Seedance 2.5: Czym właściwie jest model wideo ByteDance

Seedance 2.5 to model wspólnego generowania dźwięku i wideo od ByteDance Seed, ogłoszony 31 lipca 2026 r., i jest obecnym modelem wideo w linii Seedance firmy ByteDance — jego poprzednik, Seedance 2.0 — ta seria jest nadal w sprzedaży obok niego, a nie zastąpiona przez niego. Generuje wideo i dźwięk w tym samym przebiegu, przyjmuje do 50 zasobów referencyjnych w jednym żądaniu i tworzy spójny klip o długości do 30 sekund, który można następnie przedłużać w kolejnych rundach. A odpowiedź na pytanie, z którym przychodzi większość ludzi: wagi nie są otwarte, a ByteDance nie opublikował żadnego planu, by je otworzyć. Nie ma licencji, punktu kontrolnego ani repozytorium dla tego modelu — jedyne, co dostarcza dostawca, to hostowane API i zestaw powierzchni konsumenckich. To najprostszy fakt o Seedance 2.5 i właśnie po to istnieje ta strona, ponieważ wyszukiwania, które cię tu sprowadziły, to warianty zapytań „Seedance 2.5 open weight" i „Seedance 2.5 weights", a uczciwa odpowiedź brzmi: nie.

To strona referencyjna, a nie raport z premiery. Model ma około jedenastu tygodni w chwili, gdy to piszę, co czyni go wystarczająco starym, że znaczna część tego, co o nim krąży — również na tym blogu — odbiegła od tego, co ByteDance faktycznie dokumentuje dzisiaj. Wszystko poniżej zostało odtworzone na podstawie materiałów samego dostawcy: strony modelu ByteDance Seed i wpisu o premierze oraz samouczków i tabel cenowych BytePlus ModelArk. Tam, gdzie dostawca nic nie publikuje, mówi się o tym, zamiast to uzupełniać.

Czym jest Seedance 2.5

Opis samego ByteDance Seed jest zwięzły: „model wspólnego generowania audio i wideo nowej generacji, stworzony do 30-sekundowego opowiadania historii z precyzyjną kontrolą odniesień i potężnymi możliwościami edycji”. W poście premierowym firmy generowanie to przedstawiono jako odpowiedź na zmianę oczekiwań ludzi — „od samego generowania klipu do ukończenia pracy twórczej” — oraz położono nacisk na długie formy opowiadania historii, multimodalne odwołania i edycję, a nie na samą wierność wizualną.

Opiera się na architekturze Seedance 2.0, którą ByteDance opisuje jako ujednoliconą, multimodalną konstrukcję wspólnego generowania dźwięku i wideo. Seedance 2.5 zachowuje ten szkielet i rozwija trzy osie naraz. Nie jest to nowa rodzina ani inna modalność; to ta sama linia, ale z podniesionym pułapem w zakresie czasu trwania, liczby materiałów referencyjnych oraz precyzji sterowania ujęciem po jego powstaniu.

Co dostawca mówi o liczbie parametrów: nic. Rozmiar, dane treningowe i moc obliczeniowa Seedance 2.5 nie są publikowane, podobnie jak żaden benchmark przeprowadzony przez ByteDance. Warto o tym braku pamiętać, ponieważ oznacza to, że każde twierdzenie o jakości tego modelu pochodzi z jednego z dwóch miejsc — z języka marketingowego samego ByteDance albo z zewnętrznego rankingu preferencji ludzi — a te dwa źródła nie są tym samym rodzajem dowodu.

Czy wagi Seedance 2.5 są otwarte?

Nie. Nic związanego z Seedance 2.5 nie można pobrać.

Materiały dostawcy ani słowem nie wspominają o wagach, checkpointach, licencji czy wydaniu open source. Wezwania do działania na stronie modelu to „Pobierz API", „Wypróbuj teraz" i „Porównaj teraz"; w stopce znajdują się odnośniki do modeli, publikacji i rekrutacji, a nie do repozytorium. BytePlus ModelArk udostępnia model jako dreamina-seedance-2-5-260628, a jego strona z cennikiem oznacza wnioskowanie offline jako „Jeszcze nieobsługiwane" — nie ma ścieżki samodzielnego hostowania, jest tylko wnioskowanie online przez punkt końcowy ByteDance. Wyszukanie tej nazwy w Hugging Face nie zwraca żadnego repozytorium należącego do ByteDance; wyniki to strony podmiotów trzecich, które przepakowują dostęp do API pod tytułami w stylu Seedance, z których żadna nie jest checkpointem.

Klasyfikacja stron trzecich to potwierdza, a jest to użyteczniejszy sygnał, ponieważ nie została przygotowana przez ByteDance. Artificial Analysis stosuje wyraźny filtr „Open weights” na swoich rankingach wideo, a w swoim własnym FAQ wymienia liderów otwartych wag na tablicy text-to-video: MiniMax H3 (768p) z Elo 1137, następnie LTX-2.5 Fast z 946 i LTX-2.5 Pro z 943. Dreamina Seedance 2.5, z Elo 1143 i trzecim miejscem ogółem na tej samej tablicy, nie znajduje się wśród nich. Kohorta otwartych wag na tablicy i jej wpis Seedance 2.5 to zbiory rozłączne.

Warto doprecyzować, co to oznacza, a czego nie. Zamknięte wagi nie czynią modelu gorszym, a dla bardzo wielu zespołów to pytanie jest czysto akademickie: i tak nigdy nie mieli zamiaru uruchamiać modelu dyfuzji wideo na własnym sprzęcie. Zamknięte wagi oznaczają jednak, że nie można audytować modelu, nie można dostroić go na własnych materiałach, nie można przypiąć wersji i dalej jej używać po tym, jak dostawca ją wycofa, i nie można generować wyników bez wysyłania swoich promptów i materiałów referencyjnych do ByteDance. Jeśli którekolwiek z tych czterech ograniczeń dyskwalifikuje ten model w Twojej pracy, Seedance 2.5 nie jest modelem dla Ciebie, niezależnie od tego, jak wygląda wynik. Opcje z otwartymi wagami na tej samej liście — MiniMax H3, LTX-2.5 — to tam powinny zakończyć się te poszukiwania.

Co generuje, o jakiej długości i w jakiej rozdzielczości

Samouczek BytePlus ModelArk dotyczący Seedance 2.5 to miejsce, w którym znajduje się prawdziwa specyfikacja, i jest on znacznie bardziej szczegółowy niż wpis premierowy. Model określa typ zadania na podstawie zasobów wejściowych i intencji promptu, a rozpoznawanych jest pięć form:

• Tekst na wideo — sam prompt tekstowy, bez specjalnych ograniczeń dotyczących proporcji obrazu lub czasu trwania.

• Wideo z pierwszą klatką i wideo z pierwszą oraz ostatnią klatką — jeden obraz jako klatka początkowa albo dwa obrazy jako pierwsza i ostatnia klatka, przy czym proporcje obrazu wyjściowego są zablokowane do obrazu pierwszej klatki.

• Od odniesienia do wideo — co najmniej jeden obraz, film lub dźwięk referencyjny, bez ograniczeń dotyczących czasu trwania materiału wyjściowego.

• Edycja wideo — wideo referencyjne oraz intencja edycji w prompcie, zastąpienie podmiotu, dodanie lub usunięcie obiektów albo przemalowanie części kadru. Wynik zachowuje proporcje i czas trwania źródła, wideo referencyjne musi trwać od 4 do 30 sekund, a proporcje należy ustawić na adaptive z czasem trwania -1.

• Przedłużanie wideo — wideo referencyjne oraz intencja przedłużenia, kontynuująca materiał do przodu lub do tyłu. We wpisie zapowiadającym opisano przedłużanie w kolejnych rundach przy utrzymaniu postaci, otoczenia i tempa narracji na niezmiennym poziomie.

O liczbach, które podaje samouczek:

• Czas trwania — od 4 do 30 sekund w jednym przebiegu lub -1, aby model wybrał długość z tego zakresu. Seria Seedance 2.0 osiąga maksymalnie 4–15 sekund, więc to podwojenie, a ByteDance twierdzi, że odbywa się to bez sklejania wielu segmentów.

• Rozdzielczość — 480p i 720p przy 8-bitowej głębi kolorów oraz 1080p przy 10-bitowej. To pełna lista dla Seedance 2.5. Nie 4K. Poziom 4K istnieje w serii Seedance 2.0, nie tutaj, a to jedna z liczb, które się rozjechały: kilka opracowań osób trzecich — oraz wcześniejszy artykuł objaśniający na tym blogu — opisywało Seedance 2.5 jako model 4K. Aktualna tabela możliwości BytePlus ModelArk nie wymienia 4K dla dreamina-seedance-2-5-260628. Zanim komukolwiek obiecasz 4K z tego modelu, porównaj tabelę dostawcy z własną specyfikacją dostarczania.

• Proporcje obrazu — 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 i adaptacyjne.

• Kontener — mp4 lub mov. Ścieżka mov wykorzystuje H.264 z próbkowaniem chrominancji yuv444p i dźwiękiem PCM, co ByteDance pozycjonuje jako opcję o wyższej wierności do prac edycyjnych i rozszerzania.

• Materiały referencyjne — do 50 zasobów w jednym żądaniu: 30 obrazów, 10 filmów i 10 klipów audio. Seria 2.0 pozwala na łącznie 15, w podziale 9/3/3. Filmy referencyjne mogą łącznie obejmować nie więcej niż 30 sekund materiału wejściowego, każdy musi mieć 200 MB lub mniej, a akceptowane wejściowe liczby klatek na sekundę mieszczą się w zakresie 24–60 fps.

• Nieopublikowane — wyjściowa liczba klatek na sekundę. Samouczek określa zakres liczby klatek na sekundę, jaki przyjmuje na wejściu, i nie określa niczego na temat tego, co emituje. Jeśli Twój potok zakłada stałą liczbę klatek na sekundę na wyjściu, to jest to założenie, a nie udokumentowana wartość.

Jeszcze jeden szczegół, który nie ma odpowiednika w serii 2.0: Tryb wersji roboczej. Generujesz podgląd 480p, aby sprawdzić strukturę sceny, harmonogram ujęć, ruch obiektu i zgodność z promptem, a następnie przekazujesz identyfikator zadania wersji roboczej dalej, aby wyrenderować wersję finalną w docelowej rozdzielczości, ponownie wykorzystując model, prompt, zasoby wejściowe, seed, ustawienia dźwięku, proporcje obrazu i czas trwania. Dozwolone są tylko wersje robocze 480p. Oba kroki są rozliczane osobno.

Audio jest generowane, a nie załączane.

Seedance 2.5 to wspólny model generowania audio-wideo, a to rozróżnienie nie jest zabiegiem marketingowym. API zawiera flagę generate_audio, a przykłady z samego wpisu premierowego są zapisane jak projekt dźwięku: "ding" jako dźwięk odkrycia przy reakcji bohatera, trzask pękającej skórki grejpfruta, łupnięcie, po którym następuje pół sekundy ciszy, lektor czytający kwestię marki na białym kadrze. Wszystkie te elementy są tworzone w ramach promptu generującego klip, a nie dokładane później.

Strona referencyjna również się zmieniła. Referencje audio w Seedance 2.0 były warunkowe — referencja audio wymagała towarzyszącego obrazu lub wideo. Seedance 2.5 akceptuje reference_audio samodzielnie i pozwala na łączenie audio z obrazem, z wideo lub wszystkich trzech razem. Zasoby referencyjne audio i wideo łącznie nie przekraczają 30 sekund.

Znakowanie wodne to parametr, a nie stałe zachowanie: watermark domyślnie ma wartość false, a ustawienie go na true powoduje umieszczenie znacznika wygenerowanego przez AI w prawym dolnym rogu. Liczba natywnie obsługiwanych języków wynosi jedenaście — chiński, angielski, hiszpański, indonezyjski, malajski, tajski, arabski, portugalski, wietnamski, japoński i koreański.

Co twierdzi ByteDance, a co mierzą niezależne rady

ByteDance nie publikuje żadnego benchmarku dla Seedance 2.5. Ani na stronie modelu, ani w poście ogłaszającym premierę, ani w samouczku ModelArk. Twierdzenia firmy mają charakter jakościowy i najlepiej czytać je jako listę intencji: płynniejszy i bardziej spójny ruch, bardziej realistyczny obraz, lepsze przejścia między ujęciami i zmiany scen, lepsze odwzorowanie faktury przedmiotów i skóry, oświetlenia i nasycenia kolorów oraz ograniczenie niekontrolowanych napisów i muzyki w tle, które sprawiają, że wideo AI wygląda sztucznie. Post ogłaszający premierę podaje też dobrowolnie pewne ograniczenie, na tyle niezwykłe, że warto je zacytować: ByteDance twierdzi, że „wciąż jest miejsce na poprawę, szczególnie jeśli chodzi o fizyczną wiarygodność złożonych ruchów i stabilność scen obejmujących interakcje między wieloma podmiotami”.

Niezależny obraz pochodzi z Artificial Analysis, które klasyfikuje modele wideo według Elo na podstawie ślepych głosów parami oddanych przez rekrutowany panel ludzki. W rankingu AA-Video-T2V v2.0 dla text-to-video z dźwiękiem, Dreamina Seedance 2.5 ma Elo 1143 z 95% przedziałem od 1134 do 1152, przy 8 264 głosach, co plasuje go na trzecim miejscu. Przed nim: Wan 3.0 z 1156 i Utopai X z 1149. Za nim: MiniMax H3 (768p) z 1137 i MiniMax H3 Max z 1130.

Trzy zastrzeżenia do tej liczby. Sama tablica wyników nazywa ten model „Dreamina Seedance 2.5”, a podana na niej data premiery to lipiec 2026 — chodzi właśnie o ten model, a nie o jego poprzednika. Ocena jest miarą preferencji, a nie wynikiem możliwości: mówi, że w ślepych porównaniach ludzie częściej wybierali jego klipy, co jest stwierdzeniem o wynikach ocenianych wzrokiem i słuchem, a niczym o sterowalności, ergonomii API, koszcie czy niezawodności. A przedziały mocno się nakładają — 1143 kontra 1137 to nie jest ranking, na którym ktokolwiek powinien opierać decyzję.

Dwa kolejne wyniki dopełniają ten obraz. Na AA-Video-T2V-Silent v2.0, tablicy bez dźwięku, Seedance 2.5 plasuje się z Elo 1105 na czwartym miejscu, za Wan 3.0, MiniMax H3 Max i MiniMax H3 (768p) — pozycja spójna, ale nieszczególna. Na AA-Video-I2V v1.0, tablicy image-to-video, nie pojawia się wcale; wpisy Seedance to tam Dreamina Seedance 2.0 720p i Seedance 1.5 pro. Nic tutaj nie potwierdza twierdzenia, że Seedance 2.5 przewodzi w swojej dziedzinie. Nic tutaj również temu nie przeczy — trzecie miejsce ogółem na tablicy text-to-video z uwzględnieniem dźwięku to naprawdę mocny debiut, a sama uwaga tablicy, że w ciągu ostatnich trzydziestu dni dodano sześć modeli, świadczy o tym, że ranking wciąż się zmienia.

Ile to kosztuje i jak się do tego dostać

Dostęp odbywa się przez dwoje zupełnie różnych drzwi. Po stronie konsumenta wpis ByteDance ogłaszający premierę wymienia Jimeng AI i Doubao Pro — wybierz Seedance 2.5 w menu generowania wideo — a jako kolejne punkty wejścia na stronie modelu podaje BytePlus playground pod ai.byteplus.com oraz Dola. Po stronie dewelopera API to BytePlus ModelArk, o identyfikatorze modelu dreamina-seedance-2-5-260628, obsługiwany z punktu końcowego dla regionu Azji i Pacyfiku. Zanim model w ogóle zacznie działać, BytePlus wymaga jednego z poniższych: salda na koncie powyżej 30 USD, dedykowanego planu AI Savings Plan w wariancie 30 USD lub wyższym albo zakupionego pakietu zasobów z serii Seedance 2.5. Sam klucz API nie wystarczy, a o tej barierze warto wiedzieć, zanim zaplanujesz test.

Cennik jest publikowany i jest rozliczany na podstawie szacowanego zużycia tokenów, a nie za klip. Stawki za tokeny, ze strony cennika BytePlus ModelArk, w USD za milion tokenów:

• Wyjście 480p i 720p — 10,70 bez wejścia wideo, 6,40 z wejściem wideo.

• Wyjście 1080p — 11,70 bez wejścia wideo, 7,00 z wejściem wideo.

• Wnioskowanie offline — nieobsługiwane.

Zużycie tokenów skaluje się wraz z czasem trwania, rozdzielczością i liczbą klatek na sekundę, a własne przykłady obliczeń BytePlus pokazują to konkretnie. Dla 5-sekundowego klipu 16:9 bez wejściowego wideo szacunek dostawcy wynosi 0,514 USD przy 480p (0,103 na sekundę), 1,156 USD przy 720p (0,231 na sekundę) i 2,843 USD przy 1080p (0,569 na sekundę). Gdy wideo jest już podane jako dane wejściowe, ten sam 5-sekundowy wynik kosztuje od 0,553 do 2,152 USD przy 480p, od 1,244 do 4,838 USD przy 720p i od 3,062 do 11,907 USD przy 1080p, przy czym dolny zakres odpowiada wejściu 2–4 sekund, a górny — 30-sekundowemu. Należy zauważyć, że dodanie wejściowego wideo obniża stawkę za token, jednocześnie podnosząc całkowity koszt, ponieważ sam czas trwania danych wejściowych zużywa tokeny. Artificial Analysis normalizuje ten sam model do 34,12 USD za minutę przy 1080p w domyślnych ustawieniach, co jest zgodne z własną stawką dostawcy za sekundę dla 1080p po przemnożeniu przez 60 sekund.

Dla porównania seria Seedance 2.0 jest tańsza na całej linii: 0,07 za sekundę przy 480p, 0,15 przy 720p, 0,37 przy 1080p i 0,78 przy 4K na tej samej stronie cenowej. Stawka Seedance 2.5 dla 1080p jest około 1,5 razy wyższa niż u poprzednika, a stawka dla 480p również około 1,5 razy. Płacisz za czas trwania, pojemność referencyjną i kontrolę edycji, a nie za tańsze rozliczanie.

Jedna praktyczna uwaga dotycząca rozliczania, ponieważ zmienia to, co powinieneś mierzyć: BytePlus pobiera opłaty wyłącznie za pomyślnie wygenerowane filmy i nie nalicza opłat za nieudane generowanie spowodowane moderacją treści. W procesie edycji, w którym czas trwania wyniku jest dziedziczony z klipu źródłowego, ma to większe znaczenie niż w procesie sterowanym promptami — odrzucona edycja kosztuje cię tylko ponowną próbę, co nie dotyczy każdego API wideo. Oceń ten model pod kątem kosztu za zaakceptowany klip, a nie kosztu za sekundę nominalnego wyniku.

Pytanie o routing, szczerze

Seedance 2.5 nie jest routowany w OrcaRouter. Sprawdzenie naszej aktualnej listy modeli w dniu 13 października 2026 r. nie zwraca żadnego wpisu Seedance jakiejkolwiek generacji, więc ta strona nie twierdzi, że można go wywołać przez nas, a wszelkie materiały, które sugerują inaczej, należy uznać za nieaktualne.

Tam, gdzie OrcaRouter rzeczywiście pasuje, jest reszta potoku. Model generowania wideo rzadko jest jedynym elementem ścieżki żądania — pojawia się przygotowywanie promptów, opisywanie materiałów referencyjnych, generowanie listy ujęć, przebiegi moderacji i agentowa orkiestracja wokół tego wszystkiego, a ta praca nie należy do endpointu ByteDance. OrcaRouter daje ci jeden endpoint zgodny z OpenAI obejmujący ponad 200 modeli z 0% marży, przekazując cenę katalogową dostawcy bez zmian, więc obniżka ceny dostawcy pojawia się po naszej stronie tego samego dnia, w którym wchodzi w życie. Automatyczne przełączanie awaryjne sprawia, że krok przygotowywania promptu działa dalej, gdy jednemu dostawcy przytrafi się gorsze popołudnie, a DSL routingu pozwala wyrazić, który model obsługuje które wywołanie, jako kod, a nie stos instrukcji if. Weź swój klucz BytePlus do generowania wideo i kieruj wszystko wokół niego przez jedno miejsce.

Co jest jeszcze otwarte?

Pytania, których nie rozstrzygnie strona referencyjna, i te, którym warto się przyglądać:

• Czy 4K się pojawi. Seria 2.0 ma poziom 4K, a Seedance 2.5 nie, co jest dziwną inwersją jak na nowszy model i może być decyzją o stopniowym wdrażaniu, a nie górną granicą. Śledź tabelę możliwości BytePlus, a nie wpisy na blogach.

• Czy wagi kiedykolwiek zostaną otwarte. ByteDance nie zajął w tej kwestii żadnego stanowiska. Linia Seedance nigdy nie udostępniła checkpointu, a obecność naprawdę otwartych rywali na tej samej liście rankingowej — MiniMax H3 jest liderem otwartych wag na liście tekst-na-wideo — to argument komercyjny przeciwko zmianie tego stanu.

• Czy Elo się utrzyma.Trzecie miejsce w AA-Video-T2V v2.0 z przedziałem nakładającym się na model z czwartego miejsca to pozycja wyjściowa, a nie wyrok, a 8 264 głosy to mała baza w porównaniu ze starszymi wpisami rankingów.

• Do czego ostatecznie sprowadza się powierzchnia API. Wnioskowanie typu zadania na podstawie intencji promptu jest eleganckie w przykładach i kruche w środowisku produkcyjnym — BytePlus dokumentuje dwa kody błędów, InvalidParameter.TaskTypeMismatch i InvalidParameter.TaskTypeConstraint, dokładnie w przypadku, gdy zamierzałeś edycję, a model odczytał świeżą generację. Ustawienie omni_reference_task_type w sposób jawny przenosi walidację wcześniej, a każda rzeczywista integracja powinna to robić.

• Czy ByteDance dowiezie fizykę. Firma wskazała złożoną wiarygodność ruchu i stabilność interakcji wielu obiektów jako własne słabe punkty. To właśnie te dwie rzeczy decydują, czy 30-sekundowy klip jest użyteczny, czy tylko robi wrażenie.