HiDream-O1-Video im Test: Bild-zu-Video, API-Preise und Start

👁 114 Aufrufe

Dieser Artikel wird laufend aktualisiert. Stand: 11. Oktober 2026.

HiDream-O1-Video-1.0 ist das Videomodell des Pekinger Unternehmens HiDream.ai, das am 11. Oktober 2026 den 6. Platz im Bild-zu-Video-Ranking von Artificial Analysis belegt (1175 Elo-Punkte, Konfidenzintervall 1165-1185). Laut AA belaufen sich die Kosten auf circa 5,19 EUR (5,80 USD) pro Minute, womit es günstiger ist als viele Spitzenmodelle (Umrechnungskurs der EZB vom 12.10.2026: 1 EUR = 1,1181 USD). Der Haken: Die ursprüngliche Ankündigung versprach Text-, Bild- und Videoeingaben, doch die öffentliche API akzeptiert bislang ausschließlich ein einzelnes Ausgangsbild und eine optionale Textanweisung.

Was ist HiDream-O1-Video und wer entwickelt es?

HiDream.ai (chinesisch: 智象未来) ist ein im März 2023 gegründetes Unternehmen aus dem Pekinger Bezirk Haidian. Gründer und Geschäftsführer ist Dr. Mei Tao, der zuvor zwölf Jahre bei Microsoft Research Asia forschte und danach als Vizepräsident für Computer Vision bei JD.com tätig war. Technischer Leiter (CTO) ist Yao Ting. Das Team machte sich zuvor vor allem durch Bildmodelle (HiDream-I1, E1, O1-Image) sowie die Plattform vivago.ai einen Namen.

An Kapital mangelt es dem Projekt nicht: Laut TechNode (18. September 2026) schloss HiDream im Juli 2026 eine Serie-C-Finanzierung über 1,5 Milliarden Yuan ab (circa 198,19 Mio. EUR bzw. 221,6 Mio. USD) und erreichte damit Unicorn-Status. Seit April 2026 flossen dem Startup insgesamt über 2,1 Milliarden Yuan zu. Das Unternehmen nennt über 30 Millionen Nutzer, mehr als 40.000 Firmenkunden und einen vertraglich zugesagten Umsatz von über 400 Millionen Yuan im ersten Quartal 2026.

O1-Video-1.0 ist das erste Videomodell aus der O1-Reihe. Der Hersteller bezeichnet es als nativ omnimodal („native omnimodal“) und betont drei Schwerpunkte:

• Physikverständnis - konsistente Modellierung von Schwerkraft, Trägheit, Kollisionen, Verformungen, Oberflächenmaterialien, Lichtverhältnissen und räumlicher Kontinuität.
• Planungsphase vor der Generierung - das System legt im Vorfeld Szene, Bewegungsprofile, Mimik, Bildkomposition, Kamerafahrten, Dialoge und Toneffekte fest.
• Variable Videolänge - zwischen 5 und 20 Sekunden, abgestimmt auf Handlung und Tempo, anstelle starrer 5- oder 10-Sekunden-Vorgaben.

Das Training erfolgte mittels Diffusion RL mit einem multimodalen Reward-Modell auf HiDreams unternehmenseigener UiT-Architektur (Unified Transformer). Eine wissenschaftliche Publikation zum Videomodell gibt es bislang nicht; das Paper auf arXiv (2605.11061) beschreibt das Schwestermodell O1-Image.

Platzierung im Ranking von Artificial Analysis

Die Rangliste von Artificial Analysis basiert auf standardisierten Blindtests: Bewertende sehen zwei generierte Videos auf Basis desselben Ausgangsmaterials und wählen das bessere Ergebnis. HiDream-O1-Video wird dort bislang ausschließlich im Bild-zu-Video-Segment geführt (AA-Video-I2V v1.0). Es erreicht 1175 Punkte bei einem 95-Prozent-Konfidenzintervall von 1165 bis 1185 (Stand: 11. Oktober 2026).

Datenquelle: Artificial Analysis, Bild-zu-Video (Stand: 11.10.2026). Die Intervalle sind auf ganze Punkte gerundet. Umrechnungskurs der EZB: 1 EUR = 1,1181 USD (Stand: 12.10.2026, Quelle: EZB).

Die Skala beginnt bei 1000 Punkten (Balkenlänge = (Elo - 1000) / 2 Prozent), um die feinen Abstände hervorzuheben. Zentrale Erkenntnisse:

• Die Ränge 2 bis 6 liegen statistisch gleichauf. HiDream trennen nur 6 Punkte von MiniMax H3, und die Konfidenzintervalle aller fünf Modelle überschneiden sich spürbar.
• Einzig MiniMax H3 Max setzt sich ab. Mit 1195 Elo-Punkten liegt die untere Grenze von H3 Max (1186) über der oberen Grenze von HiDream (1185).
• Vergleichsweise kleine Stichprobe für HiDream: Mit 3231 Paarvergleichen ist der Messbereich breiter als bei Modellen wie Seedance 2.0 (15.721 Vergleiche).
• Frühere Benchmark-Meldungen: Zur Veröffentlichung meldete HiDream Rang 4 im AA-Teilbereich „I2V With Audio“. Auf Arena.ai debütierte das Modell am 30. September auf Rang 7 mit 1456 Punkten.

Funktionsumfang: Ankündigung versus öffentliche API

Zwischen den Pressemitteilungen Mitte September und der tatsächlichen Schnittstelle klafft eine deutliche Lücke. Während das Marketing ein Modell für Text, Bild und Video versprach, dokumentiert die HiHarness-API ein reines Bild-zu-Video-System („single-image-to-video model“).

Quellen: Pressemitteilung von HiDream (17.09.2026), QbitAI (15.09.2026), HiHarness-Dokumentation. Auch Plattformen wie OrcaRouter (10.10.) und AlphaSignal (09.10.) wiesen auf diese Diskrepanz hin. Weitere Hintergrunddetails finden Sie im Bericht HiDream-O1-Video in der API auf Bild-zu-Video beschränkt.

Preise: Was kostet HiDream-O1-Video?

HiDream stellt bislang keine öffentlich zugängliche Preisliste für die API bereit. Der Richtwert von 5,80 USD pro Minute stammt aus der Datenbank von Artificial Analysis. Umgerechnet (1 EUR = 1,1181 USD, EZB-Referenzkurs vom 12.10.2026) entspricht das rund 5,19 EUR pro Minute. Daraus ergeben sich folgende Richtwerte pro Videoclip:

Hinweis: Bei der dynamischen Längenauswahl entscheidet das Modell über die Dauer, was exakte Budgetkalkulationen erschwert. Wer Planungssicherheit benötigt, sollte den Parameter force_10s nutzen. Einen Überblick über die Branche finden Sie im Artikel Kosten pro Sekunde bei KI-Videogeneratoren.

Abonnements auf vivago.ai

In der Webanwendung Vivago wird die Nutzung über Dollar-Abonnements abgerechnet. Die Tarife laut vivago.ai (Stand: 11.10.2026):

Wie viele Credits vivago für einen Clip mit O1-Video veranschlagt, geht aus der Übersicht vor der Registrierung nicht hervor.

Verfügbarkeit und Plattformen

• vivago.ai - Webanwendung von HiDream. Am 30. September vermeldete das Team (@vivago_ai), O1-Video sei in „vivago R1 Studio“ verfügbar. Die Pressemitteilung zum weltweiten Start von vivago R1 vom 9. Oktober spricht hingegen davon, dass O1-Video erst mit einem kommenden Update integriert wird. Prüfen Sie vor einem Upgrade im kostenlosen Tarif, ob das Modell für Sie auswählbar ist.
• HiHarness (hiharness.ai) - Hauseigene Entwicklerplattform von HiDream mit der Modell-ID HiDream-O1-Video-1.0. Ob Registrierung und Zahlungsabwicklung aus allen europäischen Ländern problemlos funktionieren, sollten Interessenten vorab direkt auf der Plattform prüfen.
• Aggregatoren und Drittanbieter - Fehlanzeige. Eine Prüfung am 11. Oktober 2026 ergab keine Einträge bei fal.ai, Replicate, WaveSpeed, OpenRouter (geprüft anhand der 30 Videomodelle unter /api/v1/videos/models), Segmind, reAPI, kie, Pollo oder Higgsfield.

Open Weights und lokaler Betrieb

Die Gewichte des Videomodells stehen nicht zur Verfügung. Weder auf Hugging Face noch im GitHub-Repository von HiDream wurden entsprechende Checkpoints hochgeladen. Es handelt sich um ein rein proprietäres Modell.

Frei zugänglich ist hingegen das Schwestermodell für Bildgenerierung, HiDream-O1-Image, das unter der MIT-Lizenz steht:

• Varianten: Full und Dev (veröffentlicht am 8. Mai 2026) sowie Dev-2604 (14. Mai 2026), dokumentiert auf der Modellkarte und auf GitHub.
• Größe: Rund 9 Milliarden Parameter, Bildausgabe bis 2048 x 2048 Pixel.
• Hardwarebedarf: Offiziell wird eine CUDA-fähige GPU verlangt. Eine Community-Konvertierung (von drbaph) beziffert den VRAM-Bedarf auf ca. 10 GB in FP8 sowie 17 bis 20 GB in BF16/FP16. Für den uneingeschränkten Einsatz empfiehlt sich somit eine Grafikkarte mit 24 GB VRAM.
• Die Pro-Version mit über 200 Milliarden Parametern bleibt proprietär.

Testlauf mit HiDream-O1-Image (Standbild)

Hinweis zur Einordnung: Da das Videomodell O1-Video nicht lokal verfügbar ist, bezieht sich dieser Test auf das Standbildmodell O1-Image. Ich habe die Vollversion am 11. Oktober 2026 über fal.ai (Endpunkt fal-ai/hidream-o1-image) ausgeführt: 50 Schritte, Guidance 5, Seed 20261011. Bei Kosten von 0,01 USD pro Megapixel fielen für zwei Generierungen rund ca. 0,018 EUR (0,02 USD) an. Getestet wurden die Darstellung von Sonderzeichen in Textaufschriften sowie die Umsetzung von Prompt-Details.

Fazit des Bildtests: Bei komplexen sprachspezifischen Sonderzeichen schleichen sich vereinzelt Fehler ein. Wer Standbilder als Startframes für Videos nutzen möchte, sollte Textaufschriften vorab kontrollieren. Visuelle Beschreibungen werden zuverlässig übernommen, wenngleich das Modell Hintergründe teils eigenmächtig ausschmückt.

Für kostensensible Setups bietet sich eine Kombination an: Das Erstellen des Ausgangsbildes erfolgt lokal über O1-Image, während die eigentliche Animation über die O1-Video-API berechnet wird. Technische Grundlagen zum Hardware-Setup finden Sie im Leitfaden für lokale KI-Systeme; Alternativen listet die Übersicht offener Bildmodelle. Wer ein Open-Weights-Videomodell aus den Toprängen sucht, findet entsprechende Checkpoints vor allem bei MiniMax H3 oder MAGI-2.

Schritt-für-Schritt-Anleitung

Nutzung über vivago.ai im Browser

1. Rufen Sie vivago.ai/studio auf und erstellen Sie ein kostenloses Konto.
2. Kontrollieren Sie in der Modellübersicht, ob HiDream-O1-Video für Ihren Account freigeschaltet ist.
3. Laden Sie ein scharfes Ausgangsbild mit klar erkennbarem Hauptmotiv hoch.
4. Geben Sie die gewünschte Handlung auf Englisch ein: Bewegungsabläufe, physikalisches Verhalten und optionale Audioeffekte. Die Videolänge können Sie auf Wunsch dem Modell überlassen.
5. Starten Sie den Rechenlauf und passen Sie den Prompt bei Bedarf an. Ein kostenpflichtiges Abonnement empfiehlt sich erst nach erfolgreichen Probedurchläufen.

Ansteuerung über die HiHarness-API

1. Erstellen Sie ein Konto auf hiharness.ai und generieren Sie einen API-Schlüssel.
2. Senden Sie eine POST-Anfrage mit der Bilddatei (als öffentlich erreichbare URL oder Base64-String ohne Data-URL-Präfix, Dateigröße 40 KB bis 20 MB).
3. Speichern Sie die übermittelte task_id aus der Serverantwort.
4. Fragen Sie den Statusendpunkt ab. Ein Wert von result.status = 1 bestätigt lediglich den Abschluss des Auftrags. Der tatsächliche Erfolg wird über das Feld task_status in sub_task_results signalisiert (0: Warteschlange, 1: Erfolgreich, 2: In Bearbeitung, 3: Generierungsfehler, 4: Durch Sicherheitsfilter blockiert).
5. Rufen Sie die fertige Videodatei über das Feld url ab.

Beispielhafter cURL-Aufruf laut HiHarness-Dokumentation (tragen Sie Ihren eigenen Schlüssel ein):

curl --request POST 'https://hiharness.hidreamai.com/api/maas/gw/v1/videos/generations' \
  --header 'Authorization: Bearer <YOUR_API_KEY>' \
  --header 'Content-Type: application/json' \
  --data-raw '{
    "model_id": "HiDream-O1-Video-1.0",
    "image": "https://example.com/input.png",
    "prompt": "The subject turns toward the camera, with gentle cinematic motion",
    "negative_prompt": "blur, distortion",
    "request_id": "my-video-task-001"
  }'

Das Abrufen des Ergebnisses erfolgt über die zurückgegebene Auftrags-ID:

curl --get 'https://hiharness.hidreamai.com/api/maas/gw/v1/videos/generations/results' \
  --header 'Authorization: Bearer <YOUR_API_KEY>' \
  --data-urlencode 'task_id=7aa15e3d-dcd6-4c27-9378-87ec97b2fbce'

Auffälliges Detail: Der Beispielcode enthält einen Parameter für negative_prompt, obwohl dieser in der formalen Parametertabelle der Dokumentation nicht aufgeführt ist (Stand: 11.10.2026). Praxiserprobte Anregungen finden Sie im Beitrag Prompts und Einsatzbeispiele für HiDream-O1-Video.

Vergleich mit alternativen Modellen

Datenbasis: Artificial Analysis sowie OpenRouter-Verzeichnis vom 11. Oktober 2026. In puncto Ausgabequalität bewegt sich HiDream auf Augenhöhe mit H3, Vidu Q4, Gemini und Seedance. Preislich ordnet es sich hinter H3 Max und Vidu Q4 im vorderen Drittel ein. Nachteile zeigen sich bei der Flexibilität: Text-zu-Video fehlt in der Praxis ebenso wie eine breite Integration bei Drittanbieter-Marktplätzen. Einen vertiefenden Vergleich liefert die Analyse HiDream-O1-Video im Duell mit MiniMax H3 und Vidu Q4. Standardisierte Vergleichstests finden Sie zudem in der Übersicht unserer Video-Arena.

Für welche Anwendungsbereiche eignet sich das Modell?

• Animation vorhandener Grafiken: Produktfotos, Renderings oder KI-generierte Standbilder lassen sich auf hohem Niveau in Bewegung setzen.
• Szenen mit anspruchsvoller Physik: Bewegungsabläufe, Materialverformungen und Kollisionen zählen zu den Kernkompetenzen der Architektur.
• Kombination mit O1-Image: Nutzer des freien Schwestermodells erhalten eine durchgängige Pipeline vom lokalen Entwurf bis zum finalen Video.

Weniger geeignet ist HiDream-O1-Video für folgende Zwecke:

• Reine Textprompts ohne Bildvorlage (hier bieten sich Wan 3.0 oder MiniMax H3 Max an);
• Projekte mit strengen Vorgaben bezüglich Auflösung, Framerate oder Audiospuren;
• Workflows, die auf maximale Preisersparnis bei höchster Benchmark-Platzierung abzielen (MiniMax H3 Max schneidet in beiden Punkten besser ab).

Einen umfassenden Marktüberblick finden Sie in unserer Kaufberatung zu den besten KI-Videogeneratoren.

Häufig gestellte Fragen (FAQ)

Beherrscht HiDream-O1-Video reine Text-zu-Video-Generierung?

In den ersten Ankündigungen wurde diese Funktion zugesagt. Die öffentlich nutzbare API auf HiHarness (Stand: 11. Oktober 2026) erfordert jedoch zwingend ein Eingangsbild. Dementsprechend taucht das Modell auch nicht im Text-zu-Video-Ranking von Artificial Analysis auf.

Welche Kosten fallen für HiDream-O1-Video an?

Artificial Analysis veranschlagt 5,80 USD pro Minute (ca. 5,19 EUR). Das entspricht rund 0,43 EUR (0,48 USD) für einen 5-Sekunden-Clip bzw. etwa 0,87 EUR (0,97 USD) für 10 Sekunden Videomaterial. Eine offizielle Preisliste des Herstellers liegt nicht vor.

Gibt es einen kostenlosen Testzugang?

Auf vivago.ai existiert ein Free-Tarif. Ob O1-Video darin dauerhaft nutzbar ist und wie viele Generationen zur Verfügung stehen, ist unklar, da sich die Mitteilungen des Anbieters vom 30. September und 9. Oktober 2026 teilweise widersprechen.

Kann man HiDream-O1-Video herunterladen und lokal betreiben?

Nein. Das Videomodell ist vollständig proprietär und nicht auf Plattformen wie Hugging Face verfügbar. Frei herunterladbar ist lediglich das Schwestermodell zur Standbilderzeugung, HiDream-O1-Image (MIT-Lizenz).

Werden Audiospuren automatisch miterzeugt?

Die ursprüngliche Modellbeschreibung kündigte synchronisierte Klänge und Lippenbewegungen an. In der Entwicklerdokumentation der API finden sich dazu jedoch keine Einstellmöglichkeiten oder Funktionshinweise.

Welche Videolängen lassen sich erzeugen?

Laut Ankündigung wählt das System flexibel zwischen 5 und 20 Sekunden. Über die API können Entwickler diese dynamische Auswahl nutzen oder mit dem Parameter force_10s eine feste Laufzeit von 10 Sekunden vorgeben.

Funktionieren Prompts in deutscher Sprache?

Der Anbieter macht keine verbindlichen Angaben zur Sprachunterstützung bei Prompts oder Sprachausgabe. Um Missverständnisse bei der Interpretation zu vermeiden, empfiehlt sich die Eingabe englischsprachiger Beschreibungen.

// weiterlesenYuE2 im Test: Wie gut singt die KI auf Polnisch?BenchmarksBeste Open-Source-Bildgeneratoren 2026: RanglisteBenchmarksYouTube-Thumbnails mit AI: Lesbarkeit auf Smartphones im TestBenchmarks