Seedance 2.5：ByteDanceの動画モデルの実態とは

Seedance 2.5は、2026年7月31日に発表されたByteDance Seedの音声・映像同時生成モデルであり、ByteDanceのSeedanceシリーズにおける現行の動画モデルです。その前身にあたるSeedance 2.0シリーズは、置き換えられたのではなく、今もその隣で販売されています。映像と音声を同じパスで生成し、1回のリクエストで最大50点の参照アセットを受け付け、最大30秒の一貫したクリップを生成したうえで、さらに追加のラウンドで延長することができます。そして、多くの人がまず知りたいと思う疑問への答えはこうです。重みは公開されておらず、ByteDanceもそれを公開する計画を発表していません。このモデルにはライセンスもチェックポイントもリポジトリもありません。ベンダーが提供するのは、ホスト型APIと一連のコンシューマー向けサーフェスだけです。これがSeedance 2.5についての最も明白な事実であり、このページが存在する理由でもあります。あなたがここにたどり着いた検索は「Seedance 2.5 open weight」や「Seedance 2.5 weights」のバリエーションであり、正直な答えは「いいえ」だからです。

これはローンチレポートではなく、参照用のページです。私がこれを書いている時点で、このモデルはおよそ11週間前に登場したもので、そのため、このモデルについて流れている多くの情報——このブログ上のものも含めて——は、ByteDanceが今日実際に文書化している内容からずれています。以下の内容はすべて、ベンダー自身の資料から再構成しています。ByteDance Seedのモデルページとローンチ記事、そしてBytePlus ModelArkのチュートリアルと価格表です。ベンダーが何も公開していない箇所では、推測で埋めず、そのことを明記しています。

Seedance 2.5とは何か

ByteDance Seed自身の説明は簡潔だ。「次世代の音声・映像統合生成モデルで、正確な参照制御と強力な編集機能を備え、30秒のストーリーテリング向けに構築されている」。同社のローンチ投稿では、この生成を、人々が期待するものの変化——「単にクリップを生成することから、創造的な作品を完成させることへ」——への応答として位置づけ、生の視覚的忠実度よりも、長編ストーリーテリング、マルチモーダル参照、編集に重点を置いている。

これは、ByteDanceが統合型マルチモーダル音声・映像同時生成設計と説明するSeedance 2.0のアーキテクチャ上に成り立っている。Seedance 2.5はその骨格を維持しつつ、三つの軸を同時に押し上げる。それは新しい系統でも、異なるモダリティでもない。同じ路線でありながら、尺、参照量、そして生成後のショットをどれだけ精密に操れるかという上限を引き上げたものだ。

ベンダーがパラメータ数について語っていること：何もない。Seedance 2.5の規模、学習データ、計算資源は公開されておらず、ByteDanceが実施したベンチマークも同様に公開されていない。この不在は心に留めておく価値がある。なぜなら、それはこのモデルに関するあらゆる品質の主張が二つの場所のどちらかから来ていることを意味する — ByteDance自身のマーケティングの言葉か、第三者の人間選好リーダーボードか — そしてその二つは同じ種類の証拠ではない。

Seedance 2.5の重みは公開されていますか？

いいえ。Seedance 2.5 に関してダウンロードできるものは何もありません。

ベンダーの資料には、重み、チェックポイント、ライセンス、オープンソースリリースについて一切言及されていない。モデルページのコールトゥアクションは「Get API」「Try now」「Compare now」で、フッターのリンク先はモデル、出版物、採用情報であり、リポジトリではない。BytePlus ModelArk はこのモデルを dreamina-seedance-2-5-260628 として提供しており、その料金ページではオフライン推論は「Not supported yet」と表示されている — セルフホストの道はなく、ByteDance のエンドポイントに対するオンライン推論のみだ。Hugging Face でその名前を検索しても、ByteDance が所有するリポジトリは返ってこない。結果は、Seedance 風のタイトルの下で API アクセスを再パッケージしたサードパーティのページであり、いずれもチェックポイントではない。

第三者の分類も一致しており、これはByteDanceが書いたものではないため、より有用なシグナルだ。Artificial Analysisは自社の動画リーダーボードに明示的な「オープンウェイト」フィルターを設けており、そのFAQではテキストから動画へのボードにおけるオープンウェイトのトップを挙げている。MiniMax H3（768p）がElo 1137、続いてLTX-2.5 Fastが946、LTX-2.5 Proが943だ。同じボードでElo 1143、総合3位につけるDreamina Seedance 2.5は、その中には含まれていない。このボードのオープンウェイト集団と、Seedance 2.5のエントリは互いに素な集合である。

これが何を意味し、何を意味しないのかについては、正確を期す価値がある。クローズドウェイトはモデルを悪くするわけではないし、非常に多くのチームにとってこの問題は机上の空論だ。そもそも自前のハードウェアで動画拡散モデルを動かすつもりなどなかったのだから。クローズドウェイトが意味するのは、モデルを監査できない、自前の映像でファインチューニングできない、ベンダーが非推奨にした後もバージョンを固定して呼び続けることができない、そしてプロンプトと参照アセットをByteDanceに送らずに出力を生成できない、ということだ。これら4つの制約のいずれかがあなたの仕事にとって致命的なら、出力がどれほど良く見えても、Seedance 2.5はあなたのモデルではない。同じボード上のオープンウェイトの選択肢——MiniMax H3、LTX-2.5——こそ、代わりにその探索を終わらせるべき場所だ。

何を生成するか、どのくらいの長さで、どの解像度で

BytePlus ModelArkのSeedance 2.5チュートリアルこそが実際の仕様が記されている場所であり、ローンチ記事よりもかなり具体的です。モデルは入力アセットとプロンプトの意図からタスクタイプを決定し、5つの認識される形式があります：

• テキストtoビデオ — テキストプロンプトのみで、アスペクト比や継続時間に関する特別な制約はありません。

• 最初フレーム動画と最初・最後フレーム動画 — 1枚の画像を開始フレームとして使用するか、2枚の画像を最初と最後のフレームとして使用します。出力のアスペクト比は最初のフレームの画像に固定されます。

• 参照から動画 — 少なくとも1つの参照画像、動画、音声が必要で、出力の長さに制約はありません。

• 動画編集 — 参照動画とプロンプト内の編集意図（被写体の置き換え、オブジェクトの追加または削除、フレームの一部の再描画）を使用します。出力はソースのアスペクト比と再生時間を維持し、参照動画は4～30秒である必要があり、比率は次の値に設定する必要があります：adaptive、再生時間は-1。

• 動画延長 — 参照動画と延長の意図を指定し、映像を前方または後方へと継続させる。ローンチ投稿では、キャラクター、環境、物語のテンポを一定に保ちながら、さらに複数回にわたって延長する方法が説明されている。

チュートリアルが示す数値について：

• 長さ — 単一パスで4～30秒、または -1を指定すると、モデルがその範囲内から長さを選べます。Seedance 2.0 シリーズは最大4～15秒なので、これは2倍になり、ByteDance はマルチセグメントのつなぎ合わせなしで実現すると述べています。

• 解像度 — 8ビット色深度で480pおよび720p、10ビットで1080p。Seedance 2.5の全リストはこれだけです。4Kではありません。 4KティアはSeedance 2.0シリーズには存在しますが、ここにはありません。そしてこれは変動した数値の一つです。複数のサードパーティ記事、およびこのブログ自身の以前の解説記事が、Seedance 2.5を4Kモデルと説明していました。BytePlus ModelArkの現在の機能表には、dreamina-seedance-2-5-260628の4Kは記載されていません。このモデルから4Kを誰かに約束する前に、ベンダーの表を自身の配信仕様と照合してください。

• アスペクト比 — 21:9、16:9、4:3、1:1、3:4、9:16、およびアダプティブ。

• コンテナ — mp4 または mov。mov のパスでは yuv444p クロマサンプリングの H.264 と PCM オーディオを使用しており、ByteDance はこれを編集や拡張作業向けのより高忠実度なオプションとして位置づけています。

• 参照 — 1回のリクエストで最大50個のアセット（画像30点、動画10本、音声クリップ10点）。2.0シリーズでは合計15点までで、内訳は9/3/3です。参照動画の入力は合計30秒以内、各動画は200 MB以下、対応する入力フレームレートは24～60 fpsです。

• 未公開 — 出力フレームレート。チュートリアルには、入力として受け入れるフレームレート範囲が記載されていますが、出力されるものについては何も記載されていません。パイプラインが固定の出力fpsを前提としているなら、それはあくまで前提であり、文書化された値ではありません。

2.0シリーズには対応するものがない、もう一つの詳細：ドラフトモード。シーンの構成、ショットのスケジューリング、被写体の動き、プロンプトとの整合性を確認するために480pのプレビューを生成し、そのドラフトのタスクIDをそのまま引き継いで、モデル、プロンプト、入力アセット、シード、音声設定、アスペクト比、長さを再利用しながら、目標解像度で最終版をレンダリングします。許可されるドラフトは480pのみです。どちらのステップも個別に課金されます。

音声は添付ではなく生成されます

Seedance 2.5は音声・映像の共同生成モデルであり、この違いはマーケティングではない。APIにはgenerate_audioフラグがあり、ローンチ投稿自体の例もサウンドデザインとして書かれている。キャラクターの反応に「ディン」という発見のスティング、グレープフルーツの皮が割れるときのパキッという音、ドサッという音に続く0.5秒の沈黙、白いフレームの上でブランドの一行を読むナレーション。これらはクリップを生成するプロンプトの一部として書かれるもので、後から重ねられるものではない。

参照側も変更されました。Seedance 2.0の音声参照は条件付きで、音声参照には画像または動画を併せて指定する必要がありました。Seedance 2.5ではreference_audioを単独で受け付け、音声を画像との組み合わせ、動画との組み合わせ、または3つすべて同時に組み合わせることができます。参照用の音声アセットと動画アセットは、合計で30秒以内です。

ウォーターマーキングは固定された動作ではなくパラメータです：watermark は false がデフォルトで、true に設定すると右下隅に AI 生成マーカーを刻印します。ネイティブでサポートされる言語は 11 言語です — 中国語、英語、スペイン語、インドネシア語、マレー語、タイ語、アラビア語、ポルトガル語、ベトナム語、日本語、韓国語です。

ByteDanceが主張していることと、独立した委員会が測定していること

ByteDanceはSeedance 2.5に関するベンチマークを公表していない。モデルページにも、ローンチ投稿にも、ModelArkのチュートリアルにもない。同社の主張は定性的であり、意図のリストとして読むのが最も適切だ。より滑らかで一貫性のある動き、よりリアルな映像、より強力なショット遷移とシーン転換、物体や肌のテクスチャ、照明、彩度の扱いの改善、そしてAI動画を合成的に見せてしまう、制御不能な字幕やBGMの削減。ローンチ投稿はさらに、制約についても自ら言及しており、これは引用に値するほど異例だ。ByteDanceは「特に複雑な動きの物理的な妥当性や、複数の被写体間の相互作用を含むシーンの安定性に関して、まだ改善の余地がある」と述べている。

この独立した指標はArtificial Analysisによるもので、同組織は募集した人間のパネルが投じたブラインドのペアワイズ投票に基づき、Eloで動画モデルをランク付けしている。音声付きテキストto動画のボードであるAA-Video-T2V v2.0では、Dreamina Seedance 2.5はElo 1143、95%区間は1134〜1152、投票数8,264で、3位に位置している。その上はWan 3.0の1156とUtopai Xの1149。その下はMiniMax H3（768p）の1137とMiniMax H3 Maxの1130である。

その数字には3つの注意点がある。そのボード自体がこのモデルに付けている名前は「Dreamina Seedance 2.5」で、掲載されているリリースは2026年7月だ — 問題になっているのはこのモデルであり、その前身ではない。この評価は能力スコアではなく選好度の指標だ。つまり、ブラインド比較でそのクリップがより頻繁に選ばれたということを示しており、これは目と耳で判断された出力についての記述であって、制御性、APIの使い勝手、コスト、信頼性については何も述べていない。そして区間は大きく重なっている — 1143対1137は、誰も意思決定の根拠にすべきランキングではない。

これを補完するさらに2つの順位がある。音声なしのボードであるAA-Video-T2V-Silent v2.0では、Seedance 2.5はElo 1105で4位につけ、Wan 3.0、MiniMax H3 Max、MiniMax H3（768p）の後塵を拝している——安定しているが、特筆すべきではない位置だ。画像から動画のボードであるAA-Video-I2V v1.0では、まったく登場しない。そこでのSeedanceのエントリーはDreamina Seedance 2.0 720pとSeedance 1.5 proである。ここには、Seedance 2.5がその分野をリードしているという主張を裏付けるものは何もない。同様に、これを否定するものでもない——音声を含むテキストから動画のボードで総合3位は、間違いなく強力なデビューであり、過去30日間に6モデルが追加されたというボード自身の注記は、ランキングがまだ動いていることを示している。

費用はいくらか、そしてそこへどうやって行くのか

アクセスはまったく異なる2つの入口を通ります。コンシューマー側では、ByteDanceのローンチ投稿がJimeng AIとDoubao Proを挙げており——動画生成メニューでSeedance 2.5を選択——BytePlusのプレイグラウンドはai.byteplus.com、Dolaはモデルページのさらなる入口として記載されています。開発者側では、APIはBytePlus ModelArkで、モデルIDはdreamina-seedance-2-5-260628で、アジアパシフィックのエンドポイントから提供されます。モデルを実行するにはまず、BytePlusが次のいずれかを要求します：USD 30を超えるアカウント残高、USD 30ティア以上の専用AI Savings Plan、または購入済みのSeedance 2.5シリーズリソースパックです。APIキーだけでは不十分であり、そのゲートはスパイクを計画する前に知っておく価値があります。

料金は公開されており、クリップ単位ではなく推定トークン消費量に基づく従量制です。トークン料金は、BytePlus ModelArkの料金ページによると、100万トークンあたりの米ドルで以下のとおりです：

• 480pおよび720p出力 — 映像入力なしで10.70、映像入力ありで6.40。

• 1080p出力 — 映像入力なしで11.70、映像入力ありで7.00。

• オフライン推論 — サポートされていません。

トークン消費量は、動画の長さ、解像度、フレームレートに応じて増加し、BytePlus自身の計算例がその全体像を具体的に示しています。動画入力なしの5秒の16:9クリップの場合、ベンダーの見積もりは480pでUSD 0.514（1秒あたり0.103）、720pでUSD 1.156（1秒あたり0.231）、1080pでUSD 2.843（1秒あたり0.569）です。動画を入力として与えると、同じ5秒の出力は480pでUSD 0.553～2.152、720pでUSD 1.244～4.838、1080pでUSD 3.062～11.907となり、下限は2～4秒の入力、上限は30秒の入力に対応します。なお、動画入力を追加すると、下げるトークンあたりの料金であり、一方で上げる合計であり、なぜなら、入力の長さ自体がトークンを消費するからです。Artificial Analysisは同じモデルをデフォルト設定で1080p 1分あたり$34.12に正規化しており、これは60秒に換算するとベンダー自身の1080p 1秒あたりの数値と一致します。

参考までに言うと、Seedance 2.0 シリーズは全体的に安い。同じ料金ページでは、480p が毎秒 0.07、720p が 0.15、1080p が 0.37、4K が 0.78 となっている。Seedance 2.5 の 1080p 料金は前世代のおよそ 1.5 倍で、480p 料金も同様におよそ 1.5 倍だ。あなたが支払っているのは尺、参照素材の容量、編集の自由度であって、安い従量課金ではない。

課金体系に関する実用的な補足を1つ。これは、何を測るべきかを変えるからです。BytePlus は正常に生成された動画に対してのみ課金し、コンテンツモデレーションが原因で失敗した生成には請求しません。編集ワークフローでは、出力の長さがソースクリップから引き継がれるため、この点はプロンプト駆動型の場合よりも重要です。却下された編集では再試行のコスト以外はかかりませんが、これはすべての動画 API に当てはまるわけではありません。このモデルは、名目上の出力1秒あたりのコストではなく、承認されたクリップ1本あたりのコストで評価してください。

正直に言うと、ルーティングの質問です。

Seedance 2.5 は OrcaRouter ではルーティングされていません。2026年10月13日時点で当社の稼働中モデル一覧を確認しても、どの世代の Seedance エントリも見つからないため、このページでは当社を通じて呼び出せるとは一切うたっておらず、そうでないと示唆する記述は古い情報として扱ってください。

OrcaRouterが真に適合するのは、パイプラインの残りの部分です。動画生成モデルがリクエストパス上にある唯一の要素であることはほとんどなく、プロンプトの下書き、参照キャプションの生成、ショットリストの作成、モデレーションパス、そしてそのすべてを取り巻くエージェント的なオーケストレーションが存在します。そしてそうした作業はByteDanceのエンドポイントに置くべきものではありません。OrcaRouterは200以上のモデルに対応するOpenAI互換の単一エンドポイントをマークアップ0%で透過してプロバイダーの定価をそのまま提供するため、ベンダーの値下げはそれが実施された当日に当社側にも反映されます。自動フェイルオーバーにより、あるプロバイダーが不調な午後でもプロンプト下書きのステップは動き続け、ルーティングDSLを使えば、どの呼び出しをどのモデルが処理するかをif文の山ではなくコードとして表現できます。動画生成にはBytePlusのキーを持ち込み、その周辺のすべてを1か所を通してルーティングしてください。

何がまだ未解決ですか

リファレンスページでは解決できない問い、そして注目に値する問い：

• 4Kが登場するかどうか。2.0シリーズには4Kティアがあり、Seedance 2.5にはない。これは新しいモデルとしては妙な逆転であり、上限というよりむしろ段階的な展開の判断かもしれない。ブログ記事ではなく、BytePlusのケイパビリティ表を確認しよう。

• 重みがいずれ公開されるかどうか。ByteDanceはどちらとも明言していない。Seedanceシリーズはこれまで一度もチェックポイントを公開したことがなく、同じリーダーボード上に真にオープンな競合が存在すること——MiniMax H3はテキスト・トゥ・ビデオ部門におけるオープンウェイトの首位だ——が、それを変えないことの商業的な根拠となっている。

• Eloが維持されるかどうか。AA-Video-T2V v2.0で、4位のモデルと信頼区間が重なる3位というのは出発点であって判決ではなく、8,264票というのはこのボードの古いエントリーと比べれば小さな母数にすぎない。

• API サーフェスが最終的に落ち着く先。プロンプトの意図からのタスク種別推論は、サンプルではエレガントでも本番では脆い — BytePlus が 2 つのエラーコード、InvalidParameter.TaskTypeMismatch と InvalidParameter.TaskTypeConstraint を文書化しているのは、まさに編集を意図したのにモデルが新規生成として解釈したケースのためだ。omni_reference_task_type を明示的に設定すれば検証はより早い段階に移り、実際の統合であればそうすべきだ。

• ByteDanceが物理演算を実装して出荷できるかどうか。同社は、複雑な動きの妥当性と複数被写体の相互作用の安定性を自社の弱点として挙げている。この2つが、30秒のクリップが実用的か、それとも単に見栄えがするだけかを決める。