Veo 3.1 vs Kling 3.0 vs Runway: qual usar

Testei Veo 3.1, Kling 3.0 e Runway nos mesmos vídeos de produto. Veja onde cada um ganha em realismo, movimento, som e edição, e quando combinar os três.

Não existe um vencedor único quando você bota Veo 3.1, Kling 3.0 e Runway pra competir de verdade. Cada um tem um temperamento completamente diferente: o Veo acerta a luz, o Kling acerta o movimento, o Runway só arruma o que você já filmou. Escolher um pra fazer tudo geralmente significa pagar por um meio-termo.

Meu trabalho na Flami é do lado de produto: rodo modelos de vídeo em clipes reais e anoto onde cada um segura e onde derrapa. Nos últimos meses Veo 3.1, Kling 3.0 e Runway passaram por umas boas centenas de gerações comigo, boa parte em cenas idênticas, então pelo menos a disputa foi justa. Ninguém me paga pra fazer propaganda de nenhum deles.

Resumo antes de entrar nos detalhes.

Se você só tem um minuto

O Veo 3.1 é o melhor em fotorrealismo e pessoas. Gera som nativamente, com clipe base de 8 segundos que dá pra esticar com o Extend, chega a 4K com upscaling na Flami, de 1 a 5 minutos por render. Uso pra produto premium, cena de lifestyle, qualquer coisa com ator ou locução;
O Kling 3.0 é o melhor em movimento, texto legível na embalagem e corte entre vários planos dentro de uma geração só. Os clipes vão de 3 a 15 segundos, com áudio nativo em cinco idiomas, e o render normalmente fica abaixo de 2 minutos. Uso pra anúncio de impacto e pra volume;
Runway ganha o espaço dele editando material que você já tem. Gen-4 Turbo faz clipes de 5 ou 10 segundos em 720p ou 1080p em cerca de 30 segundos, sem som. Uso pra consertar o que já foi filmado.

O que não cabe numa lista vem logo abaixo.

Veo 3.1, pra imagem que passa por gravação de verdade

Coloca uma jaqueta de couro cara ou um frasco de perfume na frente do Veo 3.1 e o resultado costuma parecer sessão de estúdio, não "a IA se esforçou". Dos três, é o mais consistente em fotorrealismo nos meus testes. A luz parece natural, e as sombras têm peso de verdade. Tecido, vidro, o que estiver no quadro, a textura lê como real, não como renderizado.

O que realmente separa o Veo é o som. Ele gera áudio na mesma passada que a imagem: diálogo e sincronia labial inclusos, então num vídeo de produto com locução sobra uma etapa inteira que eu não preciso mais fazer. Os rostos também seguram bem. Expressão facial e o jeito de andar das pessoas ficam mais convincentes do que nos outros dois.

Os pontos fracos são práticos. Uma única geração para em 8 segundos, e qualquer coisa mais longa passa pelo Extend. Segundo a documentação do Veo da Google para a API do Gemini, cada extensão adiciona 7 segundos e dá pra encadear até 20 delas, mas as extensões só rodam em 720p. Funciona. Só que é uma etapa a mais, e o modo de qualidade também não é rápido, de 3 a 5 minutos por clipe pra mim. Quando preciso de uma centena de vídeos pra um catálogo, não é no Veo que eu aposto. Devagar demais, e consome muito crédito.

Roupa, skincare, qualquer produto premium em que a imagem precisa parecer cara e tem gente ou voz no meio, é aí que eu ligo o Veo. Minha análise mais longa do Veo 3.1 tem o resto.

O Kling 3.0 carrega o grosso do trabalho

Em volume, o Kling 3.0 é meu cavalo de batalha. Por quê?

Movimento, antes de tudo. O Kling lida com física com segurança: tecido ondula do jeito certo, e o cabelo realmente se move com o vento. Líquido também se comporta como líquido, sem aquele tremelique de gelatina que eu ainda vejo em modelos mais fracos. A câmera também não fica parada. Numa geração só ele corta de um close pra um plano médio e depois um plano aberto, até seis planos diferentes nos meus testes, sem precisar editar depois. Pra um anúncio de ritmo acelerado isso economiza bastante trabalho de ajuste.

Só que a coisa que mais importa pra trabalho de produto é o texto. O Kling mantém a letra da embalagem legível bem mais vezes que os outros, com o nome da marca nítido e a logo também. Até a lista de ingredientes segura, em vez de virar rabisco. O próprio guia do Video 3.0 da Kling vende a ideia de "letra precisa", e em cosméticos, suplementos ou produtos de limpeza, onde o rótulo carrega informação de verdade, eu não achei nada melhor. Com Veo e Runway o texto da caixa foge do lugar com mais frequência.

Confira seu mercado antes de contar com o áudio. O guia do Kling lista cinco idiomas pra som nativo, e o inglês é um deles. Os outros quatro são chinês, japonês, coreano e espanhol. Português não está na lista, então pra um anúncio nesse idioma você vai dublar à parte, e isso é uma etapa extra de verdade num vídeo de alguém falando na tela. Pra clipe sem fala não faz diferença.

Eletrônico vai pro Kling. Artigo esportivo também, anúncio curto com uma mini história e basicamente qualquer série em que eu precise de volume com movimento decente. Tem uma análise separada do Kling 3.0 se você quiser a versão longa.

O Runway não está disputando a mesma coisa

Muita gente se confunde aqui, então vou direto ao ponto. Comparar o Runway de igual pra igual com Veo e Kling em gerar do zero não é bem justo, porque a força dele está em outro lugar.

Editar vídeo que já existe é a praia do Runway. O modelo Aleph faz algo que os outros dois não fazem: pega um clipe gravado no celular ou gerado em outro lugar e muda com uma instrução em texto. Realuz, tira um objeto que atrapalha, troca o fundo, muda o clima, desloca o ângulo de câmera. Um artista de efeitos visuais costumava gastar uma tarde inteira nisso numa ilha de edição. Uma frase digitada basta pro Aleph chegar lá. Runway anunciou o Aleph 2.0 em 21 de maio de 2026, e agora ele funciona em até 30 segundos de material em 1080p e aplica uma edição em vários planos de uma vez.

Depois tem a velocidade. Gen-4 Turbo me entrega um clipe em cerca de 30 segundos, várias vezes mais rápido que os outros dois. Quando preciso de uma pilha de clipes simples rápido, isso pesa bastante.

A qualidade bruta de geração é sólida, mas para em 1080p e meus clipes de Gen-4 Turbo saem mudos. Por isso não trato o Runway como meu gerador "cinematográfico" principal. Como camada de pós-produção em cima do Veo ou do Kling, ele é difícil de substituir: monta a base num modelo, depois acerta a luz e limpa o quadro no Runway. Detalhei o Aleph na análise do Runway Aleph.

Como eu dividiria um produto entre os três

Veja como a escolha se resolve na prática, em trabalho de verdade.

Um frasco de perfume premium que precisa de cara cara e talvez uma frase de locução sussurrada vai pro Veo. Ele resolve a luz no vidro e a voz numa tacada só.

Um liquidificador de cozinha vai pro Kling. Triturar fruta com energia de verdade e respingo é exatamente o tipo de movimento que ele manda bem, e se tiver marca na caixa, ela também não borra.

Um clipe que alguém já gravou no celular: fundo bagunçado e luz sem graça? Runway. O Aleph limpa o fundo e reacende a luz sem precisar regravar.

E a combinação que eu mais uso é gerar a base no Kling e fazer a limpeza final e o ajuste de luz no Runway. É essa combinação que realmente sai do papel nos meus trabalhos, não é uma regra, é só a que segue funcionando mais vezes.

Escrevo prompt igualmente detalhado pros três, quebrado por segundo. Ação descrita, luz também. Isso aqui é mais ou menos o rascunho que eu daria pro Veo nesse frasco de perfume:

"Anúncio premium de 8 segundos. Um frasco de perfume sobre mármore escuro. De 0 a 3 s: aproximação lenta da câmera, um feixe estreito de luz atravessa o vidro, as facetas pegam a luz com refração e um brilho de destaque. De 3 a 6 s: uma névoa leve de spray fica no ar e assenta devagar, o reflexo no mármore treme de leve. De 6 a 8 s: a câmera segura num close do rótulo, uma voz feminina suave fora de quadro diz o nome da marca. Luz cinematográfica, profundidade de campo rasa, clima de luxo tranquilo."

Pro Kling eu acrescentaria trocas de plano nesse mesmo texto. Pro Runway eu reescreveria como instrução de edição pra um quadro já pronto.

O que dizem os rankings às cegas

Nenhum dos três está no topo agora. Confesso que isso me surpreendeu um pouco. No ranking de texto para vídeo do arena.ai, atualizado em 21 de setembro de 2026, as variantes do Veo 3.1 com áudio ficam entre o 12º e o 15º lugar, com pontuação por volta de 1358 a 1364. Runway Gen-4.5 está em 27º com 1225. O Kling 3.0 nem aparece nesse ranking. Já o ranking de texto para vídeo da Artificial Analysis, com áudio, coloca o Kling 3.0 Omni 1080p em 14º com 1015, a versão Pro em 15º com 1000, e o Veo 3.1 em 17º com 967, enquanto o Runway nem consta ali. Modelos mais novos ocupam o topo dos dois rankings, vindos da Alibaba, da Google e da ByteDance.

Não sei o quanto isso deveria pesar na sua escolha pra trabalho de produto. Quem vota vê um prompt aleatório e escolhe o clipe mais bonito. Ninguém está conferindo se a embalagem ficou legível na tela.

Preço, porque a comparação não serve pra nada sem ele

Dentro da Flami os três rodam numa assinatura só paga em créditos, e o que um clipe custa depende do modelo, da duração, do nível de qualidade escolhido. A lógica, de forma simples, é essa: o Runway Turbo costuma custar menos, é rápido mas limita em 1080p. Veo no modo qualidade custa mais, porque empurra pra 4K mais som. O Kling fica no meio, mais perto do Runway do que do Veo. Se você está calculando custo por vídeo em escala, vale ter isso em mente. Nem todo clipe merece o Veo, e boa parte do trabalho sai bem no Kling por menos.

O outro detalhe prático é o acesso. Ter os três por conta própria significa lidar com contas e cobranças separadas, e ainda trocar de aba toda vez que você quer comparar um clipe. Ter tudo num lugar só significa que eu consigo rodar o mesmo prompt em cada um e escolher com os meus próprios olhos. É exatamente o que eu faço sempre que chega um tipo novo de produto.

Então qual escolher?

Se me encurralassem contra a parede exigindo uma resposta de uma linha só, eu não escolheria um. No geral é Veo quando a cena precisa parecer cara ou carrega locução, e Kling quando eu só preciso de volume. O Runway só entra depois que algo já foi gravado e precisa de conserto. Foi assim que funcionou pros meus produtos. Pro seu pode ser diferente.

Já tentei a abordagem "escolhe só um modelo universal" umas cinco vezes. Toda vez eu voltei pra modelos diferentes pra produtos diferentes. Talvez seu nicho seja mais simples que o meu, não sei dizer. Bota o seu produto nos três e confia nos seus próprios olhos, mais do que nas minhas anotações. Conta nova na Flami ganha crédito inicial de graça bem pra isso.

Perguntas que me fazem

Qual é o melhor gerador de vídeo com IA em 2026?

Não existe um melhor único. Escolha o que combina com a cena que você tem na sua frente, ou simplesmente rode o seu produto com o crédito grátis da Flami e veja qual clipe você realmente publicaria. Nos rankings públicos às cegas, modelos mais novos aparecem acima dos três no momento.

Veo ou Kling pra vídeo de produto?

Depende da cena. Se precisa parecer caro ou tem alguém falando na câmera, Veo. Se o rótulo precisa ficar nítido em meio a movimento rápido, o Kling ganha essa disputa com folga.

O Kling 3.0 gera áudio em português?

Não. O Kling atende cinco idiomas nativamente, e português não é um deles: a lista é inglês, chinês, japonês, coreano e espanhol. Pra um anúncio em português, você adiciona a voz à parte.

Qual a diferença do Runway pro Veo e pro Kling?

Ele é basicamente um editor. A partir de uma instrução em texto, o Aleph muda a luz num material que você já tem. Também remove objeto, ou troca o fundo. Os geradores dele são rápidos, mas meus clipes de Gen-4 Turbo não vêm com som.

Dá pra usar vários modelos no mesmo vídeo?

Dá, e muitas vezes é a melhor opção. Gera a base no Kling. Depois faz o ajuste de luz e a limpeza no Runway. Na Flami os três ficam sob uma assinatura só.

Atualizado em 30 de setembro de 2026.

Veo 3.1 vs Kling 3.0 vs Runway: testei os mesmos vídeos de produto nos três