字节Seedance 2.5同日对垒MiniMax H3：50个参考文件对阵基准第二
字节Seedance 2.5与MiniMax H3同日对垒：50个参考文件对阵基准第二，阿里Wan 3.0低价静默入场，中国AI视频生成市场战火骤燃。
2026年7月31日，被韩国媒体Wikitree在9月6日的报道里记成了一个分水岭：字节跳动与MiniMax在同一日放出了各自的新视频模型——Seedance 2.5与H3；不到一周，阿里云又把Wan 3.0悄悄挂上了Qwen Cloud。三家公司、三种打法，AI视频生成市场顶级座次的争夺战在几天内全面打响。
同一天，两种相反的思路
据Wikitree报道，字节把Seedance 2.5定位为“次世代音画同步生成模型”，画面与声音在同一次生成中完成，版本号从2.0直接跳到2.5、跳过2.1至2.4，被解读为代际级改版。它的核心武器是单次直出30秒长片段。据科技日报援引官方信息，相较Seedance 2.0，2.5单次生成时长提升至30秒并提供高保真时序延长，可在更长时长内保持人物、场景与镜头的一致性；单次最多可输入50个多模态参考素材（据韩媒与行业博客口径，约30张图、10段视频、10个音频），还新增白模、绿幕参考与视频局部编辑能力，原生支持十余种语言。
另一边，MiniMax在当天上海世界人工智能大会（WAIC）上发布的H3，走的是另一条路。它被外界更多地称为“海螺3.0”——MiniMax是总部位于上海的AI公司，据韩国媒体报道，其今年1月赴港IPO募资约6.19亿美元、估值约40亿美元，阿里与腾讯均在股东之列。H3采用“@参考”机制，用户可在提示词中用@标注图片、视频、音频素材的分工，一次最多输入12个参考文件（9图、3视频、3音频），输出原生2K（2560×1440）分辨率、32kHz立体声与24fps画面。韩媒也记录了它的短板：独立测试中4至8秒片段的角色一致性最稳，拉长到15秒后人物面部或服装会出现轻微漂移。
H3赢在榜单，Seedance赢在素材
就成绩单而言，H3暂时占优。据韩媒报道，在独立评测机构Artificial Analysis的榜单上，H3文生视频位列第二、图生视频第三、视频编辑高居第一，文生视频得分与榜首谷歌Gemini Omni Flash仅差6分。国内智东西在报道中给出更细的数字：H3在有声文生视频榜单排名第二、Elo 1242分，略低于Gemini Omni Flash的1245分——两处口径存在几分的差异。而Seedance 2.5尚未入榜，前作Seedance 2.0以1224分排在第三，字节系整体并不弱。值得注意的是，H3还是个开放模型：据36氪英文网报道，H3于7月31日发布后，开源版H3-Base在8月3日上传Hugging Face，是目前顶级视频榜单中排名最高的开源模型。
价格战才是真正的胜负手
当单段时长与素材上限拉不开决定性差距，价格就成了最硬的筹码。Wikitree的对比很直白：H3按秒计费，2K输出每秒13美分（约每分钟7.8美元），768P每秒9美分、仍在私测；Wan 3.0按480P每秒5美分、720P每秒10美分、1080P每秒20美分分档，480P档是三者最低。唯有Seedance 2.5跳出“按秒”的逻辑改用token计费——据韩媒援引火山引擎口径，无视频输入的生成每100万token收费70元、含视频输入则42元，官方举例5秒片段480P约3.36元、720P约7.56元。国内报价口径略有出入：据TMTPOST报道，H3官方定价为2K每秒0.8元、768P每秒0.5元，约为同级旗舰的1/3；而据极客公园与阿里云公告，Wan 3.0的API价格为480P/720P/1080P分别0.3/0.6/1.2元/秒，8月24日至9月23日限时7折，480P档把单价拉到了每分钟两元以下。
需要厘清的是Wan 3.0的时间线：它并非“凭空出现”。据国内多家媒体报道，Wan 3.0于8月6日开启公测、8月24日正式上线，单次可生成30秒视频，首次支持把doc、xls、ppt、pdf、md等办公文档直接转为视频，最多可组合10张图、5段视频、5段音频作为参考——“让PPT直接变成片子”。这与韩媒描述的“悄无声息”互为注脚：它8月初就带着价目表出现在Qwen Cloud上，却几乎没做宣传，Artificial Analysis前27名里找不到它的名字，可测的Wan 2.7得分1161、比榜首低83分。
没有单一赢家
三款产品的定位差异，决定了这不是一场零和游戏。韩媒的结论相当直白：做参考素材丰富的品牌片或叙事型广告，50个文件上限加时间戳分镜能力的Seedance 2.5更合适；要“已验证的榜单成绩加上相对低的成本”，H3是目前最有依据的选择；Wan 3.0低价优势明显，但在独立评测出炉前，判断不妨谨慎。放到更大的坐标系里看，H3还常被拿来与OpenAI Sora 2、谷歌Veo 3.1比较——前者物理模拟强但上限25秒、不支持多素材参考，OpenAI已宣布逐步停掉独立产品；后者4K画质最纯净，但不接收音频输入、高规格档价格陡增——国产模型在参考输入范围与成本上已形成局部优势。
对开发者而言，眼下最纠结的其实是另一件事：Seedance 2.5与Wan 3.0都还缺独立的第三方基准背书，而现有榜单数据又存在口径差异（H3的文生视频分数就有1238与1242两种说法）。当三家都把“降本”当成卖点，最终决定排位的，恐怕不是发布当天的新闻稿，而是交付质量、生态黏性与真实场景里的长尾表现。截至本报道撰写日（2026年9月7日），这场“三国杀”才刚刚进入中场。
信息来源
信息来源：Wikitree