Text-to-Video Arena AI视频生成模型排行榜
基于 Text-to-Video Arena 用户匿名投票的最新AI视频生成模型排行榜，涵盖各模型的 Elo 得分、95% 置信区间、投票量、机构与许可证。
榜首模型
gemini-omni-flash
最高得分
1,512
模型数量
44
数据版本
2026年08月10日
数据来源: LM Arena
关于本排行榜
本排行榜展示了当前 AI 文字生成视频（Text-to-Video）模型的综合实力排名。数据来源于 LMArena 的 Text-to-Video Arena 赛道，通过真实用户的匿名盲测投票来评估模型的视频生成质量。
评测方法概要
匿名盲测：用户提交文字描述后，由两个"隐藏身份"的模型分别生成视频，用户投票选出效果更好的一方。
Elo 评分：基于 Bradley-Terry 模型计算，分数越高代表模型在视频生成质量上越受用户青睐。
覆盖多种生成场景：包括自然风景、人物动作、创意动画、产品展示等多样化的视频生成需求。
DataLearner 在原始数据基础上提供中文解读与深度分析，并将排行榜模型关联至 DataLearner 模型库，方便您一键查看模型详情、API 定价、评测得分等完整信息。
排名总表
| 排名 | 模型名称 | 得分 | 95% CI | 投票数 | 机构 | 许可证 |
|---|---|---|---|---|---|---|
 gemini-omni-flashGoogle | 1,512 | +/-11 | 15,930 | Proprietary | ||
| flux-3-video Black ForestLabs | 1,496 | +/-17 | 1,288 | Labs | Proprietary | |
 Seedance 2.0字节跳动Seed团队 | 1,478 | +/-9 | 48,355 | 字节跳动Seed团队 | Proprietary | |
| 4 |  muse-videoMeta | 1,457 | +/-15 | 2,176 | Meta | Proprietary |
| 5 |  minimax-h3MiniMax | 1,453 | +/-14 | 2,192 | MiniMax | minimax-h3-community-license-agreement |
| 6 |  happyhorse-1.0Alibaba-ATH | 1,428 | +/-13 | 22,117 | Alibaba-ATH | Proprietary |
| 7 |  Sora 2OpenAI | 1,366 | +/-7 | 45,731 | OpenAI | Proprietary |
| 8 | Veo 3.1 Generate (Preview)Google Deep Mind | 1,364 | +/-14 | 13,743 | Google Deep Mind | Proprietary |
| 9 | Veo 3.1 Generate (Preview)Google Deep Mind | 1,363 | +/-10 | 24,981 | Google Deep Mind | Proprietary |
| 10 | Veo 3.1 Fast (Preview)Google Deep Mind | 1,362 | +/-10 | 39,441 | Google Deep Mind | Proprietary |
| 11 | Veo 3.1 Fast (Preview)Google Deep Mind | 1,358 | +/-10 | 25,778 | Google Deep Mind | Proprietary |
| 12 | Veo 3.1 Fast (Preview)Google Deep Mind | 1,347 | +/-11 | 25,219 | Google Deep Mind | Proprietary |
| 13 |  Grok Imagine 0.9xAI | 1,347 | +/-7 | 153,823 | xAI | Proprietary |
| 14 | wan2.7-t2vAlibaba | 1,343 | +/-8 | 16,757 | Alibaba | Proprietary |
| 15 | Sora 2OpenAI | 1,340 | +/-7 | 61,754 | OpenAI | Proprietary |
| 16 | Veo 3.1 Generate (Preview)Google Deep Mind | 1,339 | +/-13 | 19,007 | Google Deep Mind | Proprietary |
| 17 | Wan2.6 T2V阿里巴巴 | 1,333 | +/-8 | 43,230 | 阿里巴巴 | Proprietary |
| 18 | Seedance 2.0字节跳动Seed团队 | 1,256 | +/-7 | 76,001 | 字节跳动Seed团队 | Proprietary |
| 19 | Veo 3.1 Generate (Preview)Google Deep Mind | 1,253 | +/-11 | 14,986 | Google Deep Mind | Proprietary |
| 20 | Wan2.1-T2V-14B阿里巴巴 | 1,249 | +/-9 | 27,361 | 阿里巴巴 | Proprietary |
| 21 | Veo 3.1 Fast (Preview)Google Deep Mind | 1,248 | +/-12 | 15,271 | Google Deep Mind | Proprietary |
| 22 | pixverse-v5.6 Proprietary | 1,240 | +/-11 | 32,303 | — | — |
| 23 | runway-gen-4.5Runway | 1,223 | +/-10 | 37,911 | Runway | Proprietary |
| 24 |  Kling 2.5 Turbo昆仑万维 | 1,219 | +/-17 | 2,105 | 昆仑万维 | Proprietary |
| 25 | Kling 2.5 Turbo昆仑万维 | 1,217 | +/-7 | 73,169 | 昆仑万维 | Proprietary |
| 26 | p-video Proprietary | 1,207 | +/-16 | 7,050 | — | — |
| 27 | Kling 2.5 Turbo昆仑万维 | 1,205 | +/-27 | 1,195 | 昆仑万维 | Proprietary |
| 28 | ray-3 LumaAI | 1,205 | +/-22 | 1,131 | AI | Proprietary |
| 29 | Hailuo 2.3MiniMaxAI | 1,203 | +/-6 | 74,338 | MiniMaxAI | Proprietary |
| 30 | Hailuo 2.3MiniMaxAI | 1,198 | +/-12 | 9,392 | MiniMaxAI | Proprietary |
| 31 | Seedance 2.0字节跳动Seed团队 | 1,190 | +/-11 | 12,146 | 字节跳动Seed团队 | Proprietary |
| 32 | Hailuo 2.3MiniMaxAI | 1,180 | +/-12 | 9,355 | MiniMaxAI | Proprietary |
| 33 | kandinsky-5.0-t2v-proKandinsky | 1,172 | +/-20 | 2,024 | Kandinsky | MIT |
| 34 |  Hunyuan-A13B-Instruct腾讯AI实验室 | 1,169 | +/-16 | 4,290 | 腾讯AI实验室 | tencent-hunyuan-community |
| 35 | Veo 3.1 Generate (Preview)Google Deep Mind | 1,164 | +/-16 | 6,525 | Google Deep Mind | Proprietary |
| 36 | Kling 2.5 Turbo昆仑万维 | 1,162 | +/-10 | 14,083 | 昆仑万维 | Proprietary |
| 37 | ltx-2-19b ltx-2-community-license-agreement | 1,151 | +/-8 | 63,639 | — | — |
| 38 | Wan2.1-T2V-14B阿里巴巴 | 1,131 | +/-15 | 10,442 | 阿里巴巴 | Apache 2.0 |
| 39 | kandinsky-5.0-t2v-liteKandinsky | 1,113 | +/-18 | 1,480 | Kandinsky | MIT |
| 40 | Seedance 2.0字节跳动Seed团队 | 1,112 | +/-10 | 16,243 | 字节跳动Seed团队 | Proprietary |
| 41 | Sora 2OpenAI | 1,069 | +/-16 | 4,085 | OpenAI | Proprietary |
| 42 | ray2 LumaAI | 1,064 | +/-17 | 5,234 | AI | Proprietary |
| 43 | pika-v2.2Pika | 1,008 | +/-15 | 5,746 | Pika | Proprietary |
| 44 | mochi-v1 GenmoAI | 1,005 | +/-17 | 5,871 | AI | Apache 2.0 |
数据仅供参考，以官方来源为准。模型名称旁的链接可跳转到 DataLearner 模型详情页。
2026年3月文生视频榜单分析
最新排名亮点
本次 LMArena Text-to-Video Arena 榜单更新至 2026 年 3 月 6 日，共收录 37 个模型，累计投票约 24.7 万次。头部格局相比上个版本继续向 Google Veo 系列集中，前五名中 Google 占据四席。
Veo 3.1 系列继续统治文生视频赛道。veo-3.1-audio-1080p 以 1381 分位列第一，veo-3.1-fast-audio-1080p 以 1378 分位列第二，veo-3.1-audio 以 1371 分位列第三。高分辨率和音频增强版本依然明显强于旧版 Veo 3 / Veo 2。
OpenAI Sora 系列保持第一梯队竞争力。sora-2-pro 以 1367 分位列第 4，sora-2 以 1342 分位列第 9，初代 sora 则处于榜单后段。和 Veo 相比，Sora 在顶级版本上仍有竞争力，但整体阵容厚度略弱。
xAI Grok 继续扮演高潜力挑战者。grok-imagine-video-720p 以 1358 分排在第 6，已经进入顶级阵营边缘，说明其在视频生成质量上具备相当强的即战力。
国产模型表现
国产模型中，wan2.6-t2v 以 1347 分排名第 8，是当前文生视频榜中最强的国产模型；它明显高于 wan2.5-t2v-preview（1268 分），说明阿里在 Wan 系列上迭代有效。
字节跳动的 seedance-v1.5-pro 以 1255 分排在第 13，仍然是国产第一梯队的重要成员；seedance-v1-pro 和 seedance-v1-lite 也都保留在榜单中。快手 kling-2.6-pro、kling-o1-pro 和 kling-v2.1-master 则继续构成中段竞争力量。
MiniMax 的 hailuo-02-pro 与 hailuo-2.3 表现接近，位于 1200 分附近，稳定处于中游。腾讯的 hunyuan-video-1.5 也保持在榜，但与头部模型仍有较大差距。
开源模型表现
当前开源阵营里，wan-v2.2-a14b（Apache 2.0）仍是最值得关注的文生视频开源方案之一；mochi-v1 同样提供 Apache 2.0 许可，但分数明显落后于头部闭源模型。
MIT 许可的 kandinsky-5.0-t2v-pro 和 kandinsky-5.0-t2v-lite 仍在榜单中，但样本量偏小、排名靠后。整体看，开源文生视频模型与 Veo、Sora 及国产头部闭源模型之间仍然存在比较明显的质量差距。
2026年8月市场风向标
当前最佳 (SOTA)
Veo 3.1 Audio 1080p
Elo 1381，当前文生视频榜单第一名
Veo 3.1 Fast-Audio 1080p
Elo 1378，高速版本里表现最强
Sora-2-Pro
Elo 1367，OpenAI 当前最强文生视频模型
国产最佳
Wan2.6-T2V
Elo 1347，当前国产文生视频模型第一名
Seedance-V1.5-Pro
Elo 1255，字节跳动文生视频主力模型
Kling-2.6-Pro
Elo 1219，快手可灵系列代表模型
最佳开源模型
- •Wan-V2.2-A14BApache 2.0，当前最具代表性的开源文生视频模型之一
- •Kandinsky-5.0-T2V-ProMIT，开源阵营里分数较高
- •Mochi-V1Apache 2.0，完全开源的视频生成基础方案
排名解读（更新于 2026年08月10日）
2026年3月最好的文生视频模型是哪些？
根据 2026 年 3 月 6 日的 LMArena 文生视频榜单，Veo 3.1 Audio 1080p、Veo 3.1 Fast-Audio 1080p 和 Sora-2-Pro 是当前最强的三款模型，其中 Google Veo 系列整体优势最明显。
2026年3月最好的国产文生视频模型是哪些？
国产阵营中，Wan2.6-T2V 当前排名最高，其后是 Seedance-V1.5-Pro 和 Kling-2.6-Pro。如果看中开源可用性，Wan-V2.2-A14B 仍是重要选择。
2026年3月最好的开源文生视频模型是哪些？
从当前榜单看，Wan-V2.2-A14B、Kandinsky-5.0-T2V-Pro 和 Mochi-V1 是最主要的开源文生视频模型代表，但和头部闭源模型相比仍有明显差距。
AI 视频生成常见问题
Text-to-Video Arena 是如何排名的？
排名完全基于用户的 Side-by-Side (SBS) 盲测投票。用户输入相同 Prompt，系统展示两个匿名模型生成的视频，用户选择更好的一方，再用 Elo 类算法汇总形成排行榜。
什么是 Audio-Video Sync（音画同步）？为什么它很重要？
Audio-Video Sync 指生成视频时同步生成与画面动作匹配的音效或语音。音画同步能减少后期配音和剪辑工作，让生成视频更接近可直接使用的成片。
AI文生视频适合哪些应用场景？
AI 文生视频常用于短视频创作、广告营销、电商展示、影视预览、游戏过场和教育演示等场景。
目前生成时间最长的模型是哪个？
视频生成时长会随着模型版本和产品套餐快速变化。选择时建议同时查看官方最新限制、长视频一致性、清晰度和生成成本，而不只看最长秒数。