Die besten Serverless-Anbieter für KI-Videos 2026
Vergleichen Sie fal, PixVerse, Baseten, Runpod und Modal bei KI-Videoinferenz, Preisen, Bereitstellung und Marketing mit einem Test von drei Modellen.
Die Wahl eines Serverless-Anbieters für KI-Videos hängt davon ab, was Ihr Team liefern muss. fal eignet sich für die Bereitstellung offener Videomodelle mit Fine-Tuning und automatischer Skalierung. PixVerse verbindet eigene Videomodelle, Werbe-Workflows und eine bearbeitbare Canvas für Marketingteams. Baseten, Runpod und Modal bieten Teams unterschiedliche Grade an Kontrolle über Bereitstellung und Infrastruktur.
Für einen konkreten Vergleich haben wir drei Modelle mit demselben Produktbild und Prompt getestet. Die folgenden Preise und Limits sind öffentliche Listenwerte, die am 2. November 2026 geprüft wurden, sofern keine Aktion angegeben ist. Der Test fand am 3. November 2026 statt. Prüfen Sie vor der Budgetierung eines produktiven Workflows die aktuellen Preise der Anbieter.
Die Aufgabe: aus einem Produktbild ein nutzbares Video machen
Ein Marketingteam benötigt aus einem freigegebenen Produktfoto zwölf fünf Sekunden lange Clips im Format 16:9 für seine Website und Videoanzeigen. Ein Entwickler muss die Produktion verlässlich automatisieren. Fünf Faktoren bestimmen, welcher Anbieter passt:
| Prüfkriterium | Warum es wichtig ist |
|---|---|
| Geschwindigkeit pro Clip | Minutenlange Wartezeiten für jede Variante bremsen die Prüfung. |
| Preis pro Sekunde | Mit jeder Variante steigen die Kosten. |
| Fine-Tuning und Bereitstellung | Eine Produkt-LoRA muss eventuell neben einem Basismodell laufen. |
| Automatische Skalierung | Ein Launch sollte weder Fehler noch Kosten für ungenutzte GPUs verursachen. |
| Kreativwerkzeuge | Werbe-Workflows und Bearbeitung unterstützen das Team über das Modell hinaus. |
Die engere Auswahl
- Offene Videomodelle: Serverless-Inferenz von fal. APIs für gehostete offene Modelle, Fine-Tuning, eigene Bereitstellungen, sekundengenaue Abrechnung und automatische Skalierung auf null.
- Marketing-Videoproduktion: PixVerse. V6 und V6 Max, Werbe-Workflows und Canvas in einem Arbeitsbereich. Die PixVerse API listet V6 für 720p ohne Ton mit 0,040 US-Dollar pro Sekunde.
- Gehostete Video-Endpunkte mit Option auf eigene Worker: Runpod. Die Public Endpoints enthalten Wan 2.2 für Bild-zu-Video; mit Serverless können Sie eigene Worker betreiben.
- Dedizierte Bereitstellungen mit veröffentlichtem SLA: Baseten. Monatliches Verfügbarkeits-SLA von 99,9 % und Abrechnung pro GPU-Minute.
- Eigene Python-Videopipelines: Modal. Sekundengenaue GPU-Abrechnung und 30 US-Dollar kostenloses Rechenvolumen pro Monat im Starter-Tarif.
Anbieter im Überblick
| Anbieter | Was Sie aufrufen | Abrechnungseinheit | Beispielpreis für Video | H100 pro Stunde | Eigenes Modell bereitstellen? |
|---|---|---|---|---|---|
| fal | Gehostete offene und proprietäre Modelle oder Ihr eigenes | Videosekunde; GPU-Sekunde für eigene Apps | Wan 2.2 I2V, 480p: 0,04 US-Dollar/s | Listenpreis 4,50 US-Dollar; ab 2,49 US-Dollar | Ja |
| PixVerse | V6, V6 Max, C1, Werbe-Workflows und Canvas | Credits pro Videosekunde | V6, 720p mit Ton: 0,053 US-Dollar/s | k. A. | Nein |
| Baseten | Von Ihnen bereitgestellte Modelle | GPU-Minute | Abhängig von der Bereitstellung | Etwa 6,50 US-Dollar | Ja |
| Runpod | Public Endpoints oder eigene Worker | Anfrage oder GPU-Sekunde | Wan 2.2 I2V, 720p, 5 s: 0,30 US-Dollar | 5,39 US-Dollar, Serverless H100 | Ja |
| Modal | Eigene Python-Funktionen | GPU-Sekunde | Abhängig von der Implementierung | Etwa 3,95 US-Dollar | Ja |
Die H100-Werte vergleichen Serverless-Bereitstellungstarife, keine identischen Video-Workloads. Für ein Videobudget sollten Sie die Kosten der Clips vergleichen, die Ihr Team tatsächlich freigibt.
Die Anbieter im Detail
1. fal: offene Videomodelle und eigene Inferenz
Die Serverless-Inferenz von fal ist auf generative Medien ausgelegt. Teams können gehostete Modelle wie Wan, LTX und MiniMax H3 aufrufen, unterstützte Modelle per Fine-Tuning anpassen oder eigene Gewichte bereitstellen.
H3 Max von fal ist eine nachtrainierte Version des Open-Weight-Modells MiniMax H3. Am 2. November belegte es in der Bild-zu-Video-Bestenliste von Design Arena mit 1.321 Elo und einer durchschnittlichen Generierungszeit von 5,7 Sekunden Platz eins. Ranglisten ändern sich. Zum Zeitpunkt des Vergleichs lagen die Standardpreise von H3 Max bei 0,05 US-Dollar pro Sekunde für 480p und 0,08 US-Dollar für 768p. Eine separate, zeitlich begrenzte Aktion senkte den Preis unseres getesteten fünf Sekunden langen 768p-Clips auf 0,28 US-Dollar. Wan 2.2 Bild-zu-Video kostete 0,04 US-Dollar pro Sekunde für 480p und 0,08 US-Dollar für 720p.
Für Fine-Tuning listet der Wan 2.2 Bild-zu-Video-Trainer von fal 0,005 US-Dollar pro Schritt, also etwa 5 US-Dollar für 1.000 Schritte. Eine trainierte LoRA kann über den entsprechenden Wan-Endpunkt laufen. Teams mit eigenen Modellgewichten können eine Python-fal.App oder einen Container paketieren und über fal bereitstellen.
Auf der Preisseite von fal sind Serverless-H100-GPUs mit einem Listenpreis von 4,50 US-Dollar pro Stunde angegeben; der niedrigste beworbene Preis liegt bei 2,49 US-Dollar. Runner werden sekundengenau abgerechnet, solange sie aktiv sind; Wartezeiten auf Hardware und das Herunterladen von Images werden nicht berechnet. Der niedrigere Preis hängt von kommerziellen Bedingungen ab. Für ein neues Budget ist daher der Listenpreis die vorsichtigere Grundlage. Ungenutzte Apps können auf null skalieren; über Nebenläufigkeitseinstellungen lässt sich Kapazität für Lastspitzen begrenzen oder vorhalten.
Über dieselbe API sind auch PixVerse V6, Kling und Seedance erreichbar. Teams, die vor allem PixVerse-Modelle nutzen, sollten den Endpunktpreis von fal direkt mit der PixVerse API vergleichen.
Abwägung: Für die Bereitstellung eines eigenen Modells benötigen Sie Serverless-Zugang, den fal für jedes Konto einzeln genehmigt.
2. PixVerse: Modelle und Marketing-Workflows an einem Ort
PixVerse richtet sich sowohl an Videokreative als auch an Entwickler, die die Produktion automatisieren. V6, V6 Max und C1 unterstützen kurze Text-zu-Video- und Bild-zu-Video-Clips mit Auflösungen bis 1080p. V6 Max erschien am 22. Oktober 2026 mit optionalem nativem Ton.
Der Preisleitfaden für die PixVerse API verwendet als Referenzumrechnung 225 Credits für 1 US-Dollar. Zu den geprüften Tarifen ergaben sich folgende Preise pro Sekunde:
| Modell | 720p, ohne Ton | 720p, mit Ton | 1080p, mit Ton |
|---|---|---|---|
| V6 | 0,040 US-Dollar | 0,053 US-Dollar | 0,102 US-Dollar |
| V6 Max | 0,049 US-Dollar | 0,067 US-Dollar | 0,124 US-Dollar |
Bei V6 mit 720p ohne Ton lag der direkte Preis der PixVerse API rund 11 % unter dem Endpunktpreis von fal von 0,045 US-Dollar pro Sekunde. Der tatsächliche Creditverbrauch hängt vom Modell und den Anfrageeinstellungen ab; prüfen Sie für die Produktionskosten die endgültige Abrechnung.
Der Marketing Hub bietet geführte Workflows für Videoanzeigen. Canvas hält Referenzen, Prompts und Ergebnisse in einem bearbeitbaren Graphen zusammen. So lässt sich leichter nachvollziehen, welche Eingaben einen Clip erzeugt haben. Figurenwerkzeuge und Lippensynchronisation unterstützen Anzeigen mit Sprechern; weitere Modelle wie Kling und Seedance sind im selben Arbeitsbereich verfügbar. Ein wiederholbarer Workflow kann anschließend in die API oder CLI übertragen werden.
In unserem unten beschriebenen Test mit dem Produktfoto erzeugte V6 die wirkungsvollste Kamerafahrt nach vorn unter den drei Modellen, zum niedrigsten Listenpreis pro Clip. Der Text auf dem Etikett blieb in allen vier Beispielen scharf. PixVerse R2, das Echtzeit-Weltmodell, zeigt zudem einen Weg zu interaktiven Video- und Audioerlebnissen, die durch Eingaben der Zuschauer beeinflusst werden.
Kapazitätshinweis: Die Nebenläufigkeit der API hängt vom Tarif ab. Prüfen Sie das verfügbare Limit vor dem Start einer Kampagne.
3. Baseten: dedizierte Bereitstellungen mit SLA
Baseten ist eine verwaltete Option für Teams, die ein Modell mit einer veröffentlichten Verfügbarkeitszusage produktiv betreiben möchten. Das Unternehmen nennt ein monatliches SLA von 99,9 % und bietet eine Vorlage für die Bereitstellung von Wan 2.2 Text-zu-Video. Der H100-Tarif beträgt 0,10833 US-Dollar pro GPU-Minute, also etwa 6,50 US-Dollar pro Stunde. Bereitstellungen skalieren standardmäßig nach 15 Minuten ohne Anfragen auf null.
Abwägung: Baseten bietet keinen direkt aufrufbaren Katalog gehosteter Videomodelle wie die oben genannten Modell-APIs. Sie stellen das Modell selbst bereit und optimieren es. Zudem ist der ausgewiesene H100-Tarif in diesem Vergleich am höchsten.
4. Runpod: gehostete Endpunkte und eigene Worker
Die Public Endpoints von Runpod bieten sofort aufrufbare Videomodelle. Zu den geprüften Tarifen kostete ein fünf Sekunden langer Wan 2.2 Bild-zu-Video-Clip in 720p 0,30 US-Dollar; Kling v2.1 Pro Bild-zu-Video kostete für fünf Sekunden 0,45 US-Dollar.
Runpod Serverless kann auch eigene Worker ausführen. Laut Preisseite kostet eine Serverless H100 5,39 US-Dollar pro Stunde, mit sekundengenauer Abrechnung. Runpod zufolge kann FlashBoot Kaltstarts auf unter 200 Millisekunden verkürzen.
Abwägung: Der gehostete Katalog enthält möglicherweise nicht von jedem Modell die neueste Version. Bei eigenen Workern verwaltet Ihr Team Image, Abhängigkeiten und Fehlerbehandlung. Lange Renderings benötigen eventuell ein höheres Zeitlimit als die in der Konsole voreingestellten 10 Minuten.
5. Modal: eigene Python-Videopipelines
Modal eignet sich für Teams, bei denen die Videogenerierung nur ein Schritt einer größeren Python-Anwendung ist. GPUs werden sekundengenau abgerechnet: 0,001097 US-Dollar für eine H100, also etwa 3,95 US-Dollar pro Stunde, und 0,000542 US-Dollar für eine L40S. Der Starter-Tarif enthält monatlich 30 US-Dollar kostenloses Rechenvolumen.
Abwägung: Modal bietet keine direkt aufrufbare gehostete Video-API. Ein niedriger GPU-Tarif führt nur dann zu niedrigen Kosten pro Clip, wenn die Pipeline Modelle effizient lädt und die GPU produktiv nutzt.
Unser Test: ein Produktfoto, drei Modelle
Am 3. November 2026 haben wir dasselbe Foto eines fiktiven NORTHFIELD-Cold-Brew-Produkts und denselben Prompt über fal an drei Modelle gesendet. Pro Modell wurden vier fünf Sekunden lange Clips im Format 16:9 gleichzeitig angefragt. Die folgenden Zeiten reichen von der Anfrage bis zur fertigen Datei.
| Modell | Zeit pro Clip | Preis pro Clip | Unsere Beobachtung |
|---|---|---|---|
| PixVerse V6, 720p | 49–55 s | 0,225 US-Dollar | Die filmischste Kamerafahrt nach vorn, mit durchgehend scharfem Etiketttext |
| H3 Max, 768p mit Ton | 5,6–6,8 s | 0,28 US-Dollar, Aktionspreis | In diesem Durchlauf am schnellsten, mit stabilem Etikett und sanfter Kamerabewegung |
| Wan 2.2, 720p, offene Gewichte | 7,5–9,3 Min. | Etwa 0,40 US-Dollar | Gleichmäßige, zentrierte Annäherung; Etikett in allen vier Clips stabil |
Wan 2.2 schwankte über drei Durchläufe erheblich: von 77 Sekunden bis etwa 34 Minuten pro Clip. Die Tabelle zeigt den mittleren Durchlauf.
PixVerse-V6-Beispiel
720p, 16:9, 5 Sekunden.
H3-Max-Beispiel
768p, 16:9, 5 Sekunden, mit Ton.
Wan-2.2-Beispiel
720p, 16:9, 5 Sekunden.
Kein Modell lag bei jeder Kennzahl vorn. PixVerse V6 erzeugte die filmischste Kamerabewegung zum niedrigsten Listenpreis pro Clip. H3 Max war in diesem Durchlauf am schnellsten; Wan 2.2 bietet mit offenen Gewichten einen Weg zum Fine-Tuning für Produkte. Bei V6 führte die Anweisung langsame Annäherung zu einer dezenteren Bewegung als schnelle Annäherung.
So testen Sie einen Anbieter vor der Entscheidung
- Legen Sie die Eingaben fest. Verwenden Sie ein freigegebenes Produktfoto, einen Prompt und feste Einstellungen für Dauer, Auflösung und Ton. Unser Prompt lautete: „Die Kamera bewegt sich langsam auf das Produkt auf dem Tisch zu. Der Stoff im Hintergrund bewegt sich leicht. Form, Farbe und Etikett des Produkts bleiben stabil. Eine ununterbrochene Aufnahme ohne Schnitte und ohne neue Objekte.“
- Definieren Sie zuerst Ausschlusskriterien. Lehnen Sie verzogene Verpackungen, unlesbare Etiketten, hinzugefügte Objekte und ruckartige Bewegungen ab. Prüfen Sie die Clips ohne Anbieterkennzeichnung.
- Berechnen Sie die Kosten pro nutzbarem Clip. Teilen Sie die Gesamtausgaben durch die Zahl der freigegebenen Clips.
- Testen Sie eine Lastspitze. Senden Sie das erwartete Volumen eines Launchtages gleichzeitig und erfassen Sie Warteschlangen, Fehler und Wiederholungsversuche.
Testen Sie fal für gehostete offene Modelle, Fine-Tuning und automatisch skalierende Inferenz. Für Marketingproduktionen, die Modelle, Werbe-Workflows und Bearbeitung an einem Ort benötigen, beginnen Sie mit PixVerse. Runpod ermöglicht den Weg von gehosteten Endpunkten zu eigenen Workern; Baseten eignet sich für eine dedizierte Bereitstellung mit SLA; Modal für Python-Pipelines, in denen Video ein Verarbeitungsschritt ist.
Häufig gestellte Fragen
Welcher Anbieter ist für KI-Videogenerierung am günstigsten?
Das hängt vom Modell und davon ab, wie viele Clips die Prüfung bestehen. In diesem Test hatte PixVerse V6 mit 0,225 US-Dollar für fünf Sekunden in 720p über fal den niedrigsten Listenpreis pro Clip. Die direkte PixVerse API listete V6 ohne Ton mit 0,040 US-Dollar pro Sekunde. Vergleichen Sie die Kosten pro nutzbarem Clip, nicht nur die Kosten pro Sekunde.
Kann ich PixVerse-Modelle außerhalb von PixVerse verwenden?
Ja. fal hostet Endpunkte für PixVerse V6 Bild-zu-Video, Text-zu-Video, Übergänge und Verlängerungen. Für V6 Max und C1 prüfen Sie die direkte PixVerse API.
Welcher Anbieter eignet sich für offene Videomodelle?
fal bietet gehostete offene Modelle wie Wan und LTX, Fine-Tuning für unterstützte Modelle und eigene Bereitstellungen mit sekundengenauer GPU-Abrechnung. Ein Wan-2.2-LoRA-Training mit 1.000 Schritten würde beim Listenpreis von 0,005 US-Dollar pro Schritt etwa 5 US-Dollar kosten.
Wie bleibt ein Produkt über mehrere Clips hinweg konsistent?
Beginnen Sie mit demselben freigegebenen Bild, halten Sie die Produktbeschreibung konstant und lehnen Sie Clips ab, in denen Etikett oder Form abweichen. Falls wiederholtes Prompting nicht ausreicht, ziehen Sie Fine-Tuning eines unterstützten offenen Modells mit freigegebenem Produktmaterial in Betracht.