拍“牛来牛奶”广告、15秒还原刻舟求剑……什么视频模型才是性价比之选？

来源：市场资讯

（来源：王宇锟 AI新榜）

作者｜赖捷

王宇锟

编辑｜张洁

这个夏天，视频大模型赛道“卷疯了”。

字节发布Seedance 2.5，Minimax开源H3，阿里的WAN 3.0也于8月24日正式上线。

国外方面，马斯克不断在x推广自家的Grok Image Video，德国黑森林实验室的Flux 3.0成为黑马。

工具越来越多，创作者到底选哪家？

Seedance 2.5领跑，

白模参考正重塑影视工作流

Seedance 2.5发布后，已经在长视频、电影级画质、画面真实性上，证明了它的领先优势。

“AI新榜”之前做测试发现，Seedance 2.5新增的3D白模生成视频功能，非常惊艳，能精确控制人物动作、物体物理轨迹变化。

与此同时，越来越多视频模型、画布工具，开始比拼起关键帧控制、细节编辑、脑补剧情等能力。

但问题也来了，创作工具虽然很多，但创作者依然要回归那个最根本性的问题——性价比。不但要考虑生成视频的质量，也要考虑价格、生成速度、抽卡次数，通过综合衡量选择适合自己的模型。

真实创作中，很多人只是想批量生产短片、电商引流广告、宣传片，并非每条视频都要用上“电影工业级画质”。

也因此，本次测评我们主打一个真实生产环境，重点对比模型们在720p这个维度下的生成性价比，选择了Seendance 2.0 fast、Wan 3.0、Minimax H3三大模型。

它们的最新价格也接近——Seedance 2.0 fast API价格是0.6元/秒，Wan 3.0（720P）API价格也是0.6元/秒，H3（768P）API价格则为0.5元/秒。

为什么选720p这个参数？这是大部分平台的基准画质要求，且720p对手机用户肉眼来说已经够用，同时在真实生产中，不少创作者为了极致省成本，会先测试生成720p视频，再升级为1080p。

八大考题实测，

谁是视频模型性价比之王？

考题：模拟“牛来牛奶”广告。

考点：模型是否主动突出广告记忆点

我们给定了“牛来”形象参考图，牛奶产品图，并给出了相同广告词——“牛来牛奶，真牛奶，真的牛。我们不产牛奶，我们只是牛奶的搬运工”，让三个模型在完全相同提示词下，生成15s广告短片。

三个模型都完整按提示词完成了短片，而且都只抽卡两次。

细究起来，Seedance 2.0 fast的表现更有戏剧性，体现在动作中，它自动脑补了“牛来”没接稳牛奶的画面，音频上采用了更戏剧化的表达，符合我们印象中的广告片味道。

Wan 3.0的表达，同样非常有电视广告感，配乐也较到位；H3的表达比较中规中矩。

考题：15秒内精准表达“刻舟求剑”

考点：模型对故事逻辑的理解能力

这是一个地狱级难度的考试，需要大模型在15秒内，至少依次表达五组画面——船在行进、剑掉水里、人在船上刻标志、船继续前行并靠岸、人下船按照标志找剑。每个画面缺一不可，每个画面转场都得顺畅，否则故事不完整。

为了公平起见，这一轮我们只抽卡一次。从结果来看区别比较大，仔细看对比视频：

这一次抽卡中，Wan 3.0和H3，其实都没表达出“刻舟求剑”故事中的关键画面——船继续行走靠岸后，人才下水捞剑。它们的视频中，人都是在刻完标志后即刻下船捞剑。而Seedance 2.0 fast，给出了一秒船继续游动并靠岸的画面，基本体现出了故事的荒诞性和寓意。

考题：15秒还原精卫填海

考点：国风动画质感，IP形象塑造，故事流畅性

中国风传统经典故事，是很多创作者比拼的重要赛道。

这一轮各有千秋，我没给角色形象参考图，只给了故事大纲，Seedance 2.0 fast的动画形象，比较有质感和IP感；Wan3.0的镜头表达更细致，特别是在“精卫葬身海底”“精卫化身神鸟”“神鸟叼走树枝去填海”这三个关键节点，都给出了特写，强化了故事表达。

考题：蜜蜂穿越丛林

考点：是否穿帮，是否理解生物与重力关系

蜜蜂在密集丛林中穿行，画面元素非常多，理论上是非常容易穿帮的，常出现穿透树叶、机位跑到蜜蜂前方的镜头，这轮测试中，各家画面一致性都保持得比较好，这说明视频模型整体上都在大幅度进步。

但Seedance 2.0 fast还是有更突出的地方，它对蜜蜂飞行中的物理轨迹还原得比较好，因为生物有重量，受到地心引力牵引，飞行中要不断克服这种力，特别是起飞、升高时，需要更加有力，因此真实生物的飞行状态并非平均用力，也不可能是轻飘飘的。大家细看Seedance 2.0 fast的生成，是不是更有节奏感。

考题：川剧变脸现场表演

考点：一镜到底下运镜表现力、服化道准确性

这也是地狱级难度，因为既要还原川剧画面、声音，在换脸时还要丝滑到位，同时镜头还得随着表演者不断旋转的身体变化，时而给中景展现动作、时而拉近、时而给出脸部特写。这一轮，我同样没给参考图，提示词也一模一样。

三家模型的基础运镜是到位的，Seedance 2.0 fast和Wan 3.0多了从远景切入的纵深感。

比较突出的还是Seedance 2.0 fast，它的运镜是“动起来的”，会随人物动作变化而切换，同时不会给观众带来眩晕感，大家看演唱会视频就会发现，这种运镜会有更强现场冲击感，而在现实中要实现这种运镜，往往要借助伸缩炮等专业设备，每天租金上千。同时，Seedance 2.0 fast 对川剧形象的还原相对更好。但也稍有遗憾，这条视频第八秒时有细微的卡顿。

考题：末日楼顶逃生

考点：人物运动的物理逻辑真实性

这轮测试的主题是末日丧尸来袭，主角在楼顶跳上直升机，这是很多科幻短片会用到的场景。重点是主角逃跑的线路、步态；飞跃并抓住直升机的物理轨迹；以及飞跃瞬间丧尸们拼命想抓住主角的特写。

可以看到，三大模型的还原都是比较到位的。Seedance 2.0 fast依然更有真实运动感，慢动作更细致。Wan 3.0在这轮中有个小问题，就是主角的飞跃距离过远。

考题：传统三人对话文戏

考点：真人短剧里，人物空间位置关系一致性

这种三人对话场面，如今属于大模型们的基础能力。

可以看到，三家模型都清楚交代了座位关系，在切成单人近景后，也没有越轴或左右颠倒，开场与结尾的主镜头也始终保持在同一个空间。

考题：贝克汉姆60米吊射

考点：对复杂运动竞技场面的还原度

当然了，现有的大模型在复杂的运动视频上，依然是有缺陷的。

我用这三家模型，测试了“NBA球星运球上篮”“贝克汉姆六十米超远距离吊射”等场景，在还原复杂的多人球类运动物理轨迹时，它们都会出现各种各样的问题，大家可以看看。

也因此，这些模型可能并不适合用来做运动类竞技类视频。

总结

最后再总结下这轮测试。

从价格来看，这三家比较接近，H3每秒便宜约0.1元；

从生成速度来看，这轮测试都选择了工作日下午同时抽卡，Seedance 2.0 fast的平均生成时间是5分钟，H3大概8分钟，Wan 3.0或许由于正式版刚发布等原因，时长接近10分钟。但相比以前，它们的生成速度都大幅度加快了。

从抽卡成功率来看，以上展示出的视频，Seedance 2.0 fast和Wan3.0平均每条抽卡两次，H3略高。这里抽卡成功的含义是——模型已忠实还原了提示词的描述，没有重大物理硬伤。

而从最重要的画面质量看，至少从以上测试可以看出，Seedance 2.0 fast对物理世界的还原以及镜头的运用，个人觉得是更成熟的，特别是在蜜蜂飞行视频中，它对重力关系的理解非常到位。而这两项关键指标，直接关系着大部分视频的实际制作效果和成本。

当然，这只是本次测试的结果，在不同场景下，各大模型会体现出不同能力。而Seedance 2.0 fast在画面上的表现，依然是制作短片短剧广告等场景下，比较稳健的选择。