Vídeo de Flycatcher Studio — flycatcherstudio.com
Hoje estamos lançando o Boreal, nosso modelo de vídeo com IA para publicidade. Ele gera texto para vídeo e imagem para vídeo a um centavo por segundo, o que dá cerca de US$ 0,05 por um clipe de cinco segundos, e renderiza em tempo real, então esse clipe fica pronto mais ou menos no tempo que leva para assisti-lo. Nos nossos benchmarks, ele rivaliza com a qualidade dos melhores modelos fechados pelos quais os anunciantes pagam hoje, por uma fração do preço e até 40 vezes mais rápido.
Este post fala sobre por que o criamos, como ele funciona e o que os números realmente mostram, incluindo onde ele deixa a desejar.
Criar anúncios em vídeo é o nosso trabalho, então partimos das duas coisas que um anúncio precisa acertar, que por acaso são as duas coisas que os modelos de vídeo de uso geral mais erram. Uma pessoa precisa parecer um criador real filmando a si mesmo, com pele natural, ritmo natural e nenhum brilho de IA. E um produto precisa continuar sendo exatamente o objeto que o anunciante vende, com o mesmo rótulo, o mesmo texto e o mesmo formato, sem variantes inventadas e sem uma segunda unidade aparecendo no meio da cena. A maioria dos modelos troca tranquilamente um criador por outra pessoa no meio do clipe ou derrete o rótulo de um produto num amontoado sem sentido, e essas são as falhas que o espectador percebe na hora.
Treinado com publicidade, ajustado para as necessidades de marketing
É isso que treinamos o Boreal para proteger. Ele é construído sobre um modelo open source de geração de vídeo que gera áudio e vídeo em conjunto.
Fizemos o pós-treinamento dele com um grande volume de imagens publicitárias, direcionando-o para o que um anúncio precisa: um produto que continua sendo exatamente o objeto que o anunciante vende e uma pessoa que parece um criador real. Como somos donos dos pesos e os servimos nós mesmos, podemos oferecer essa qualidade a um centavo por segundo e em tempo real, em vez de pagar preço de tabela e esperar na fila de outra empresa a cada clipe.
O restante deste post mostra o que esse treinamento entrega, medido em comparação com a base original por meio de um pipeline idêntico e confirmado por avaliação humana às cegas e métricas de imagem.
O que os números mostram
Para medir o que o pós-treinamento realmente mudou, mantemos tudo idêntico, exceto os pesos treinados: o mesmo prompt reescrito, a mesma imagem de entrada, a mesma resolução, o mesmo número de frames e a mesma seed, executados pelo pipeline em produção. A única variável é o modelo.
Em avaliações lado a lado às cegas, os avaliadores preferiram o Boreal à sua base original em 81% das comparações decisivas (25 a 6, com 9 empates, em 40 casos de produção; teste dos sinais p<0,001). Separando por tipo de caso, são 83% em anúncios de produtos, 85% em cenas de criadores e UGC e 60% em clipes de uma pessoa falando, toda a gama do que os clientes realmente produzem.
Os casos de produto são a metade difícil e de maior risco, e terminaram 5 a 1, com 2 empates, a favor do Boreal na avaliação às cegas. Para medir a fidelidade sem um humano, acompanhamos quanto do detalhe da imagem de entrada sobrevive até o último frame e quanto do movimento é deformação não rígida. Em comparação com a base, o Boreal mostra ganhos significativos em qualidade de imagem (MUSIQ, p<0,001) e na retenção de detalhes finos (+11,3%, p=0,004), com a deformação em tendência de queda. Em termos simples: um diário personalizado mantém o design da capa e o nome da criança na câmera durante todo o clipe; um criador continua sendo a mesma pessoa em vez de ser trocado no meio da cena; uma demonstração de app renderiza a interface real, onde a base pinta um papel de parede genérico.
Como o Boreal se compara aos modelos fechados
A verdadeira pergunta comercial não é se o pós-treinamento supera sua própria base, mas se o resultado compete com o modelo fechado que um anunciante compraria de outra forma. Então colocamos o Boreal contra os modelos fechados que um anunciante consideraria, com entradas idênticas.
O Boreal empata com o Seedance 2.0 em qualidade perceptual e o supera em movimento, sendo cerca de 40 vezes mais rápido e 12 vezes mais barato no preço avaliado. Vamos ser honestos sobre a contrapartida: em fidelidade bruta, os números de qualidade ficam a poucos pontos percentuais de diferença em ambas as direções, e o Seedance renderiza essas entradas em 1080p contra a nossa saída na faixa de 720p, então as medidas sensíveis à resolução pendem a favor dele, não do nosso. O que difere em duas ordens de grandeza é o tempo e o custo. Durante nosso benchmark, o Seedance 2.0 entregou um clipe de cinco segundos em uma mediana de 198 segundos por US$ 0,60; o Boreal o entrega em cerca de 5 segundos por US$ 0,05.
O H3 Max é o outro ponto de referência. Ele informa uma inferência bruta mais rápida do que nossa meta de cinco segundos, mas custa cerca de oito vezes mais por clipe de cinco segundos no preço de tabela do dia do lançamento, o que deixa o Boreal com a melhor relação qualidade-custo do conjunto. Comparado ao mais novo Seedance 2.5, cujo preço de tabela de imagem para vídeo em 720p era de cerca de US$ 0,473 por segundo no início de setembro de 2026, o Boreal, a um centavo por segundo, é cerca de 47 vezes mais barato: cerca de US$ 0,05 por um clipe de cinco segundos contra US$ 2,31.
Colocando tudo numa única escala de qualidade de anúncio, a contrapartida fica fácil de ver. Num julgamento às cegas, justo com o produto, em 20 prompts de anúncio, o Boreal é aprovado 70% das vezes por cinco centavos o clipe. O Seedance 2.0 pontua mais, com 80%, mas no preço de tabela atual essa qualidade custa mais de 30 vezes mais; o H3 Max fica em 65% por oito vezes o preço; e a base original chega a 50%. O Boreal é o ponto de melhor qualidade por dólar do conjunto e, em velocidade, supera todos exceto o H3 Max, que pontua abaixo dele.
Na prática, fica assim: um storyboard de vinte tomadas de cinco segundos custa cerca de US$ 1 e fica pronto em menos de dois minutos no Boreal, contra cerca de US$ 12 e mais de uma hora na fila do fornecedor no Seedance 2.0. Todas as comparações aqui vêm dos nossos próprios testes com esses modelos e entradas idênticas. Você pode ver as especificações do Boreal na página do modelo.
Preço e velocidade, pensados para usuários de API
A diferença é maior no nível da API, onde as equipes geram em volume, então é aqui que o Boreal foi projetado para vencer. Duas coisas impulsionam isso.
A primeira é como cobramos. O Boreal é cobrado por segundo de vídeo finalizado, não por crédito nem por token, então você pode calcular o custo de geração de vídeo com IA antes de rodar o trabalho, e não depois. Um segundo de vídeo custa um centavo. Um clipe de cinco segundos custa cinco centavos. Vinte deles custam cerca de um dólar. Para quem já tentou descobrir o custo por segundo de geração de vídeo a partir de um sistema de créditos opaco, essa previsibilidade é o que importa.
A segunda é a capacidade de processamento. Rodando na nossa própria infraestrutura de serviço otimizada, o Boreal gera um segundo de vídeo finalizado para cada segundo de tempo de GPU, 1:1 com o tempo real. Uma geração barata que ainda leva minutos não muda o seu jeito de trabalhar; uma geração barata que volta em segundos muda. Você pode rodar várias versões de uma tomada ao mesmo tempo, ficar com a que funciona e ainda pagar menos do que uma única geração em outro lugar.
Onde o Boreal está hoje, com honestidade
O Boreal é um modelo novo, e preferimos dizer onde ele é mais fraco a deixar você descobrir no meio de uma campanha. Ele é mais forte em clipes curtos e cenas simples. Onde ele menos melhora em relação à base é em clipes de uma pessoa falando, em que os dois ficam mais próximos, com 60%. Na sincronia labial, ele empata com a base, e uma variante separada da mesma linhagem, especializada em áudio, se sai melhor, que é a direção para onde esse trabalho está indo. E em resolução bruta, um modelo topo de linha em 1080p ainda leva vantagem no tipo de tomada em que a resolução é exatamente o que você está comprando.
Do que temos certeza é da contrapartida para a qual o Boreal foi construído: a qualidade que decide um anúncio, com o produto e o criador preservados, a um custo e uma velocidade que nada na mesma faixa de qualidade alcança.
O que vem a seguir
Estamos treinando um avaliador que pontua defeitos explícitos, como objetos extras, alterações de rótulo e mudanças de identidade, para que o modelo possa otimizar justamente contra as alucinações que prejudicam um anúncio. Também estamos estendendo o Boreal para geração condicionada por referências, para anúncios com várias tomadas criados a partir de diferentes vistas do produto ou do rosto de um criador. Ambos miram a mesma coisa: mais da consistência de que os anunciantes precisam, em comerciais mais longos e complexos.
Experimente o Boreal
O Boreal já está disponível, com suporte a texto para vídeo e imagem para vídeo desde o lançamento. Você pode acessá-lo pela nossa API, gerar com ele no Playground de Modelos do Creatify, colocá-lo para trabalhar dentro do AdFlow ou rodá-lo no fal.ai. Todos os detalhes estão na página do modelo Boreal. Acreditamos que ele é a opção com a melhor qualidade por dólar em vídeo com IA hoje, e ele está aí para você colocar à prova.
