同一天发布的两个国产视频模型：一个涨价 50%，一个开源砸盘
7 月 31 日 Seedance 2.5 与 MiniMax H3 撞车；加上 8 月的 Wan 3.0，把这三家的账和坑算清楚
文章目录
共 4 节2026 年 7 月 31 日，字节的 Seedance 2.5 和 MiniMax 的 H3 在同一天发布。一个闭源、能力拉满、价格比上一代贵约 50%；另一个三天后直接放出权重。
一周后阿里的 Wan 3.0 公测，8 月 24 日正式上线，按秒计价，480P 三毛、1080P 一块二。
这三家现在是国产视频的主力盘。下面把能力、价格、以及各自那个必须提前知道的坑，一条条摊开。
一、Seedance 2.5：参考素材容量是全行业最高的
| 项目 | Seedance 2.5 |
|---|---|
| API model id | doubao-seedance-2-5-260628 |
| 时长 | 4–30 秒（2.0 是 15 秒），支持多轮延长拼到数分钟 |
| 分辨率 | 480p / 720p（8bit）、1080p（10bit） |
| ⚠️ 4K | 2.5 不支持 4K，2.0 反而支持 |
| 帧率 | 24 fps |
| 参考素材 | 单次最多 30 张图 + 10 段视频 + 10 段音频 |
| 运镜控制 | 时间戳分段运镜编辑；白模参考（用无纹理 3D 模型指定机位、轨迹、光照） |
| 原生音频 | 有，音视频联合生成 |
| 限流 | RPM 企业 600 / 个人 180；并发 企业 10 / 个人 3；不支持离线推理 |
白模参考这一条值得单说。 你先用任何 3D 软件搭一个没有贴图的灰模场景，把机位、运动轨迹、光位摆好，导一段出来喂给它 —— 它按这个机位和光照去渲染真实画面。这等于把「运镜靠形容词描述」换成了「运镜靠摆位确定」，是专业团队最需要的那种可控性。
定价（火山方舟官方刊例价，按 token 计）：
| 模型 / 分辨率 | 输入不含视频 | 输入包含视频 |
|---|---|---|
| 2.5 · 480p / 720p | 70.00 元/百万 token | 42.00 元/百万 token |
| 2.5 · 1080p | 77.00 元/百万 token | 46.00 元/百万 token |
| 2.0 · 480p / 720p | 46.00 | 28.00 |
| 2.0 · 1080p | 51.00 | 31.00 |
| 2.0 · 4k | 26.00 | 16.00 |
| 2.0-fast · 480p / 720p | 原价 37.00（限时 75 折） | 原价 22.00（限时 75 折） |
| 2.0-mini · 480p / 720p | 原价 23.00（限时 4 折） | 原价 14.00（限时 4 折） |
折算成每秒：8 月 17 日原生 1080P 上线时，1080P 图生视频从 3.7 元/秒降到约 2.7 元/秒；2.0 mini 的 720p 折后低至约 0.2 元/秒，fast 约 0.6 元/秒。mini 和 fast 的折扣期是 2026-08-07 14:00 到 2026-10-07 14:00，只对企业用户。
只对成功生成的视频计费，审核失败不收费 —— 这条对做内容的人挺重要，触发审核的选题试错不花钱。
官方自己承认的短板：「在复杂运动的物理合理性、极多主体交互场景的稳定性上，模型仍有提升空间」。人多的打斗、密集人流这类场景先做小样测试再报价。
二、MiniMax H3：开源了，但许可证里有一条地域排除
H3 是这两个月唯一一个国产开源视频基座。33B dense 单流 Transformer，2026 年 8 月 3 日放权重。热度是实打实的：HuggingFace 下载 366 万次、5,628 个 like，GitHub 9,151 star —— 同期没有第二个国产视频模型是这个量级。
| 项目 | MiniMax H3 |
|---|---|
| 时长 | 4–15 秒 |
| 分辨率 | 短边默认 768px；2K 需要走 H3-Regenerate-2K |
| 帧率 | 24 fps |
| 音频 | 原生 32kHz 立体声，对白 + 音效 + 环境音一次生成；支持音色迁移 |
| 对白语言 | 稳定支持 11 种（中英日韩法德意西葡俄阿） |
| 参考素材 | ≤9 张图、≤3 段视频（每段 2–15 秒、总计 ≤15 秒）、≤3 段音频，文件合计 ≤12 个 |
| 文本编码器 | 直接用 Qwen3-VL-32B 全量预训练权重 |
开源版的三个阉割点
- 1H3-Regenerate-2K 没开源 —— 本地跑最高 768p，要 2K 必须回 API。
- 2H3-Context-IR 没开源 —— 这是多模态上下文预处理模块，官方强烈建议接入，不接出片质量明显下降。而它是按 token 收费的：输入 5.80 元/百万 token，输出 23.00 元/百万 token。这是很多测评没算进去的隐性成本。
- 3稀疏注意力没放 —— 训练时用了，首个开源版只给 full attention。
⚠️ 许可证：四个地区不授权
它走的是自定义的 MiniMax H3 Community License，不是 Apache 也不是 MIT。三条关键条款：
- 1Excluded Territories = 欧盟、英国、韩国、美国。 这四地不授予任何本地部署权，条款里还写明输出结果也不许在域外使用。这四地主体要单独申请书面许可。
- 2年营收超过 2,000 万美元的商用产品或服务，必须事先邮件取得单独书面授权。
- 3强制署名：分发时要标注 Powered by MiniMax H3；商用产品或服务必须在 UI 上显著展示「MiniMax H3」。
对国内团队来说，前两条大概率不构成障碍，但第三条要提前跟客户讲 —— 你交付的产品界面上得挂人家的名字。做白牌交付的，这一条可能直接否掉它。
API 定价：H3 768P 0.50 元/秒、2K 0.80 元/秒；H3-Max 480P 0.33、768P 0.50；Regeneration（768P 升 2K）0.30 元/秒。输入素材另计：H3 的音频免费、图片 5 张以内免费超出 0.20 元/张。
⚠️ 还有一条计费上的坑：MiniMax 的视频资源包（七千到四万那几档）明确不支持 H3，只支持 Hailuo 02 / 2.3 系列老模型。买了包想跑 H3 的，包用不上。
三、Wan 3.0：唯一能直接吃文档的
| 项目 | Wan 3.0 |
|---|---|
| API model id | wan3.0-video（一个 id 覆盖文生 / 图生 / 视频生视频） |
| 时长 | 最长 30 秒 |
| 分辨率 | 480P / 720P / 1080P |
| 帧率 | 官方未公布 |
| 输入模态 | 文本 + 图像 + 音频 + 视频四模态参考，外加 doc / xls / ppt / pdf / md 文档直接输入 |
| 音频 | 官方表述「音画真实」「沉浸音效」，是否原生同步、是否支持口型，官方未明确 |
| 限流 | 并发 5，异步队列上限 500，RPM 300 |
定价：480P 0.30 元/秒、720P 0.60 元/秒、1080P 1.20 元/秒；2026 年 8 月 24 日到 9 月 23 日有 7 折（0.21 / 0.42 / 0.84）。一条 30 秒的 1080P 成片，原价约 36 元。
文档直接当输入是它最独特的一条。拿一份产品 PPT 或者一份 PDF 手册丢进去出宣传片，这个入口省掉的不是渲染时间，是把文档拆成脚本再写成 prompt 那一整段人力。做 toB 宣传片、做培训内容的，这一条值得专门试一次。
实测反馈里的三条短板：30 秒对完整短剧仍然偏短，长内容要拼接，拼接次数越多格式差异越难藏；按秒计费在 1080P 档偏贵，长片成本累积快；成片质量高度依赖提示词功力和参考图质量。
阿里在这条线上还开源了两个角色动画模型，而且是 Apache-2.0，没有营收门槛、没有地域限制、没有强制署名：Wan-Animate-2（14B，8 月 7 日，端到端角色动画，直接吃驱动视频，带实时 Lite 变体）和 Wan-Dancer-14B（音乐驱动舞蹈，720p / 30fps，连贯超过一分钟）。要做角色动画又怕许可证的，这两个比 H3 干净。
另外阿里在 9 月 22 日的云栖大会上明确预告：下一代视频生成模型 11 月发布，方向是更长、更可控、更完整、更智能。名字和版本号没公布。现在要做长期技术选型的，把这个时间点记一下。
四、怎么选，以及一套三家混用的流程
| 你的活 | 选谁 | 理由 |
|---|---|---|
| 多角色、要精准控镜的商业片 | Seedance 2.5 | 30 图 + 10 视频 + 10 音频参考，白模定机位 |
| 出海内容、要多语种对白 | MiniMax H3 | 11 种语言对白 + 32kHz 立体声 + 音色迁移 |
| 把文档变成片子 | Wan 3.0 | 唯一支持 doc/ppt/pdf 直接输入 |
| 要 4K | Seedance 2.0 | 2.5 不支持 4K |
| 走量压成本 | Seedance 2.0 mini（10-07 前 4 折） | 720p 约 0.2 元/秒 |
| 要自部署、不能出网 | Wan-Animate-2（Apache-2.0） | 许可证最干净；H3 有地域和署名条款 |
| 做角色动画 | Wan-Animate-2 / Wan-Dancer | 开源、免费商用、有实时变体 |
三家混用的一套排法
- 1脚本和分镜阶段：如果素材是文档，先丢给 Wan 3.0 出一版粗剪，看它怎么理解结构。这一步用 480P，三毛一秒，一条 30 秒不到十块。
- 2定镜头阶段：粗剪认可之后，把关键镜头拿到 Seedance 2.5 重做，带上参考图和白模，把机位和光锁死。这一步单价高，但只跑定下来的那几个镜头。
- 3对白镜头：需要人物说话的那几条单独走 MiniMax H3，拿它的多语种对白和音色迁移。
- 4成片阶段：统一到同一分辨率，音轨统一后期处理。三家出来的画面色调会有差异，最后过一遍调色是必要的，不要指望直接拼。
- 5量大的重复镜头（比如产品空镜、转场）放 Seedance 2.0 mini 的折扣档批量跑。
这套排法的逻辑跟前面写图像那几篇一样：每一步用刚好够用的那一档，贵的只用在定稿上。 全程用最贵的那个模型，成本是这套的好几倍，客户看到的结果差不多。