LMArena-Rangliste Bild-zu-Video: MiniMax H3 vorn

Die LMArena-Rangliste für Bild-zu-Video im September 2026: MiniMax H3 vorn, Seedance 2.0 weiter bei 1475, und wo Grok, Veo 3.1 und Kling liegen.

Meine Notizen zur Bild-zu-Video-Rangliste bei arena.ai, wo die LMArena-Werte inzwischen zu Hause sind. Das Original liegt unter arena.ai/leaderboard/image-to-video, zum Gegenlesen nehme ich die Bild-zu-Video-Rangliste von Artificial Analysis dazu, die mit einer eigenen Skala rechnet. Stimmen kommen laufend dazu, auch nachdem ich diesen Text veröffentliche, also glaub im Zweifel eher den Live-Seiten als dieser Momentaufnahme.

Seedance 2.0 stand im Juni bei 1475 Punkten. Auf der LMArena-Rangliste für Bild-zu-Video steht es immer noch bei 1475, und ist trotzdem von einem geteilten ersten Platz auf Platz fünf gerutscht. An dem Modell selbst hat sich nichts verschlechtert. Es sind einfach vier andere Modelle über ihm gelandet.

Das ist das Update vom 21. September 2026 in einem Satz. Es umfasst inzwischen 48 Modelle und 2.081.953 Stimmen, im Juni waren es noch 41 Modelle und gut 1,2 Millionen. Mich interessiert dabei vor allem, was mit einem Produktfoto passiert, sobald es sich zu bewegen anfängt, deshalb schaue ich mir diese Rangliste, wo jemand ein Bild hochlädt und Bewegung dazu verlangt, genauer an als die Text-zu-Video-Tabelle, die meistens die Schlagzeilen bekommt. Wie die Abstimmung technisch abläuft, habe ich in meinen Notizen zur Bild-Arena schon einmal aufgeschrieben. Gleiches System, nur Clips statt Bilder.

Die Top Ten vom 21. September

minimax-h3 (MiniMax): 1495 bei 57.112 Stimmen;
gemini-omni-1.1-flash (Google): 1488 bei 3.734 Stimmen;
wan3.0 (Alibaba): 1480 bei 3.442 Stimmen;
dreamina-seedance-2.5-720p (ByteDance): 1477 bei 15.729 Stimmen;
dreamina-seedance-2.0-720p (ByteDance): 1475 bei 121.427 Stimmen;
gemini-omni-flash (Google): 1465 bei 87.155 Stimmen;
hidream-o1-video-1.0 (HiDream): 1456, weiterhin vorläufig markiert;
grok-imagine-video-1.5-720p (xAI, gelistet als SpaceXAI): 1456 bei 137.459 Stimmen;
flux-3-video (Black Forest Labs): 1449;
happyhorse-1.0 (Alibaba-ATH): 1442.

Schau dir die Stimmenzahlen auf Platz zwei und drei an. Beide unter 4.000. Bei gemini-omni-1.1-flash reicht die eigene Rangschätzung der Arena von Platz 2 bis 15, bei wan3.0 sogar von Platz 3 bis 16. Ich würde beide erst mal unter „abwarten und in einem Monat nochmal schauen“ ablegen.

Für diese Vorsicht gibt es einen Präzedenzfall, und der steht auf Platz sechs. Im Juni lag das ursprüngliche gemini-omni-flash mit Seedance gleichauf bei 1475, auf gerade einmal 3.014 Stimmen. Inzwischen hat es 87.155 Stimmen gesammelt und ist dabei zehn Punkte gefallen. Bevor wan3.0 und gemini-omni-1.1-flash nicht jeweils an die 50.000 Stimmen heranreichen, würde ich beide nicht über Seedance einsortieren, dafür ist mir zu genau in Erinnerung, wie tief gemini-omni-flash gefallen ist, sobald genug Stimmen zusammenkamen.

Woher kommt MiniMax H3?

MiniMax hat H3 am 31. Juli 2026 angekündigt, als ein Modell, das Text und Bilder im selben Kontext wie Video oder Audio liest und daraus Clips von bis zu 15 Sekunden in 2K mit Ton macht. In der Arena führt es mit 7 Punkten Vorsprung und einem Intervall von ±5 Punkten bei 57.112 Stimmen, die Rangschätzung reicht von Platz 1 bis 13. Das ist ein echter Vorsprung, keine gute Woche. Auch die Artificial-Analysis-Rangliste sieht es so: Dort führt H3 Max, gefolgt von der regulären H3-Version, auf der Bild-zu-Video-Tabelle mit Ton.

Offen sind die Gewichte von H3, was vielleicht erst mal nach einer guten Nachricht klingt, bis du dir die H3-Community-Lizenz auf Hugging Face durchliest. Vier Gebiete sind darin als ausgeschlossen aufgeführt, die USA gehören dazu, neben der EU, Großbritannien und Südkorea. Wenn du also in Deutschland sitzt und überlegst, das Modell auf der eigenen GPU laufen zu lassen: Die Lizenz deckt das nicht ab. Wie H3 mit Verpackungstexten oder Kleingedrucktem umgeht, hat öffentlich noch niemand getestet, im Moment ist also die Lizenz die größere praktische Hürde.

Über Hailuo kennen die meisten MiniMax überhaupt erst. Hailuo 2.3 liegt auf Platz 29 bei 1262, mit 405.786 Stimmen im Rücken. Für die Tabelle ist das wenig, klar. Auf Gesamtbewegung war es nie ausgelegt. Ich nutze es für Mimik in Nahaufnahmen, etwas, das eine allgemeine Abstimmung kaum belohnt.

Grok ist keine Überraschung mehr

Im Juni war noch xAI der Aufreger, mit zwei Grok-Imagine-Versionen in den Top Fünf. Seine 1.5-Vorschau lag auf Platz drei bei 1467. xAI hat 1.5 am 16. Juni aus der Vorschau geholt und als sein bisher bestes Bild-zu-Video-Modell bezeichnet. Heute steht es auf Platz acht bei 1456.

Die ältere Version, grok-imagine-video-720p, liegt derweil auf Platz 12 bei 1415. Ihre Stimmenzahl ist das eigentlich Ungewöhnliche daran: 554.050, mit Abstand mehr als bei jeder anderen Zeile. Vermutlich sagt das mehr darüber aus, wie oft ein schnelles, günstiges Modell in Vergleiche gesteckt wird, als über seine Qualität. Trotzdem: Im Juni hieß die Geschichte noch „die Billigoption crasht die Party“, im September ist sie deutlich ruhiger geworden. Grok lebt inzwischen im oberen Dutzend wie jedes andere etablierte Modell auch. Wenn ich für eine Bewegungsidee in Sekunden einen groben Eindruck brauche, geht es zu Grok Imagine, und in meiner ausführlicheren Grok-Imagine-Review steht, wo einen die Geschwindigkeit etwas kostet.

Seedance hat keinen einzigen Punkt verloren

121.427 Stimmen und ein Intervall von ±7 Punkten machen Seedance 2.0 zur am besten abgesicherten Zahl in den Top Fünf. Der Nachfolger, Seedance 2.5, liegt bei ungefähr einem Achtel der Stimmenzahl zwei Punkte höher, und zwei Punkte sind auf dieser Rangliste reines Rauschen. Für Clips, die aussehen sollen, als wären sie beiläufig mit dem Handy gedreht, ist Seedance 2.0 bei mir weiterhin die Standardwahl. Wechseln würde ich erst, wenn 2.5 einen Abstand zeigt, der größer ist als die eigene Fehlermarge.

Die bekannten Namen, weiter unten

Veo 3.1 mit Ton steht bei 1398, exakt auf dem Junistand, nur eben jetzt auf Platz 13 statt Platz 6. Dahinter folgt die 1080p-Audiovariante bei 1390, dann Veo 3.1 Fast mit Ton bei 1385. Kling v3 Pro ist von Platz 12 auf Platz 19 gerutscht, mit 1354 bei 206.221 Stimmen. HappyHorse 1.0 ist von Platz vier auf Platz zehn gefallen und hat dabei nur vier Punkte eingebüßt. Wan 2.7 liegt auf Platz 11 bei 1428.

Das Muster zieht sich nach unten durch. Etablierte Modelle bewegen sich im Score kaum und rutschen trotzdem ab, sobald neue Veröffentlichungen von oben nachdrängen. In drei Monaten haben vier neue Modelle Seedance überholt, ohne dass es dabei auch nur einen Punkt verloren hätte, und das hatte ich im Juni, als ich mir dieselbe Rangliste zuletzt angeschaut habe, so nicht erwartet.

Steht eines davon sowieso auf deiner Liste: Zu Veo 3.1 gibt es eine eigene Review, zu Kling 3.0 ebenfalls.

Sagt die zweite Rangliste dasselbe?

Ziemlich genau. Bei Artificial Analysis, mit Ton, läuft die Reihenfolge MiniMax H3 Max (1195), MiniMax H3 (1181), Gemini Omni Flash (1178), dann Seedance 2.0 bei 1176 und HiDream-O1-Video bei 1175, Wan 3.0 auf Platz sechs. Grok Imagine 1.5 liegt auf Platz acht, Veo 3.1 auf Platz elf. Beide Ranglisten rechnen mit einer anderen Skala, vergleich also die Reihenfolge und nicht die Zahlen selbst. Zwei unterschiedliche Nutzergruppen mit eigenen Prompt-Pools setzen dieselbe Handvoll Modellfamilien nach oben, und genau diese Übereinstimmung überzeugt mich tatsächlich.

Was ein Produkt braucht, das keine Abstimmung misst

Eine Arena-Stimme belohnt den hübscheren Clip. Wenn ich ein Produktfoto animiere, interessiert mich etwas anderes: wie viel vom Original erhalten bleibt, der genaue Farbton eines Stoffs, die Struktur einer Oberfläche, ein Logo, das ein Logo bleiben muss. Keine öffentliche Rangliste misst das, für mich ist die Top Ten deshalb eine Vorauswahl, die eigentliche Entscheidung fällt erst, wenn ich diese Kandidaten am echten Bild durchspiele.

Genau deshalb behandle ich die Top Ten als Vorauswahl und nicht als Urteil: Sie zeigt mir eine Handvoll Modelle, die einen Test wert sind, nicht das eine Modell, das bei einem echten Listing besteht. Meinen kompletten Ablauf für animierte Produktfotos habe ich in diesem Guide aufgeschrieben.

Hält sich das Muster, sollte Seedance 2.0 auch beim Dezember-Update noch bei 1475 stehen. H3 ausgenommen, stehen die meisten Modelle aus dieser Rangliste bei Flami schon nebeneinander, und genau dort finde ich am Ende heraus, welches Modell eine Farbe wirklich hält.

Fragen zur September-Rangliste

Welches Modell führt die Bild-zu-Video-Rangliste von arena.ai an?

minimax-h3 von MiniMax, mit 1495 bei 57.112 Stimmen, Stand Update vom 21. September 2026. Googles gemini-omni-1.1-flash folgt auf Platz zwei mit 1488, allerdings bei nur 3.734 Stimmen.

Ist Seedance 2.0 schlechter geworden?

Nein. Der Score liegt weiterhin bei 1475, bei 121.427 Stimmen, genau wie im Juni. Platz fünf ist es nur, weil MiniMax H3, Wan 3.0, Seedance 2.5 und ein neueres Gemini-Modell darüber gelandet sind.

Wo steht Grok Imagine jetzt?

grok-imagine-video-1.5-720p liegt auf Platz acht bei 1456. Auf Platz 12 mit 1415 folgt die ältere 720p-Version, die mit 554.050 Stimmen den Rekord auf der ganzen Rangliste hält.

Kann ich MiniMax H3 in Deutschland auf eigener Hardware betreiben?

Nach aktueller Lizenz nicht, denn sie schließt neben der EU auch Großbritannien, Südkorea sowie die USA aus dem Gebiet aus, in dem die Gewichte genutzt werden dürfen.

Warum stimmen arena.ai und Artificial Analysis nicht überein?

Jede Rangliste hat eigene Wähler, eigene Prompts und eine eigene Bewertungsskala. Am 30. September 2026 setzen beide MiniMax H3 auf Platz eins, und bei beiden stehen Seedance 2.0 und Gemini Omni Flash unter den Top Fünf.

Geprüft am 30. September 2026. Quellen: das arena.ai-Update vom 21. September 2026, sowie die laufende Artificial-Analysis-Rangliste.

LMArena-Rangliste Bild-zu-Video: MiniMax H3 an der Spitze