Seedance 2.5: lo que realmente es el modelo de vídeo de ByteDance

Seedance 2.5 es el modelo de generación conjunta de audio y vídeo de ByteDance Seed, anunciado el 31 de julio de 2026, y es el modelo de vídeo actual de la línea Seedance de ByteDance; su predecesor, la serie Seedance 2.0, sigue a la venta junto a él en lugar de haber sido sustituido por él. Genera vídeo y audio en una misma pasada, acepta hasta 50 recursos de referencia en una sola solicitud y produce un clip coherente de hasta 30 segundos que después puede ampliarse en rondas adicionales. Y la respuesta a la pregunta con la que llega la mayoría: los pesos no son abiertos, y ByteDance no ha publicado ningún plan para abrirlos. No hay licencia, ni checkpoint, ni repositorio para este modelo; lo único que distribuye el proveedor es una API alojada y un conjunto de superficies de consumo. Ese es el hecho más claro sobre Seedance 2.5 y es el que esta página existe para declarar, porque las búsquedas que te trajeron hasta aquí son variaciones de "Seedance 2.5 open weight" y "Seedance 2.5 weights", y la respuesta honesta es no.

Esta es una página de referencia más que un informe de lanzamiento. El modelo tiene aproximadamente once semanas cuando escribo esto, lo cual es suficiente para que buena parte de lo que circula sobre él —incluso en este blog— se haya alejado de lo que ByteDance documenta realmente hoy. Todo lo que sigue se reconstruye a partir del material propio del proveedor: la página del modelo ByteDance Seed y la publicación de lanzamiento, y los tutoriales y las tablas de precios de BytePlus ModelArk. Cuando el proveedor no publica nada, se dice en lugar de rellenarlo.

Qué es Seedance 2.5

La propia descripción de ByteDance Seed es compacta: «un modelo de generación conjunta de audio y vídeo de nueva generación, concebido para narrar historias de 30 segundos con un control de referencia preciso y potentes capacidades de edición». La publicación de lanzamiento de la compañía enmarca la generación como una respuesta a un cambio en lo que la gente espera —«pasar de limitarse a generar un clip a completar una obra creativa»— y pone el énfasis en la narrativa de formato largo, las referencias multimodales y la edición, más que en la fidelidad visual bruta.

Se asienta sobre la arquitectura de Seedance 2.0, que ByteDance describe como un diseño unificado de generación conjunta multimodal de audio y vídeo. Seedance 2.5 conserva esa columna vertebral y avanza en tres ejes a la vez. No es una nueva familia ni una modalidad distinta; es la misma línea con el techo elevado en duración, en volumen de referencias y en la precisión con la que puedes dirigir un plano una vez que existe.

Lo que el proveedor dice sobre el número de parámetros: nada. El tamaño de Seedance 2.5, sus datos de entrenamiento y su cómputo no están publicados, y tampoco lo está ningún benchmark ejecutado por ByteDance. Esa ausencia es un dato que conviene retener, porque significa que toda afirmación sobre la calidad de este modelo proviene de uno de dos lugares —el lenguaje de marketing de ByteDance o un panel de preferencias humanas de terceros—, y esos dos no son el mismo tipo de evidencia.

¿Están abiertos los pesos de Seedance 2.5?

No. Nada de Seedance 2.5 se puede descargar.

El material del proveedor nunca menciona pesos, puntos de control, una licencia ni una versión de código abierto. Las llamadas a la acción de la página del modelo son "Obtener API", "Probar ahora" y "Comparar ahora"; el pie de página enlaza a modelos, publicaciones y contratación, no a un repositorio. BytePlus ModelArk sirve el modelo como dreamina-seedance-2-5-260628, y su página de precios marca la inferencia offline como "Aún no compatible" — no hay una ruta autoalojada, solo inferencia en línea contra el endpoint de ByteDance. Una búsqueda en Hugging Face del nombre no devuelve ningún repositorio propiedad de ByteDance; los resultados son páginas de terceros que reempaquetan el acceso a la API bajo títulos estilo Seedance, ninguno de los cuales son puntos de control.

La clasificación de terceros coincide, y esta es la señal más útil porque no fue escrita por ByteDance. Artificial Analysis aplica un filtro explícito de "pesos abiertos" en sus tablas de clasificación de video, y sus propias preguntas frecuentes nombran a los líderes en pesos abiertos de la tabla de texto a video: MiniMax H3 (768p) con Elo 1137, luego LTX-2.5 Fast con 946 y LTX-2.5 Pro con 943. Dreamina Seedance 2.5, que está en Elo 1143 y es tercero en general en la misma tabla, no está entre ellos. La cohorte de pesos abiertos de la tabla y su entrada de Seedance 2.5 son conjuntos disjuntos.

Vale la pena ser precisos sobre lo que esto significa y lo que no. Los pesos cerrados no hacen que el modelo sea peor, y para muchísimos equipos la cuestión es académica: nunca iban a ejecutar un modelo de difusión de vídeo en su propio hardware. Lo que sí significan los pesos cerrados es que no puedes auditar el modelo, no puedes ajustarlo con tus propias grabaciones, no puedes fijar una versión y seguir usándola después de que el proveedor la descatalogue, y no puedes generar resultados sin enviar tus prompts y tus recursos de referencia a ByteDance. Si cualquiera de esas cuatro limitaciones es descalificante para tu trabajo, Seedance 2.5 no es tu modelo, independientemente de cómo se vea el resultado. Las opciones de pesos abiertos en ese mismo ranking —MiniMax H3, LTX-2.5— son donde esa búsqueda debería terminar en su lugar.

Qué genera, con qué longitud, a qué resolución

El tutorial de Seedance 2.5 de BytePlus ModelArk es donde vive la especificación real, y es considerablemente más específico que la publicación de lanzamiento. El modelo decide su tipo de tarea a partir de los recursos de entrada y la intención del prompt, y hay cinco formas reconocidas:

• Texto a vídeo — un prompt de texto por sí solo, sin restricciones especiales de relación de aspecto ni de duración.

• Vídeo de primer fotograma y de primer y último fotograma — una imagen como fotograma inicial, o dos imágenes como primero y último, con la relación de aspecto de salida fijada a la imagen del primer fotograma.

• Referencia a vídeo — al menos una imagen, vídeo o audio de referencia, sin restricción de duración en la salida.

• Edición de video — un video de referencia más una intención de edición en el prompt, reemplazar un sujeto, añadir o quitar objetos, o repintar parte del fotograma. La salida conserva la relación de aspecto y la duración de la fuente, el video de referencia debe durar entre 4 y 30 segundos, y la relación debe configurarse en adaptativa con duración -1.

• Extensión de vídeo — un vídeo de referencia más una intención de extensión, que continúa el metraje hacia delante o hacia atrás. La publicación de lanzamiento describe cómo extender en rondas adicionales mientras mantiene estables los personajes, los entornos y el ritmo narrativo.

Sobre los números que da el tutorial:

• Duración — de 4 a 30 segundos en una sola pasada, o -1 para que el modelo elija una duración dentro de ese rango. La serie Seedance 2.0 alcanza como máximo 4–15 segundos, así que esto es el doble, y ByteDance dice que viene sin unión de varios segmentos.

• Resolución — 480p y 720p con una profundidad de color de 8 bits, y 1080p a 10 bits. Esa es la lista completa para Seedance 2.5. No 4K. El nivel 4K existe en la serie Seedance 2.0, no aquí, y esta es una de las cifras que se ha desviado: varios artículos de terceros —y el propio explicativo anterior de este blog— describían Seedance 2.5 como un modelo 4K. La tabla de capacidades actual de BytePlus ModelArk no incluye 4K para dreamina-seedance-2-5-260628. Consulta la tabla del proveedor y compárala con tu propia especificación de entrega antes de prometer a alguien 4K con este modelo.

• Relaciones de aspecto — 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 y adaptativas.

• Contenedor — mp4 o mov. La ruta mov utiliza H.264 con muestreo de croma yuv444p y audio PCM, que ByteDance posiciona como la opción de mayor fidelidad para tareas de edición y extensión.

• Referencias — hasta 50 recursos en una sola solicitud: 30 imágenes, 10 vídeos y 10 clips de audio. La serie 2.0 permite 15 en total, divididos 9/3/3. Los vídeos de referencia pueden sumar como máximo 30 segundos de entrada, cada uno debe ser de 200 MB o menos, y las frecuencias de fotogramas de entrada aceptadas van de 24 a 60 fps.

• Sin publicar — la velocidad de fotogramas de salida. El tutorial especifica el rango de velocidad de fotogramas que acepta en la entrada, y no especifica nada sobre lo que emite. Si tu canalización asume una velocidad de fotogramas de salida fija, eso es una suposición, no un valor documentado.

Un detalle adicional que no tiene equivalente en la serie 2.0: Modo borrador. Generas una vista previa en 480p para comprobar la estructura de la escena, la programación de planos, el movimiento del sujeto y la coherencia con el prompt; después pasas el ID de tarea de ese borrador para renderizar la versión final en tu resolución objetivo, reutilizando el modelo, el prompt, los recursos de entrada, la semilla, la configuración de audio, la relación de aspecto y la duración. Solo se permiten borradores en 480p. Ambos pasos se facturan por separado.

El audio se genera, no se adjunta

Seedance 2.5 es un modelo de generación conjunta de audio y vídeo, y la distinción no es marketing. La API incluye un indicador generate_audio, y los propios ejemplos de la publicación de lanzamiento están escritos como diseño sonoro: un "ding" de descubrimiento en la reacción de un personaje, un crujido cuando se parte la cáscara de un pomelo, un golpe sordo seguido de medio segundo de silencio, una voz en off que lee una frase de marca sobre un fotograma blanco. Se conciben como parte del prompt que produce el clip, no añadidos después.

El lado de las referencias también cambió. Las referencias de audio de Seedance 2.0 eran condicionales: una referencia de audio requería una imagen o un video que la acompañara. Seedance 2.5 acepta reference_audio por sí solo, y permite el audio combinado con imagen, con video, o los tres juntos. Los recursos de audio y video de referencia suman como máximo 30 segundos en total.

La marca de agua es un parámetro en lugar de un comportamiento fijo: watermark es false por defecto, y establecerlo en true estampa un marcador generado por IA en la esquina inferior derecha. Los idiomas compatibles de forma nativa son once: chino, inglés, español, indonesio, malayo, tailandés, árabe, portugués, vietnamita, japonés y coreano.

Lo que ByteDance afirma, y lo que miden los consejos independientes

ByteDance no publica ningún benchmark para Seedance 2.5. Ni en la página del modelo, ni en la publicación de lanzamiento, ni en el tutorial de ModelArk. Las afirmaciones de la empresa son cualitativas y conviene leerlas como una lista de intenciones: un movimiento más fluido y coherente, imágenes más realistas, transiciones de plano y cambios de escena más sólidos, un mejor tratamiento de la textura de los objetos y de la piel, de la iluminación y de la saturación del color, y una reducción de los subtítulos y la música de fondo incontrolados que hacen que el vídeo con IA parezca sintético. La publicación de lanzamiento también admite una limitación, lo bastante inusual como para citarla: ByteDance afirma que «aún queda margen de mejora, en particular en lo que respecta a la plausibilidad física de los movimientos complejos y a la estabilidad de las escenas que implican interacciones entre múltiples sujetos».

El panorama independiente proviene de Artificial Analysis, que clasifica los modelos de vídeo por Elo a partir de votos ciegos por pares emitidos por un panel humano reclutado. En AA-Video-T2V v2.0, la tabla de texto a vídeo con audio, Dreamina Seedance 2.5 ocupa el Elo 1143 con un intervalo del 95 % de 1134 a 1152, sobre 8.264 votos, lo que lo sitúa en tercer lugar. Por delante: Wan 3.0 con 1156 y Utopai X con 1149. Por detrás: MiniMax H3 (768p) con 1137 y MiniMax H3 Max con 1130.

El nombre que la propia tabla da al modelo es "Dreamina Seedance 2.5", y su fecha de lanzamiento indicada es julio de 2026 — este es el modelo en cuestión, no su predecesor. La calificación es una medida de preferencia, no una puntuación de capacidad: indica que la gente eligió sus clips con más frecuencia en comparaciones a ciegas, lo cual es una afirmación sobre el resultado tal como se juzga a ojo y oído, y nada sobre controlabilidad, ergonomía de la API, costo o fiabilidad. Y los intervalos se solapan mucho: 1143 frente a 1137 no es una clasificación sobre la que nadie deba basar una decisión.

Dos posiciones más completan este panorama. En AA-Video-T2V-Silent v2.0, la tabla sin audio, Seedance 2.5 se sitúa en Elo 1105 en cuarto lugar, por detrás de Wan 3.0, MiniMax H3 Max y MiniMax H3 (768p) — una posición consistente pero poco destacable. En AA-Video-I2V v1.0, la tabla de imagen a video, no aparece en absoluto; las entradas de Seedance allí son Dreamina Seedance 2.0 720p y Seedance 1.5 pro. Nada aquí respalda la afirmación de que Seedance 2.5 lidera su campo. Nada aquí lo contradice tampoco — un tercer puesto general en la tabla de texto a video con audio incluido es un debut genuinamente fuerte, y la propia nota de la tabla de que se añadieron seis modelos en los últimos treinta días indica que la clasificación sigue cambiando.

Cuánto cuesta y cómo llegar a ello

El acceso pasa por dos puertas totalmente distintas. Del lado del consumidor, la publicación de lanzamiento de ByteDance menciona Jimeng AI y Doubao Pro —selecciona Seedance 2.5 en el menú de generación de vídeo—, con el playground de BytePlus en ai.byteplus.com y Dola incluidos como puntos de entrada adicionales en la página del modelo. Del lado del desarrollador, la API es BytePlus ModelArk, ID de modelo dreamina-seedance-2-5-260628, servida desde el endpoint de Asia-Pacífico. Antes de que el modelo se ejecute siquiera, BytePlus exige una de estas opciones: un saldo de cuenta superior a USD 30, un AI Savings Plan dedicado en el nivel de USD 30 o superior, o un paquete de recursos de la serie Seedance 2.5 adquirido. Una clave de API por sí sola no basta, y conviene conocer ese requisito antes de planificar un spike.

El precio es público y se mide por consumo estimado de tokens en lugar de por clip. Las tarifas de tokens, según la página de precios de BytePlus ModelArk, en USD por millón de tokens:

• Salida de 480p y 720p — 10,70 sin entrada de video, 6,40 con entrada de video.

• Salida 1080p — 11,70 sin entrada de vídeo, 7,00 con entrada de vídeo.

• Inferencia sin conexión — no compatible.

El consumo de tokens escala con la duración, la resolución y la frecuencia de fotogramas, y los propios ejemplos detallados de BytePlus concretan ese patrón. Para un clip de 5 segundos en 16:9 sin entrada de vídeo, la estimación del proveedor es de USD 0,514 a 480p (0,103 por segundo), USD 1,156 a 720p (0,231 por segundo) y USD 2,843 a 1080p (0,569 por segundo). Una vez que se introduce vídeo como entrada, la misma salida de 5 segundos oscila entre USD 0,553 y 2,152 a 480p, entre USD 1,244 y 4,838 a 720p y entre USD 3,062 y 11,907 a 1080p, correspondiendo el extremo inferior a una entrada de 2–4 segundos y el superior a una de 30 segundos. Tenga en cuenta que añadir entrada de vídeo reduce la tarifa por token mientras que eleva el total, porque la duración de la entrada en sí consume tokens. Artificial Analysis normaliza el mismo modelo a $34,12 por minuto de 1080p con la configuración predeterminada, lo cual es coherente con la propia cifra por segundo a 1080p del proveedor una vez que se multiplica por 60 segundos.

Como referencia, la serie Seedance 2.0 es más barata en todos los aspectos: 0,07 por segundo a 480p, 0,15 a 720p, 0,37 a 1080p y 0,78 a 4K en la misma página de precios. La tarifa de 1080p de Seedance 2.5 es aproximadamente 1,5 veces la de su predecesor, y su tarifa de 480p también es aproximadamente 1,5 veces la de este. Estás pagando por duración, capacidad de referencia y control de edición, no por una tarifa más barata.

Una nota práctica sobre el medidor, porque cambia lo que deberías medir: BytePlus solo cobra por los vídeos generados con éxito y no factura una generación fallida causada por la moderación de contenido. En un flujo de trabajo de edición, donde la duración de salida se hereda del clip de origen, eso importa más que en uno basado en prompts — una edición rechazada no te cuesta nada más que el reintento, lo cual no es cierto en todas las API de vídeo. Evalúa este modelo por costo por clip aceptado, no por costo por segundo de salida nominal.

La cuestión del enrutamiento, sinceramente.

Seedance 2.5 no está enrutado en OrcaRouter. Una revisión de nuestra lista de modelos en vivo el 13 de octubre de 2026 no devuelve ninguna entrada de Seedance de ninguna generación, por lo que esta página no afirma nada sobre llamarlo a través de nosotros, y deberías considerar desactualizada cualquier publicación que insinúe lo contrario.

Donde OrcaRouter sí encaja es en el resto del pipeline. Un modelo de generación de video rara vez es lo único en la ruta de la solicitud: están la redacción de prompts, el etiquetado de referencias, la generación de listas de planos, las pasadas de moderación y la orquestación agéntica en torno a todo ello, y ese trabajo no pertenece al endpoint de ByteDance. OrcaRouter te ofrece un único endpoint compatible con OpenAI para más de 200 modelos con 0 % de recargo, pasando el precio de lista del proveedor sin cambios, así que una rebaja de precio de un proveedor se refleja en nuestro lado el mismo día en que entra en vigor. La conmutación por error automática hace que un paso de redacción de prompts siga funcionando cuando un proveedor tiene una mala tarde, y el DSL de enrutamiento te permite expresar qué modelo gestiona cada llamada como código en lugar de como una pila de sentencias if. Trae tu clave de BytePlus para la generación de video y enruta todo lo que la rodea a través de un solo lugar.

¿Qué sigue abierto?

Las preguntas que una página de referencia no puede resolver, y las que vale la pena seguir:

• Si llega el 4K. La serie 2.0 tiene un nivel 4K y Seedance 2.5 no, lo que supone una inversión extraña para un modelo más reciente y puede ser una decisión de despliegue por etapas más que un techo. Fíjate en la tabla de capacidades de BytePlus, no en las entradas de blog.

• Si los pesos llegarán a abrirse alguna vez. ByteDance no ha dicho nada en ningún sentido. La línea Seedance nunca ha publicado un checkpoint, y la presencia de rivales genuinamente abiertos en la misma clasificación —MiniMax H3 es el líder en pesos abiertos del ranking de texto a vídeo— es el argumento comercial en contra de cambiar eso.

• Si el Elo se mantiene.El tercer puesto en AA-Video-T2V v2.0, con un intervalo que se solapa con el del modelo en cuarto lugar, es una posición de partida, no un veredicto, y 8.264 votos son una base pequeña frente a las entradas más antiguas de las tablas.

• En qué termina asentándose la superficie de la API. La inferencia del tipo de tarea a partir de la intención del prompt es elegante en los ejemplos y frágil en producción: BytePlus documenta dos códigos de error, InvalidParameter.TaskTypeMismatch y InvalidParameter.TaskTypeConstraint, precisamente para el caso en que querías una edición y el modelo interpretó una generación nueva. Establecer omni_reference_task_type de forma explícita adelanta la validación, y cualquier integración real debería hacerlo.

• Si ByteDance entrega la física. La compañía señaló la plausibilidad del movimiento complejo y la estabilidad de la interacción entre múltiples sujetos como sus propios puntos débiles. Esas son las dos cosas que deciden si un clip de 30 segundos es utilizable o simplemente impresionante.