Seedance 已经证明，视频模型可以凭借多模态能力和规模化预训练快速换来用户与收入；但 MiniMax H3 的出现说明，原生声音、复杂参考、动作控制与视频编辑正在从差异化能力，变成旗舰模型的共同起点。
Seedance 的领先并非来自一次简单的产品升级。2025 年 2 月发布的 Seedance 2.0，已经能够同时处理文字、图片、已有视频与声音；4 月公开的技术信息显示，它支持 4—15 秒原生音视频生成，一次任务最多接收 9 张图片、3 段视频和 3 段音频作为参考。
随后，模型开始从“生成一段视频”转向“理解一组素材”。
将文字、图片、视频和声音放进同一套音视频生成模型，主体参考、运镜、音频与编辑可以在一次任务中完成。
单次视频时长提升至 30 秒，参考素材上限增加到 50 份，并继续强化复杂参考和编辑能力。
支持文字、图片、视频、音频联合输入，用户可以用自然语言描述素材之间的关系，并完成生成或编辑。
注：时间轴展示的是能力路线，不代表不同模型在每个单项指标上完全等价；具体效果仍取决于任务、素材与部署方式。
这也是 H3 带来的直接压力：**“多模态参考”不再是少数模型的护城河，而正在成为旗舰视频模型的入场券。**
此前的视频生成能力往往被拆成文生视频、图生视频、动作迁移、声音参考和视频编辑等不同任务。H3 的产品定义，是让这些能力共享同一个上下文，用户可以直接说明哪段视频负责运镜、哪张图片负责人物、哪段音频负责声音。
注：对比关注的是产品范式变化，不是对两个模型最终画质、速度或价格的横向排名。
MiniMax 甚至主动弱化上一代架构的延续性，强调“任务泛化”优先于某一种架构优势。两家公司最终走到了相近的位置，但这并不意味着 Seedance 的技术投入失效——它证明了另一件事：**先把模型能力做厚，仍然可以迅速转化为产品和订单。**
H3 与 Seedance 的差异，开始从模型功能转向模型如何被扩散。MiniMax 宣布将在数日内开放 H3 权重，并将开发者社区、国产芯片适配和模型定制作为重要理由。字节则继续把 Seedance 放进自有产品和企业服务体系，让模型研究与产品分发保持不同节奏。
注：标签越靠近两侧，越代表对应公司的主要扩散方式；两条路线并非互斥，MiniMax 仍保留 API 服务，字节也在持续建设基础模型能力。
MiniMax 没有抖音和 TikTok 这样的内容分发体系，因此开放权重可以让芯片厂商、推理平台和工作流产品成为新的触达节点。字节则拥有更密集的落地场景：创作、企业服务与教育产品能够直接承接模型能力。
开放与闭环，谁能更快形成反馈？
Seedance 团队曾争取训练参数至少达到 200B 的更大模型方案，内部也讨论过先做 100B 级模型的稳妥路径。最终，团队获得了更大规模的训练资源，并把扩大预训练规模作为 2.0 的核心路线。
注：上述组织与训练信息来自公开报道及行业人士描述，部分团队规模与内部决策细节无法由外部独立复核。
Seedance 2.0 之后，模型能力第一次如此直接地换成了商业订单。截至 6 月，Seedance 贡献了火山 MaaS 收入的一半以上，广告、短剧、漫剧和其他内容生产客户开始采购大额模型服务。
注：该比例反映特定时间点的收入结构，不代表全年收入占比，也不能直接等同于 Seedance 的利润贡献。
对客户来说，购买的已经不只是 Token。一次签下数百万元乃至千万元级别的额度，意味着未来一年的部分视频产能会绑定在某个模型上。H3 出现后，客户面对的风险更清晰了：合同周期可能是一年，但模型差距可能在几个月内重新排列。
注：流程图表达客户决策链条。模型越复杂，素材管理、角色绑定、局部返工和片段衔接越可能成为新的采购考量。
当模型可以处理更多人物、场景、声音和时间线，用户的下一个问题就不再是“能不能生成”，而是：第 17 秒出错能否单独返工？不同片段能否保持同一角色？多段视频能否维持叙事节奏？
Seedance 2.0 仍处在主流第三方视频评测的第一梯队，但它面对的竞争已经换了形态。原生声音、多模态参考、动作控制和视频编辑，正从少数模型的差异化能力，变成旗舰模型共同争夺的基础能力。
注：评分徽章是趋势示意，不代表统一评测分数；“领先”需要结合任务质量、稳定性、价格和交付能力判断。
Seedance 的优势仍然存在：数据、预训练和 Infra 体系较重，模型还可以通过即梦、火山引擎和 Gauth 进入创作、企业服务与教育场景。MiniMax 的优势则在于，把 H3 的部署和适配尽可能交给外部生态。前者把闭环做在公司内部，后者试图把闭环铺到公司外部。
问题已经从“谁更强”，变成“谁更难被替换”。
Seedance 下一次真正需要证明的，不是能否守住当前第一梯队，而是多投入的时间、数据与算力，能否持续换来竞争者更难复制的下一代能力。
关注 H3 开放权重的实际落地、国产芯片适配进度，以及 Seedance 下一代模型能否把研究投入转化为新的能力差距。
持续关注官方模型更新与产品体验