同一天,两个大厂|Sd 2.5 和 MiniMax H3发布

湖南

7月31日上午,字节跳动Seedance 2.5正式上线。单次生成30秒,支持最多50个多模态参考素材,徐工集团、小鹏汽车、灵初智能、微分智飞、穹彻智能等多家企业已确认合作,将率先引入该模型能力。

下午,MiniMax H3正式发布。全模态理解文本、图片、视频、音频,2K直出,0.8元/秒,价格不到主流模型的三分之一,还在Artificial Analysis视频模型榜单的编辑能力项拿了全球第一。

同一天,两个方向,一个答案:AI视频从“能生成”进入了“能控制” 。

Seedance 2.5:30秒能拍一场戏

2.0版本的时候,《黑神话:悟空》制作人冯骥公开评价它是“当前地表最强的视频生成模型”,还说这标志着“AIGC的童年时代结束”。

2.5版本直接把单次生成时长从15秒推到了30秒。

以下视频来源于

字节跳动Seed

15秒能拍一个镜头,30秒能拍一场戏。

官方给了一个例子:一镜到底跟拍一位女歌手从化妆间到舞台的完整过程——整理耳机、工作人员提醒、穿过后台、与舞伴互动、登台、镜头拉远到体育馆全景。铺垫、推进、转折、收尾,一个完整的叙事单元。

以下视频来源于

字节跳动Seed

这还不是上限,官方称,模型可在 30 秒内组织多个具备逻辑关联的镜头,让故事可以按照铺垫、推进、转折、收尾展开。在已有视频基础上继续生成并保持人物、场景、风格、声音一致。

你可以一段一段往外“长”出一部片子,示例剧情包括小男孩抱着足球沿车厢跑、地铁停稳后冲出车门、男主追赶并最终抓住小男孩等连续动作。

以下视频来源于

字节跳动Seed

多模态参考能力也堆到了行业天花板:单次输入最多30张图片、10段视频、10段音频。模型综合理解构图、场景、风格、人物、道具,按指令生成。新增了白模参考和绿幕参考——这对影视工业化制作来说,几乎是刚需。

在多人同框和群像叙事场景中,Seedance 2.5 可同时还原多个人物形象与声音,并保持主体特征稳定。官方展示的 30 秒音乐会片段采用 16:9 横屏、电影感写实风格,参考素材覆盖场景图、钢琴家、大提琴、小提琴、主唱、管弦乐队、合唱团和观众席。

以下视频来源于

字节跳动Seed

并且,时间戳精准控制——你可以对视频的指定段落单独调整,改背景、改商品、改人物,维持整体节奏不变。

发布当天,徐工集团拿它做工业操作培训和工序SOP视频生成;小鹏汽车把它集成到内部AI设计平台做产品可视化;穹彻智能用它生成具身智能训练数据,不用实体机器人逐一采集;微分智飞用在飞行机器人领域,模拟障碍物闪避、室内自主寻路。

Seedance 2.5已经不只是一个视频生成工具,它正在变成工业生产流程的一部分。

香港科技大学副教授王帅的原话是:“视频生成模型正在经历一个关键转变——从'生成内容'走向'理解世界',从'辅助创意'走向'提升生产力'。”

MiniMax H3:全模态、开源、价格屠夫

Seedance走的是“影视级深度”,MiniMax H3走的是“多模态广度”。

同一天,两个大厂|Sd 2.5 和 MiniMax H3发布

MiniMax H3生成电影开头

它支持文本、图片、音频、视频四种输入,输出原生双声道音视频,最高15秒2K分辨率。

同一天,两个大厂|Sd 2.5 和 MiniMax H3发布

MiniMax H3生成2K画质视频

混合输入上限12个文件——你可以给一张人物照片保持角色一致、一段参考视频锁定动作风格、一段背景音乐控制节奏、一段文字描述控制场景,然后让它生成一段全新的东西。

同一天,两个大厂|Sd 2.5 和 MiniMax H3发布

MiniMax H3生成游戏界面

提示词上限7000字符,足够写一个微短剧的分镜头脚本。

定价是0.8元/秒(2K分辨率),不到主流旗舰模型的三分之一。MiniMax通过高压缩Tokenizer降低视频生成所需的Token数量,实现了成本优化。

MiniMax H3宣布近期开源,这是MiniMax推出的首款开源多模态生成模型。

同一天,两个大厂|Sd 2.5 和 MiniMax H3发布

闭源模型一直占据视频生成领域的主导地位,迭代速度和生态开放性落后于大语言模型。MiniMax把H3开源,等于把战火烧到了“生态协同”的层面——企业可以本地部署,结合自身数据优化,芯片厂商和开发者共同参与适配。

市场反应很直接:港股MiniMax当天开盘涨超20%。截至午间收盘涨幅回落至约12%,报230港元/股。

一个方向

把两个产品放在一起看,有意思的地方就出来了。

Seedance更像“生产力工具” ——30秒长叙事、50个参考输入、白模绿幕、时间戳编辑,每一步都在对标影视工业的真实生产流程。发布当天就有徐工、小鹏这些实体企业官宣合作,说明它已经不只是内容创作者的玩具。

MiniMax H3更像“基础设施” ——全模态理解、开源、低价,目标是把视频生成能力铺到更多开发者手里。视频编辑能力全球第一的排名也说明,它在“可控性”这个维度上确实有独到之处。

但它们的共同点:都在解决“控制”的问题。过去AI视频最大的痛点是“抽卡”——写一段Prompt,等几分钟,出来一个片段,不满意,重写,重等,反复试错。创作者花在“碰运气”上的时间远多于“创作”本身。

Seedance 2.5用时间戳编辑、参考素材、白模控制来解决这个问题。MiniMax H3用多模态输入、视频到视频动作迁移、指令遵循来解决这个问题。

方向一致:让创作者控制AI,而不是被AI控制。

行业正在发生什么

早期AI视频比的是:生成一个4秒片段,画质好不好、光影真不真。

现在比的是:多个镜头连起来,能不能讲一个完整的故事。

Seedance 2.5的30秒叙事、多镜头一致性,MiniMax H3的首尾帧控制和参考生成,都是这个趋势的产物。

真正把这件事推到台前的,是7月17日开幕的WAIC 2026。

同一天,两个大厂|Sd 2.5 和 MiniMax H3发布

这届大会释放的信号非常清楚:AI视频能力正在由“会生成画面”向“理解视听表达”升级。镜头为什么从全景切到特写,人物应当站在哪里,台词、动作和音乐如何协同烘托情绪——这些过去主要依赖导演和专业制作团队完成的工作,正在被逐步嵌入智能体工作流。

WAIC创办九年,今年第一次设立了专门的AI影视专场。这场由万兴科技与生数科技共同承办的“世界模型驱动下的AI影视生产力新范式”论坛,场子里挤满了AI行业的人、AI短剧从业者,还有大量传统影视从业者。

同一天,两个大厂|Sd 2.5 和 MiniMax H3发布

昆仑万维董事长方汉在论坛上讲:“2026年,是世界模型元年。 ”

什么是世界模型?简单来说,就是AI对世界规律的理解——知道事情为什么发生,并能预测下一步会怎样。以往的视频生成模型更像AI的“摄像机”,根据文字或图片生成看起来真实的视频;世界模型像导演,理解故事和人物逻辑。

王珞丹在昆仑万维的圆桌论坛上分享了一个细节:她为了一个理想镜头熬夜“抽卡”到凌晨四点,反复调整提示词却迟迟得不到想要的画面。这不是模型不够努力,是底层逻辑的问题。传统视频生成模型本质是“像素概率拼接”——它画出一只手,但不知道手有5根手指;生成一个人走路,但不知道人和地面的关系。

世界模型的核心突破,是让AI真正理解物理规律:空间关系、物体属性、因果逻辑、镜头语言。

万兴剧厂在WAIC公布的数据很能说明问题:其全新升级的影视级分镜导演Agent,深度融合导演思维、视听语言与表演艺术等专业知识,依托3D导演台、720°全景空间及多维相机调度,实现对人物站位、镜头语言、台词节奏和表演情绪的精准控制。分镜一次抽卡可用率达到80%,创作效率提升10倍——从1集/人/天提升到10集。

同一天,两个大厂|Sd 2.5 和 MiniMax H3发布

只给文字Prompt已经不够了。

创作者需要:用图片锁定角色,用视频锁定动作,用音频锁定节奏,用文字控制场景。

WAIC 2026上释放的信号——多模态正在从“输入多元”走向“理解物理” 。AI正突破“生成画面”的边界,开始学习理解物理世界的动态逻辑。多家物理AI厂商和AI基础设施公司,已经把内容场景当作模型能力的“试验场”。

生数科技创始人朱军在WAIC影视专场上指出,世界模型正推动AI从“生成内容”迈向“理解世界、预测世界、在世界中交互、在世界中行动”。生数科技已经形成覆盖数字世界与物理世界的通用世界模型产品技术布局——面向数字世界的Vidu可实现声画同出、电影级画质视频生成;实时交互模型Vidu S1支持实时视频通话和无限时长连续互动;面向物理世界的Motubrain则定位为具身智能机器人的通用大脑。

同一天,两个大厂|Sd 2.5 和 MiniMax H3发布

(生数科技创始人、清华大学人工智能研究院副院长朱军)

多模态就是控制力,控制力就是生产力。

2026年上半年,国内AI短剧市场规模已突破110亿元,预计全年将攀升至350亿元以上。抖音平台日均上新AI短剧超过1300部,红果短剧日均上新1800部,两个平台加起来,平均每20秒就有一部全新的AI短剧完成上线。

第一季度全行业上线微短剧约12.8万部,其中AI微短剧约12.2万部,占比超过95%。而2025年全年上线的微短剧总共才3.3万部。

三个月干了去年四倍的活。

AI视频已经进入真实的生产流水线。

DataEye研究院预估,2026年国内AI剧/漫剧市场规模将突破400亿元,同比增长138%,海外市场增幅高达550%。全球权威机构Research and Markets预测,2030年全球AI影视市场规模有望攀升至877.4亿美元。

“能生成”和“能交付”之间,隔着一整条产业链。

如果说过去的生成式AI更像一名擅长承担单项任务的“临时工”,那么新一代产品正在尝试为用户组建一支“数字剧组”——策划智能体梳理故事,视觉智能体统一角色和场景,导演智能体规划镜头,生成系统完成画面制作,人类创作者则负责目标设定、审美判断和最终把关。

万兴科技董事长吴太兵在WAIC影视专场上做了一个核心判断:AI绝非影视行业的效率辅助工具,而是正在彻底重构产业运行的底层逻辑。影视产业正站在第四次技术跃迁的关键起点。

同一天,两个大厂|Sd 2.5 和 MiniMax H3发布

(万兴科技创始人、董事长吴太兵)

万兴科技的打法很清晰——从“提供工具”走向“交付结果” 。万兴剧厂面向全链路影视生产,Filmora.AI聚焦商业视频项目协同,Virbo AI针对高频营销内容生产。三款产品定位不同,但共同点是都不再局限于单点AI功能,而是尝试将AI能力嵌入完整的业务流程。

从“一键成片”到“一人剧组”,从“镜头奇观”到“连续叙事”,AI视频正在从玩具变成工具,从Demo变成交付。

能生成画面的AI很多,能交付作品的AI,才是下一个时代的门票。

别觉得这些趋势还远。AI长片已经来了。

7月23日,国内首部获得《网络剧片发行许可证》的AIGC网络故事片《奇谭:纸刃渡荒墟》在爱奇艺独家上线。

全片时长超60分钟,全程无真人出镜。上线后迅速登顶爱奇艺电影飙升榜、跻身热播榜前列。

同一天,两个大厂|Sd 2.5 和 MiniMax H3发布

短视频平台相关话题播放量突破1.7亿。评论区围绕剧情与画风展开的讨论持续升温,#被奇谭里的恨海情天刀麻了#、#蜘蛛精的蛛丝是情丝#等话题也接连登上热搜。

同一天,两个大厂|Sd 2.5 和 MiniMax H3发布

这部片子怎么做的?30多人的团队,从今年2月到6月完成制作。

累计生成200余个角色及视觉资产。成本结构上,创作人才占50%,制作综合成本占30%,算力20%以内。

传统影视可能需要数百人团队、几年时间、数亿元成本。

AI把门槛削到了30人、4个月。

谁会受益,谁还没被满足

已经受益的

短视频创作者:快速生成素材,降低拍摄成本。

营销团队:批量生成广告变体,快速测试创意。

影视前期团队:做storyboard、previz(预演)、概念验证。

游戏工作室:生成过场动画、NPC动作、环境视频。

独立电影人:低预算项目用AI补足镜头。

开发者:MiniMax H3的API让视频生成能力可以集成到各种产品里。

还有制造业、汽车、机器人等行业——Seedance 2.5已经在帮它们生成训练数据、操作教程、产品演示。

还没被满足的

更长时长:行业还需要1分钟、5分钟、甚至完整长片的生成能力。

更精确的时间控制:现在的控制多在空间层面(角色、场景、运镜),时间层面的精确控制还不成熟。

声音和口型同步:角色说话口型对不上,还是硬伤。

版权和伦理:用AI生成真人形象、品牌内容,涉及肖像权、版权、虚假信息等问题,还没统一标准。

复合型人才短缺:行业最缺的不是会用工具的人,是既懂传统影视审美和叙事、又懂AI使用的复合型人才。导演傅闱玮说:“技术仍可自主摸索精进,而核心创作功底才是行业从业者的长期竞争力。”

写在最后

2026年7月31日,Seedance 2.5和MiniMax H3同一天发布。

一个深耕影视工业化,一个拥抱开源生态。

答案已经清晰了——控制。

让创作者控制角色、控制镜头、控制节奏、控制叙事。

对创作者来说,工具越来越强了。

对观众来说——好故事才是硬道理,不管它是人拍的还是AI生成的。

原标题:《同一天,两个大厂|Sd 2.5 和 MiniMax H3发布》

    特别声明
    本文为澎湃号作者或机构在澎湃新闻上传并发布,仅代表该作者或机构观点,不代表澎湃新闻的观点或立场,澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问https://renzheng.thepaper.cn。