O primeiro modelo de vídeo da Midjourney: o que a imagem para vídeo entregou no lançamento, os limites honestos e o lugar no mercado de 2026 sem a Sora.
📌 Atualização de 2026: esta é uma resenha arquivada do modelo de vídeo V1 da Midjourney, lançado na era V7 (2025). Vídeo já não é um experimento à parte — é uma capacidade central: com o V8.1+, os clipes agora vão de 5 a 21 segundos, com coerência de movimento sensivelmente melhor. Para o panorama atual entre fornecedores, veja a comparação de ferramentas de vídeo com IA. Mantemos esta resenha no ar como registro de onde a linha de vídeo da Midjourney começou — contexto útil para julgar a que velocidade ela avança.
O modelo de vídeo V1 fazia uma coisa só — animar imagens estáticas da Midjourney — e fazia isso mantendo intacta a estética característica da plataforma. Clipes curtos, movimento simples, artefatos frequentes em movimentos complexos: um brinquedo promissor com um superpoder de verdade, o seu visual Midjourney, em movimento.
A aposta deu certo na própria faixa. A Midjourney nunca correu atrás de Veo e Runway no texto para vídeo cinematográfico; ela construiu o caminho mais curto entre uma imagem estática de que você gosta e um visual vivo — e para trabalho de redes, conceito e clima, isso costuma ser o serviço inteiro.
O modelo que correu atrás da generalidade sumiu. O que ficou na própria faixa continua entregando versões. Isso não é coincidência, e a economia mais abaixo explica o porquê.
Animação de imagem para vídeo de imagens estáticas geradas ou enviadas — a estética era preservada, e esse era o ponto inteiro. Você não descrevia uma cena do zero; colocava em movimento uma imagem que já havia aprovado.
O acesso ficava dentro do fluxo de trabalho existente. Nenhuma ferramenta nova, nenhuma linguagem de prompt nova, nenhuma assinatura separada. Para quem já usava a Midjourney, vídeo era um botão, não uma migração.
| Antes (V1, era V7) | Agora (V8.1+, julho de 2026) | |
|---|---|---|
| Duração do clipe | Curta e experimental | 5–21 segundos |
| Artefatos de movimento | Frequentes | Sensivelmente melhores |
| Posição do produto | Experimento que parecia à parte | Capacidade central integrada |
| Promessa | A estética da imagem estática, em movimento | A mesma promessa, mais bem cumprida |
O que não mudou: o posicionamento. O vídeo da Midjourney continua sendo animação a partir da imagem estática, não um gerador cinematográfico.
Toda restrição lá na frente remonta a este ponto. Uma composição com sujeito claro, fundo limpo e profundidade inequívoca anima sem sujeira. Um quadro cheio, com sujeitos sobrepostos, produz a deformação que as pessoas atribuem ao modelo. A imagem é 80% do resultado.
O instinto herdado do prompt de imagem — descrever tudo — está errado aqui. A imagem estática já carrega a cena. Descreva apenas o que se move, e de forma conservadora. "Aproximação lenta, névoa à deriva" vence um parágrafo de linguagem cinematográfica quase sempre.
A OpenAI descontinuou o Sora 2 na primavera de 2026, com a API sendo desligada em 24 de setembro de 2026. Os números divulgados são brutais e merecem ser ditos com clareza:
Isso não é um produto que perdeu uma corrida de recursos. É um produto cuja economia unitária nunca fechou. Todo fornecedor que continua de pé está de pé porque o custo por segundo dele funciona.
A ordem embaralhou mais forte do que quase todo mundo esperava:
| Modelo | Custo aproximado |
|---|---|
| Veo 3.1 Lite | US$ 0,05/segundo |
| Kling 3.0 | US$ 0,07/segundo |
| Kling 3.0 ante a Sora | 65% mais barato |
| Kling 3.0 ante a Runway | 44% mais barato |
Quando os custos de geração caem nessa velocidade, "qual é o melhor modelo" deixa de ser a pergunta decisiva em trabalho de alto volume. Quem assume é o custo por segundo aproveitável.
O vídeo da Midjourney não aparece no top 10 porque não está jogando esse jogo. O Veo 3.1 domina o 4K nativo com áudio; a Runway domina o fluxo de produção; Seedance e Kling dominam o custo-benefício em volume.
A Midjourney domina algo mais estreito e mais defensável: "exatamente esta imagem, viva, em 90 segundos."
Todos os outros competem em fidelidade, duração, resolução e preço. A Midjourney compete em um visual que as pessoas já escolheram. Se a sua identidade visual foi construída com Midjourney, nenhuma posição de ranking muda o fato de que só a Midjourney anima as suas imagens no seu estilo.
A restrição que definiu o V1 ainda define a categoria: devagar vence rápido. Aproximações, paralaxe suave, partículas à deriva, movimento de tecido e cabelo, deriva atmosférica — tudo isso mantém a coerência estrutural porque o modelo só precisa interpolar deslocamentos pequenos por quadro.
O modelo mental se transfere intacto: imagem primeiro, movimento depois, contenção acima de ambição. Prompts escritos para o movimento do V1 continuam sendo lidos corretamente. Nada do fluxo de trabalho foi invalidado.
A duração é a manchete — 21 segundos são cerca de 4 vezes o teto prático do V1, o que muda a coisa de "loop" para "plano". A coerência melhorou o bastante para que movimento moderado seja viável onde antes só o mínimo funcionava. A ausência de áudio não mudou e continua sendo a lacuna definidora.
O Veo vence em resolução nativa, duração de clipe e — de forma decisiva — áudio sincronizado. A Midjourney não tem resposta para áudio nem sinalizou nenhuma. Se a sua saída precisa de som, isto não é uma comparação; é outra categoria de produto.
Esses modelos vencem no volume: preço por segundo, vazão e texto para vídeo do zero. A Midjourney não compete em nenhum desses eixos. Escolha-os quando estiver gerando muitos clipes; escolha a Midjourney quando estiver animando uma imagem específica que você já aprovou.
A Runway domina o fluxo de produção — linha do tempo, edição, colaboração em equipe. A Midjourney fica a montante de tudo isso: produz o material, não produz a edição. Num pipeline real, os dois coexistem mais vezes do que competem.
| Necessidade | Recorra a |
|---|---|
| Som | Veo 3.1 |
| Volume a baixo custo | Kling 3.0 / Seedance 2.0 |
| Fluxo de produção | Runway |
| A sua imagem da Midjourney, em movimento | Midjourney |
A geração de vídeo consome a sua cota existente da Midjourney em vez de uma conta separada por segundo. Para quem já paga por imagens estáticas, o custo marginal por clipe é praticamente zero dentro do plano — uma posição econômica substancialmente diferente da dos fornecedores que cobram por segundo.
A variância no nível do clipe é muito maior que no nível da imagem. Faça orçamento para gerar vários e ficar com um. Essa proporção, e não o tempo de geração, é o custo real do fluxo.
Trate o vídeo da Midjourney como b-roll e textura, não como planos. Ele preenche lacunas de atmosfera, produz fundos em movimento e anima a arte principal. Montar uma sequência narrativa a partir dele é possível e consistentemente mais trabalhoso do que parece.
O V1 foi o estudo de caso em disciplina de escopo: enquanto a Sora perseguia a generalidade cinematográfica e acabou saindo do mercado, a Midjourney entregou a menor versão útil de vídeo e iterou dentro do próprio fosso estético.
Dezoito meses depois, apenas uma dessas estratégias ainda existe.
A lição não é "não seja ambicioso". É que uma capacidade estreita com um motivo defensável para existir sobrevive a uma ampla com economia unitária em aberto. A Sora era melhor em mais coisas. A Sora também sumiu.
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 em julho de 2025 · Revisado a fundo em 30 de julho de 2026
O Seedance 2.5 reúne 30 segundos de áudio e vídeo, 50 referências mistas e edição cronometrada. Veja o que é oficial, custa e precisa de teste.
O MiniMax H3 gera vídeo 2K com áudio estéreo nativo, publica preços por segundo e disponibiliza pesos H3-Base sob Community License.
Hermes Agent combina memória persistente e skills autoaperfeiçoáveis, mas sua segurança e resultado dependem do backend, aprovações e revisão escolhidos.
OpenClaw é um runtime de agentes muito capaz cujo valor depende da segurança deliberada do gateway, da revisão de skills e da disciplina operacional.
A música com IA em 2026: capacidades e processos de Suno e Udio, o copyright completo da AIVA e como o acordo da Warner muda os seus direitos.
O mercado de vídeo com IA depois da saída do Sora, com preços reais: 0,50 a 2,50 $ por clipe de 10 s, quem lidera agora e como escolher por plano.
Comparativo honesto dos planos gratuitos de 2026: a generosidade do Gemini, a qualidade do Claude, a amplitude limitada do ChatGPT e quando vale pagar.
O que o GPT-5 entregou em agosto de 2025, por que o primeiro mês descarrilou e como sua arquitetura se lê a partir dos três níveis do GPT-5.6.
