedores que cobran por segundo.
La varianza a nivel de clip es mucho mayor que a nivel de imagen. Presupuesta generar varios y quedarte con uno. Esa proporción, y no el tiempo de generación, es el coste real del flujo de trabajo.
Trata el vídeo de Midjourney como material de recurso y textura, no como planos. Rellena huecos de ambiente, produce fondos en movimiento y anima el arte principal. Montar una secuencia narrativa con él es posible y siempre da más trabajo del que parece.
V1 fue el caso de estudio en disciplina de alcance: mientras Sora perseguía la generalidad cinematográfica y acabó saliendo del mercado, Midjourney lanzó la versión útil más pequeña del vídeo e iteró dentro de su foso estético.
Dieciocho meses después, solo una de esas estrategias sigue existiendo.
La lección no es «no seas ambicioso». Es que una capacidad estrecha con una razón defendible para existir sobrevive a una amplia con la economía unitaria sin cerrar. Sora era mejor en más cosas. También ha desaparecido.
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
Publicado originalmente en julio de 2025 · Revisado a fondo el 30 de julio de 2026
Seedance 2.5 reúne 30 segundos de audio y vídeo, 50 referencias mixtas y edición cronometrada. Esto es oficial, cuesta y merece pruebas.
MiniMax H3 genera video 2K con audio estéreo nativo, publica precios por segundo y ofrece pesos H3-Base bajo una Community License.
Hermes Agent combina memoria persistente y skills auto-mejorables; su seguridad y resultados dependen del backend, aprobaciones y revisión elegidos.
OpenClaw es un runtime de agentes muy capaz cuyo valor depende de una seguridad deliberada del gateway, revisión de skills y disciplina operativa.
La música con IA en 2026: capacidades y pleitos de Suno y Udio, el copyright completo de AIVA y cómo el acuerdo de Warner reescribe tus derechos comerciales.
El mercado del vídeo con IA tras la salida de Sora, con precios reales: de 0,50 a 2,50 $ por clip de 10 s, quién lidera ahora y cómo elegir por plano.
Comparativa honesta de planes gratuitos de 2026: la generosidad de Gemini, la calidad de Claude, la amplitud limitada de ChatGPT y cuándo deja de bastar.
Qué entregó GPT-5 en agosto de 2025, por qué el primer mes descarriló y cómo se lee su arquitectura desde los tres niveles con nombre de GPT-5.6.
