석 달 만에 바뀐 영상 AI 지형도 — Veo는 Omni로, Sora는 퇴장, 30초 경쟁과 엇갈린 리더보드 (2026년 11월 특집)

들어가며 — 석 달 전의 지도는 이미 낡았다

크게 보기

8월 말 우리는 영상 생성 모델의 프롬프트 문법을 정리한 글 두 편을 냈다. MiniMax H3와 Seedance 2.0·2.5를 비교한 가이드와 유행 유형 9가지를 모은 사례집이다. 그때 다룬 모델 가운데 지금도 1등 후보에 있는 것은 절반쯤이다. 석 달 사이에 이런 일이 있었다.

• 구글은 Veo 4를 내지 않았다. 대신 5월에 공개한 Gemini Omni를 8월(1.1)과 11월(1.2)에 연달아 올렸고, 10월 22일 Gemini API에서 Veo 3.1 프리뷰 모델들을 내렸다.
• 오픈AI는 4월에 Sora 앱을 닫은 데 이어 9월 24일 Sora API까지 종료했다.
• 콰이쇼우(Kling 4.0), 알리바바(Wan 3.0), 바이트댄스(Seedance 2.5)가 모두 한 번에 30초를 만드는 모델을 냈다.
• 알리바바는 Wan 3.0부터 가중치를 공개하지 않았다. 반대로 가중치를 푼 MiniMax H3 위에 다른 회사들이 모델을 올리기 시작했다.
• 이미지 회사 Black Forest Labs가 FLUX 3로 영상에 들어왔고, HeyGen과 Utopai Studios도 자체 모델을 냈다.

그리고 두 대표 리더보드가 서로 다른 1등을 가리키기 시작했다. 숫자 네 개로 요약하면 이렇다.

리더보드 값은 2026년 11월 8일 Artificial Analysis(AA)와 Arena 화면에서 직접 읽었다. 가격 출처는 7부와 참고 문헌에 적었다.

이 글은 이 순서로 간다.

1. 열한 달 연표 — 2026년에 무슨 일이 있었나.
2. 구글 — Veo에서 Omni로. 바뀐 것은 모델 이름이 아니라 인터페이스다.
3. 오픈AI — Sora의 퇴장과 남은 것.
4. 중국의 네 회사 — Kling 4.0, Wan 3.0, Seedance 2.5, MiniMax H3.
5. 30초의 경쟁 — 길이·소리·레퍼런스가 기본 사양이 되다.
6. 두 개의 리더보드, 두 명의 1등.
7. 값 — 1분에 2.4달러에서 34달러까지.
8. 오픈 웨이트 — 닫힌 문과 열린 문.
9. 새 얼굴들, 그리고 월드 모델로 간 회사들.
10. 그래서 무엇을 쓰나.
11. 개발자 체크리스트.

1월부터 3월까지의 이야기, 곧 Sora 앱 종료와 Veo 3의 부상은 AI 영상 생성 전쟁에서 자세히 다뤘다. 이 글은 그 뒤를 잇는다.

1부. 열한 달, 스물세 개의 사건

먼저 전체 그림이다. 회사별로 걸러 보면 흐름이 보인다. 구글(파랑)은 5월 이후 석 달 간격으로 Omni를 올렸고, 오픈AI(검정)는 3월 발표 뒤 종료 일정만 남았다. 중국 회사들(빨강)은 거의 매달 새 모델을 냈다.

연표를 보면 세 가지가 눈에 띈다.

• 새 모델의 간격이 짧아졌다. 6월 22일부터 8월 27일까지 두 달 남짓 사이에 HappyHorse 1.1, Seedance 2.5, FLUX 3, MiniMax H3, Wan 3.0, LTX-2.5, Omni 1.1이 나왔다. 일주일에 하나꼴이다.
• 미국 빅테크 셋이 서로 다른 길로 갔다. 구글은 영상을 Gemini 안으로 넣었고, 오픈AI는 영상에서 빠졌고, 메타는 7월에 Muse Video를 미리 보여 주기만 하고 11월 현재도 일반 공개 전이다.
• ‘누가 만들었나’보다 ‘무엇 위에 만들었나’가 중요해졌다. 9월 30일에 나온 Utopai X와 HeyGen Video 1은 둘 다 MiniMax H3를 바탕으로 후학습한 모델이다. 8부에서 다시 다룬다.

2부. 구글 — Veo에서 Omni로

크게 보기

Veo 4는 오지 않았다

2025년 5월 Veo 3가 소리까지 만드는 영상으로 판을 흔든 뒤, 많은 사람이 2026년 I/O에서 Veo 4를 기다렸다. 5월 19일 구글이 내놓은 것은 다른 이름이었다. Gemini Omni다. 구글은 Omni를 ‘어떤 입력이든 받아 무엇이든 만드는’ 멀티모달 모델 계열로 소개했고, 첫 모델인 Gemini Omni Flash는 영상부터 시작했다. 텍스트·이미지·오디오·영상을 입력으로 받아 소리가 있는 영상을 만든다. 가장 큰 차이는 만든 영상을 대화로 고친다는 점이다. “배경을 밤으로 바꿔 줘”, “조명을 더 따뜻하게” 같은 말을 이어서 하면 같은 영상이 단계별로 바뀐다.

Veo가 ‘프롬프트를 한 번 넣고 결과를 받는’ 생성기였다면, Omni는 Gemini의 대화 위에 올라간 편집기에 가깝다. 바뀐 것은 모델 이름이 아니라 사람이 영상 모델을 쓰는 방식이다. 출시 보도에 따르면 Gemini 앱과 영상 제작 도구 Flow의 유료 구독자에게 먼저 열렸고, YouTube Shorts와 YouTube Create 앱에서는 무료로 풀렸다. 모든 결과물에는 구글의 보이지 않는 워터마크 SynthID가 들어가며, Gemini 앱·크롬·구글 검색에서 이 영상이 Omni로 만든 것인지 확인할 수 있다. SynthID가 어떻게 동작하고 어디까지 버티는지는 SynthID 역공학 글에서 다뤘다.

석 달 간격의 업데이트

11월 5일 구글 블로그에 따르면 Omni 1.2 Flash는 한 번에 15초까지 만든다(1.1은 10초). 초안은 360p나 720p로 만들고 1080p나 4K로 업스케일한다. 레퍼런스로는 캐릭터·제품·스타일 이미지, 3초 이하의 짧은 모션 클립, 오디오 큐를 받는다. 후속 대화로 제품, 배경, 조명, 화면비를 바꿀 수 있다. Gemini API에서 정식(GA)으로 열렸고, 기업용 플랫폼과 Google Vids·Flow에도 들어갔다. Gemini 앱의 15초 생성은 최상위 구독(Ultra)부터 차례로 열리는 중이다.

개발자에게 생긴 일

API를 쓰던 개발자에게 이 변화는 마이그레이션이다. Veo 3.1 프리뷰 모델을 부르던 코드는 10월 22일부터 실패한다. 공식 대체가 gemini-omni-1.1-flash로 지정됐지만, 입력 형식과 기능이 같지는 않다. Veo는 생성 한 번이 끝이었고 Omni는 대화 상태를 이어 가는 쪽으로 설계됐다. 일부 서드파티 문서는 12월 3일부터 1.1 호출이 1.2로 자동 전환된다고 안내하는데, 구글 공식 문서에서는 이 내용을 확인하지 못했다. 버전을 명시해 두는 편이 안전하다. 11부에서 체크리스트로 정리한다.

3부. 오픈AI — Sora의 퇴장

크게 보기

오픈AI는 2026년 3월 24일 Sora 앱 종료를 발표했다. 2025년 가을 소셜 앱으로 다시 낸 지 6개월이 안 된 때였다. 다운로드는 2025년 11월 정점(300만 건 이상)에서 2026년 2월 약 110만 건으로 떨어졌다는 보도가 있었고, 디즈니의 10억 달러 투자 계약도 함께 무산됐다. The Decoder가 정리한 오픈AI의 설명은 컴퓨팅을 코딩 도구와 기업 고객 쪽으로 돌리겠다는 것이었다. Sora 자체는 월드 모델 연구 프로젝트로 남는다.

종료는 두 단계였다.

흥미로운 것은 리더보드다. Arena 텍스트→영상 보드에는 지금도 Sora 2 Pro가 13위(5만 6,208표), Sora 2가 19위(7만 4,271표)로 남아 있다. 표가 쌓인 기록은 남았지만 이제 API로 부를 수 없는 모델이다. 리더보드를 보고 모델을 고를 때 지금 쓸 수 있는가를 따로 확인해야 하는 이유다.

4부. 중국의 네 회사

2026년 영상 모델 경쟁의 중심은 중국이다. AA 텍스트→영상 보드 상위 10개 가운데 6개가 중국 회사 모델이고, 나머지 넷 중 둘(Utopai X, HeyGen Video 1)도 중국 모델 MiniMax H3를 바탕으로 했다.

Kling 4.0 — 콰이쇼우

9월 28일 빠른 버전 Kling 4.0 Flash를 연간 최상위 구독자에게 먼저 열고, 10월 15일 kling.ai와 MCP·CLI로 정식 공개했다. API는 10월 28일 열렸다. 공개된 사양은 이렇다.

• 한 번에 3~30초. Flash는 3~20초·720p.
• 레퍼런스 최대 15개: 이미지 10장, 영상 5개(합계 30초), 주체(subject) 7개까지.
• 키프레임 최대 10개, 21:9를 포함한 여러 화면비, 2채널 스테레오 소리.
• 해상도는 kling.ai 표에 720p·1080p·4K가 있지만, API는 720p·1080p만 열렸고 4K와 10비트 HDR은 ‘곧 지원’이다.
• API 가격은 소리 없이 초당 720p 0.157달러, 1080p 0.235달러다. 1080p 30초 한 편이 7.05달러다.

11월 8일 현재 Kling 4.0은 AA에도 Arena에도 아직 오르지 않았다. AA 보드에서 Kling 3.0은 기준점(1000점)으로 20위에 있다. 리더보드에서 Kling 4.0의 위치는 몇 주 뒤에야 나온다.

Wan 3.0 — 알리바바

8월 6일 공개 베타를 거쳐 8월 24일 정식으로 나왔다. 알리바바가 100억 달러어치 주식 매각을 발표한 직후였다. 특징은 둘이다.

• 한 번에 30초. 이전 Wan 2.7은 15초였다. 해상도는 최대 1080p.
• 문서에서 영상으로. 텍스트·이미지·오디오·영상에 더해 PDF, 파워포인트, 스프레드시트, 웹페이지를 입력으로 받는다. 제품 소개서를 넣고 홍보 영상을 만드는 식이다.

가격은 초당 480p 0.05달러, 720p 0.10달러, 1080p 0.20달러다. 그리고 가중치를 공개하지 않았다. 알리바바는 Wan 2.1·2.2를 Apache 2.0으로 풀어 오픈 영상 모델 생태계를 이끌었는데, 2025년 7월의 Wan 2.2가 마지막 공개 플래그십이 됐다. AA 텍스트→영상 보드에서 Wan 3.0은 1172점으로 1위다.

Seedance 2.5 — 바이트댄스

6월 23일 볼케이노 엔진의 FORCE 콘퍼런스에서 발표하고 7월에 냈다. 한 번에 30초, 이미지·영상·오디오를 섞은 레퍼런스를 최대 50개까지 받는다. AA 이미지→영상 보드에서 1158점으로 1위다. 동시에 AA 보드에서 가장 비싼 모델이기도 하다(1분 34.12달러). 실제로 돌려 본 프롬프트 노하우는 Seedance 2.5 생성 노하우에 정리했다.

MiniMax H3 — 그리고 알리바바의 두 번째 브랜드

MiniMax는 7월 31일 H3를 냈다. 최대 15초, 기본 768p(2K로 다시 생성하는 옵션), 32kHz 스테레오 소리를 만든다. 텍스트·이미지·영상·오디오를 레퍼런스로 받는다. 그리고 커뮤니티 라이선스로 가중치를 공개했다. 8월에는 상위 버전 H3 Max가 나왔다. H3의 진짜 영향은 8부에서 본다.

알리바바에는 영상 브랜드가 하나 더 있다. HappyHorse다. 4월의 1.0은 출시 때 AA 영상 아레나 1위에 올랐고, 6월 22일의 1.1은 레퍼런스 이미지 최대 9장, 최대 1080p·15초, 소리 동시 생성을 지원한다. 알리바바는 Wan(문서·긴 영상)과 HappyHorse(레퍼런스·캐릭터)를 나눠 운영하는 셈이다.

5부. 30초의 경쟁 — 길이·소리·레퍼런스

크게 보기

2025년의 질문이 “얼마나 진짜 같은가”였다면, 2026년의 질문은 “한 번에 얼마나 길게, 얼마나 정확히 시킨 대로”다. 한 번의 생성으로 만들 수 있는 최대 길이를 보면 흐름이 분명하다.

막대 길이 = 최대 길이 ÷ 30초. 이어 붙이기·확장 기능 없이 한 번의 생성 기준.

길이가 왜 중요할까? 15초 모델로 30초 광고를 만들려면 두 번 만들어 이어 붙여야 한다. 이음새에서 인물의 얼굴, 옷, 조명이 미묘하게 달라지는 일이 잦다. 한 번에 30초를 만들 수 있으면 이 문제가 처음부터 사라진다. 7부의 비용 계산기에 ‘조각’ 칸을 넣은 이유다.

길이와 함께 두 가지가 기본 사양이 됐다.

• 소리 동시 생성. 2025년 5월 Veo 3가 처음 보여 준 기능인데, 이제 상위 모델은 거의 모두 소리를 함께 만든다. AA의 기본 보드도 ‘오디오 포함’ 평가다. Kling 4.0과 H3는 스테레오다.
• 레퍼런스 여러 개. 캐릭터 얼굴, 제품 사진, 화풍, 움직임 클립, 목소리를 함께 넣어 일관성을 잡는다. Seedance 2.5는 50개, Kling 4.0은 15개, HeyGen Video 1은 12개(회사 표기), HappyHorse 1.1은 이미지 9장이다.

열세 모델의 공개 사양을 한 표에 모았다. 확인하지 못한 칸은 비워 뒀다.

6부. 두 개의 리더보드, 두 명의 1등

크게 보기

영상 모델을 고를 때 가장 많이 보는 리더보드는 둘이다. Artificial Analysis(AA)의 비디오 아레나와 Arena의 텍스트→영상 보드다. 둘 다 같은 프롬프트로 만든 영상 두 개를 사람에게 보여 주고 더 나은 쪽을 고르게 한 뒤, 그 승패로 Elo 점수를 매긴다. 방식은 Elo와 Chatbot Arena 특집에서 자세히 설명했다.

같은 방식인데 결과가 다르다. 11월 8일 현재 두 보드의 상위권은 이렇다.

Arena에서는 1~3위가 모두 Gemini Omni인데, AA에서 Omni 1.1은 12위다. 반대로 AA 1위 Wan 3.0은 Arena에서 8위다. 두 보드의 점수는 척도가 달라 직접 비교할 수 없으니, 두 보드에 모두 있는 모델 11개를 골라 순위끼리 이어 봤다.

11개 전체의 스피어만 순위 상관은 0.37이다. 그런데 이 상관은 아래쪽이 만든다. 두 보드 모두 Veo 3.1·Veo 3.1 Fast·HappyHorse 1.0을 아래에 둔다는 데는 합의한다. AA 상위 8개만 남기면 상관은 −0.64로 뒤집힌다. ‘누가 낡았나’에는 합의하지만 ‘누가 1등인가’에는 합의하지 못한다.

왜 엇갈릴까

공개 자료만으로 원인을 단정할 수는 없다. 다만 화면에 보이는 차이만 해도 여럿이다.

• 표본 수. Arena 1위 Omni 1.2는 1,742표를 받은 ‘예비’ 순위다. 4위 FLUX 3 Video(1,321표)와 5위 Grok 1.5(1,260표)도 예비다. 반면 3위 Gemini Omni Flash는 4만 6,396표가 쌓인 순위라, Arena에서 Omni가 강하다는 것 자체는 탄탄한 결과다.
• 같은 이름, 다른 설정. AA는 H3를 ‘768p’로, Arena는 Seedance를 ‘720p’로 표기한다. 해상도와 옵션이 다르면 사실상 다른 모델이다.
• 소리. AA 기본 보드는 소리를 포함해 평가한다. Arena 보드는 일부 모델 이름에만 ‘(Audio)’가 붙어 있고, 보드 전체의 소리 조건은 화면에 적혀 있지 않다.
• 프롬프트와 투표자. 어떤 프롬프트를 넣고 누가 고르는지가 다르다. 대화형 편집처럼 한 번의 생성으로 드러나지 않는 장점은 두 보드 모두 재지 못한다.

그리고 보드 자체가 바뀐다. 9월 초 한 집계 사이트가 저장한 AA 화면에는 Gemini Omni Flash가 1238점으로 1위였다. 지금 AA 보드는 v2.1이고 Kling 3.0을 1000점 기준점으로 쓴다. 판이 바뀌면 순위도 바뀐다.

신뢰구간을 같이 읽어야 한다

AA는 순위 옆에 ‘가능한 순위 범위’를 함께 보여 준다. Wan 3.0은 1~3위, Utopai X는 1~4위, H3는 2~6위, FLUX 3 Max는 2~7위, Seedance 2.5는 3~7위다. 상위 일곱 모델의 범위가 서로 겹친다. 통계적으로는 1위 그룹이 일곱 개라는 뜻이다. 실제로 1위 Wan 3.0(1172)과 6위 HeyGen Video 1(1152)의 20점 차이는 Elo로 환산하면 52.9 대 47.1이다. 사람 100명에게 둘을 보여 주면 53명이 Wan 3.0을 고르는 정도의 차이다.

7부. 값 — 1분에 2.4달러에서 34달러까지

크게 보기

AA는 모델마다 시험 설정 기준의 1분 생성 가격을 함께 적어 둔다. Elo와 가격을 한 평면에 놓으면 이런 그림이 나온다. 초록 점선은 가격-품질 경계로, 자기보다 싸면서 점수가 같거나 높은 모델이 없는 모델만 이었다.

경계 위에 있는 모델은 넷이다. 싼 쪽부터 HeyGen Video 1(1분 2.4달러) → FLUX 3 Max(4.35달러) → MiniMax H3(4.8달러) → Wan 3.0(12달러). 나머지는 모두 ‘더 싸면서 더 높은 점수’를 받은 모델이 따로 있다. 몇 가지가 두드러진다.

• HeyGen Video 1은 1위와 Elo 20점 차이(맞대결 기대 승률 47%)인데 값은 5분의 1이다.
• Seedance 2.5는 텍스트→영상에서 경계 밖이지만(1155점, 34.12달러), 이미지→영상에서는 1위다. 무엇을 넣고 시작하느냐에 따라 답이 달라진다.
• Veo 3.1은 1분 24달러에 963점이다. 가격 대비 가장 불리한 자리에 있다. 구글이 Veo를 접고 Omni로 넘어간 배경을 짐작해 볼 수 있다.

표값은 한 번에 성공했을 때의 값이다

가격표는 ‘생성 한 번’의 값이다. 실제 작업에서는 쓸 만한 컷 하나를 얻으려고 여러 번 생성한다. 인물의 손이 이상하거나, 카메라가 엉뚱하게 움직이거나, 대사의 입 모양이 맞지 않으면 다시 돌린다. 이 재시도 횟수는 모델, 장면, 사람의 기준에 따라 크게 달라서 공통 숫자가 없다. 그래서 계산기에서는 직접 넣게 했다.

기본값(30초 영상, 컷당 3번, 10편)으로 놓으면 Gemini Omni 1.2는 15초 두 조각으로 나뉘고 1편에 6.3달러, Wan 3.0 720p는 한 조각에 9달러, Seedance 2.5는 51달러쯤 든다. 같은 30초 광고 열 편이 63달러가 되기도, 500달러가 넘기도 한다. 재시도를 1번에서 3번으로만 바꿔도 모든 모델의 비용이 세 배가 된다. 모델 단가를 비교하기 전에 우리 작업의 재시도 횟수부터 재야 하는 이유다.

8부. 오픈 웨이트 — 닫힌 문과 열린 문

크게 보기

2025년까지 오픈 영상 모델의 중심은 알리바바의 Wan과 텐센트의 HunyuanVideo였다. 2026년에 두 축이 모두 흔들렸다. Wan은 3.0부터 가중치를 닫았고, HunyuanVideo는 1.5 이후 새 버전 소식을 찾지 못했다.

그 빈자리에 두 모델이 들어왔다.

• MiniMax H3 — 커뮤니티 라이선스로 가중치를 공개했다. 공개 직후 ComfyUI가 H3 워크플로를 내놨다. 다만 일정 매출을 넘는 회사는 상업 이용에 별도 허가가 필요한 조건이 붙어 있어, 회사에서 쓰려면 라이선스 원문을 먼저 확인해야 한다. 한국 사용자를 위한 주의사항은 비디오 프롬프트 사례집에 적어 뒀다.
• LTX-2.5 — 8월 Lightricks가 낸 22B 오픈 웨이트 모델로, 영상과 소리를 함께 만든다. 라이선스 이름은 자료마다 달라 모델 카드를 확인해야 한다.

오픈 웨이트가 ‘바탕 모델’이 되다

H3가 남긴 가장 큰 변화는 다른 데 있다. 9월 30일 나온 두 모델이 모두 H3를 바탕으로 후학습한 모델이다.

• Utopai X — 영화·드라마 제작사 Utopai Studios가 H3를 후학습했다. 자체 제작 플랫폼 PAI 안에서만 쓸 수 있고 공개 API는 없다. AA 텍스트→영상 2위, 이미지→영상 2위다.
• HeyGen Video 1 — 아바타 영상 회사 HeyGen이 H3를 바탕으로 사내에서 후학습했다. AA 텍스트→영상 6위, 이미지→영상 5위이고 상위 10개 중 가장 싸다.

그래서 AA 텍스트→영상 상위 7개 중 4개(2·3·6·7위)가 H3 계열이다. 언어 모델에서 Llama가 했던 역할을 영상에서는 H3가 하고 있다. 바탕 모델을 처음부터 학습하지 않아도, 자기 데이터로 후학습해서 최상위권에 들 수 있다는 것을 보여 줬다.

그래도 격차는 크다

자체 서버에서 돌릴 수 있는 모델끼리 비교하면 얘기가 다르다. AA 보드에서 H3(1160)와 LTX-2.5 Pro(941)의 차이는 219점이다. Elo로 환산하면 H3가 이길 기대 확률이 78%다. 상위 일곱 모델이 27점 안에 몰려 있는 것을 생각하면 큰 격차다. H3를 빼면 오픈 웨이트 진영은 최상위권과 한 세대쯤 떨어져 있다. Black Forest Labs가 FLUX 3의 공개판(Dev)을 예고했지만 날짜와 크기는 아직 나오지 않았다.

9부. 새 얼굴들, 그리고 월드 모델로 간 회사들

리더보드 상위권에는 1년 전에 없던 이름이 많다.

• FLUX 3 (Black Forest Labs, 독일) — 이미지 생성 모델 FLUX로 유명한 회사의 첫 영상 모델. 7월 23일 이미지·영상·오디오를 한 구조로 학습한 FLUX 3를 미리 공개했고, 8월 4일 API로 정식 출시했다. 최대 20초, 소리 동시 생성. AA 4위(FLUX 3 Max), Arena 4위(예비)로 두 보드 모두에서 상위권인 몇 안 되는 모델이다.
• 메타 Muse Video — 7월 7일 Muse Image와 함께 미리 보여 주기만 했다. Arena에 10위(2,241표)로 올라 있지만 11월 현재 일반 공개 전이고 메타의 모델 API 목록에도 없다. 리더보드에 있지만 쓸 수는 없는 또 하나의 사례다.
• SkyReels V4, P-Video-2-Pro, MAGI-2 Preview — 이름이 덜 알려졌지만 AA 상위 20위 안에 있다.

반대로 2024~2025년 영상 AI의 얼굴이었던 회사들은 상위권에서 내려갔다. Arena에서 Runway Gen-4.5는 29위, Luma Ray3는 33위다. 이 두 회사는 순위 경쟁 대신 다른 방향으로 움직이고 있다.

• Runway는 2025년 12월 첫 월드 모델 GWM-1을 냈고, 2026년 2월 기업가치 53억 달러로 3억 1,500만 달러를 투자받으면서 차세대 월드 모델 사전 학습에 쓰겠다고 밝혔다. 영상 편집 모델 Aleph도 따로 운영한다.
• Luma는 1월 Ray3.14, 6월 Ray3.2(최대 20초·1080p·HDR)를 내는 한편, 3월에는 에이전트 제품 Luma Agents를 냈다.

‘짧은 클립을 가장 예쁘게’ 만드는 경쟁에서 중국 회사들과 구글이 앞서 나가자, 미국의 영상 전문 스타트업들은 영화 제작 파이프라인, 상호작용하는 세계, 로봇 학습용 시뮬레이션 쪽으로 무게를 옮기고 있다. 왜 영상 모델의 다음 목적지가 월드 모델인지는 AI 영상 생성 전쟁의 4장에서 다뤘다.

10부. 그래서 무엇을 쓰나

리더보드가 합의하지 못하고 상위 일곱 모델이 통계적으로 구별되지 않는다면, ‘가장 좋은 모델’을 찾는 것은 의미가 적다. 대신 우리 일에 꼭 필요한 조건부터 정하는 편이 낫다. 아래 위젯은 공개 자료로 확인된 특성만으로 후보를 추린다. 화질 판정은 하지 않는다.

자주 받는 질문 몇 가지에 대한 우리의 답은 이렇다.

마지막 단계는 언제나 같다. 후보 두세 개에 우리 장면을 같은 프롬프트로 넣어 직접 비교하는 것이다. 리더보드의 프롬프트는 우리 광고가 아니다. 모델마다 프롬프트 문법이 다르다는 점도 잊지 말자. 비디오 프롬프트는 콘티다에서 정리한 공통 원칙 일곱 가지는 석 달이 지난 지금도 유효하다.

11부. 개발자 체크리스트

크게 보기

영상 모델을 서비스에 붙여 쓰는 팀이라면 이번 석 달 동안 최소 두 번(Veo 3.1 프리뷰, Sora API) 코드를 고쳐야 했을 것이다. 다음 석 달도 비슷할 것이다.

맺으며 — 이름, 출구, 문

석 달 동안의 변화를 세 단어로 줄이면 이렇다.

이름. 구글은 Veo라는 이름을 Gemini 안으로 접었다. 영상 모델이 따로 있는 도구가 아니라 대화하는 모델의 한 기능이 되는 흐름이다. 앞으로 영상 모델을 비교할 때는 ‘한 번에 얼마나 잘 만드나’만큼 ‘몇 번의 대화로 원하는 데까지 가나’가 중요해질 것이다. 아직 어느 리더보드도 이것을 재지 않는다.

출구. 오픈AI는 영상에서 나갔다. 가장 유명한 이름이 사라졌는데도 시장은 흔들리지 않았다. 그 자리는 석 달 만에 다른 모델들로 채워졌다. 특정 회사의 모델에 서비스 전체를 묶어 두면 안 되는 이유다.

문. 알리바바는 문을 닫았고 MiniMax는 문을 열었다. 열린 문으로 들어온 회사들이 리더보드 상위권을 차지했다. 오픈 웨이트의 값은 ‘누구나 돌릴 수 있다’보다 ‘누구나 그 위에 지을 수 있다’에 있다는 것을 영상 분야가 보여 주고 있다.

다음 석 달에는 Kling 4.0과 Omni 1.2의 리더보드 성적, FLUX 3 Dev와 메타 Muse Video의 공개 여부, 그리고 30초 다음의 숫자가 나올 것이다. 지도는 그때 다시 그리겠다.

함께 읽기

• AI 영상 생성 전쟁 — Sora 앱 종료, Veo 3 부상, 그리고 월드 시뮬레이터의 시대
• 비디오 프롬프트는 콘티다 — MiniMax H3·Seedance 2.0/2.5/Fast, 모델별 특징과 프롬프트 문법
• 비디오 프롬프트 사례집 — 유행 유형 9가지와 모델별 실전 프롬프트 전문
• Seedance 2.5 생성 노하우 — 한 줄 프롬프트가 30초 광고가 되기까지
• Elo와 Chatbot Arena 특집
• SynthID 역공학 — AI 워터마크는 얼마나 버티나
• 디퓨전 모델 해설 · 플로 매칭 해설

참고 문헌

리더보드 (2026-11-08 열람)

• Artificial Analysis, Text-to-Video Leaderboard (AA-Video-T2V v2.1) · Image-to-Video Leaderboard
• Arena, Text-to-Video Arena (2026-11-06 스냅숏)
• benchmarklist, Artificial Analysis Text-to-Video 스냅숏 (2026-09 초 기록)

구글

• Google, Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips (2026-11-05)
• eWeek, Google's Gemini Omni Wants to ‘Create Anything’ · BusinessWorld, Google launches Gemini Omni · PhoneArena, Google's newest AI model lets you edit video by just talking to it
• DataNorth, Google releases Gemini Omni 1.1 Flash (2026-08-28)
• AIEngineerGuide, Veo 3.1 Generate Preview retirement (Gemini API 지원 종료 페이지 인용)
• Google Cloud, Introducing Veo 3.1 Lite

오픈AI

• The Decoder, OpenAI sets two-stage Sora shutdown (2026-03-28)
• MacRumors, OpenAI Discontinuing Sora AI Video App · PC Gamer, Disney pulls out of 1 billion investment deal
• OpenAI 도움말, What to know about the Sora app discontinuation

중국 모델

• Kuaishou, Kling AI Officially Launches Kling 4.0 · CellCog, Kling 4.0 Is Out (2026-10-29 검토, 사양·API 가격)
• The Next Web, Alibaba launches Wan3.0 · eWeek, Alibaba's Wan3.0 Generates 30-Second AI Videos From Documents
• GIGAZINE, ByteDance Seedance 2.5
• Reuters(Bonik Barta 전재), China's MiniMax releases H3 video model · LLM Stats, MiniMax H3
• TechNode, Alibaba unveils HappyHorse 1.1

신생·오픈 모델

• VentureBeat, Black Forest Labs launches FLUX 3 · The Decoder, FLUX 3 Video generally available
• HeyGen, HeyGen Video 1.0 catalog · AlphaSignal, Utopai X climbs to No. 2
• ComfyUI Wiki, LTX-2.5: Lightricks Launches 22B Open Video Model
• aireiter, Muse Video: Meta's New AI Video Model Explained
• cliprise, Runway 315M funding · llmreference, Luma Ray3.2 · Advanced Television, Luma AI launches Ray3.14
• TechSpot, xAI launches Grok Imagine 1.0