Seedance 2.5 vs ByteDance Seedance 2.0: Nowszy model ma niższy pułap

Każde ulepszenie kolejnej generacji powinno być nadzbiorem, a to takie nie jest. Seedance 2.5, który ByteDance udostępnił 31 lipca 2026 r., podwaja długość klipu poprzednika do 30 sekund, potraja budżet referencyjny do 50 zasobów i przyjmuje dźwięk jako samodzielne wejście. ByteDance Seedance 2.0, ogólnodostępny w Chinach od lutego 2026 r. i przez API BytePlus od kwietnia, jest jedynym z tych dwóch z pozycją 4K w cenniku samego dostawcy. Jest też o około jedną trzecią tańszy za sekundę i — w rankingu edycyjnym — o siedemdziesiąt jeden punktów Elo gorszy. Wybór między nimi nie jest kwestią tego, który jest nowszy. To kwestia tego, od których z tych różnic zależy twoja praca.

Porównanie w listopadzie stało się ciekawsze, a nie mniej interesujące. 11 listopada 2026 r. Seedance 2.5 w 4K stał się dostępny na dwóch komercyjnych platformach, Runway i Picsart, podczas gdy własna tabela możliwości BytePlus ModelArk nadal kończyła się na 1080p dla identyfikatora modelu dreamina-seedance-2-5-260628. Zatem luka 4K między obiema generacjami zmniejszyła się na powierzchni produktowej kogoś innego, a powiększyła się na tej udokumentowanej przez dostawcę. Czytaj poniższe liczby, mając na uwadze ten podział, ponieważ jest to najistotniejsza różnica między tymi dwoma modelami dla każdego, kto dostarcza treści na ekran.

Sześć wymiarów, obie strony, bez tabeli

• Długość klipu — Seedance 2.5 do 30 sekund w jednym przebiegu (BytePlus podaje 2–30 s lub 4–30 s w zadaniach edycyjnych) z wieloetapowym przedłużaniem; Seedance 2.0 od 4 do 15 sekund, domyślnie 5 sekund.

Referencje na żądanie — 2.5 przyjmuje 50 zasobów (30 obrazów, 10 klipów wideo, 10 klipów audio; łączny czas wideo referencyjnego jest ograniczony do 30 sekund); 2.0 przyjmuje 15 (9 obrazów, 3 wideo, 3 audio).

• Dźwięk jako dane wejściowe — wersja 2.5 przyjmuje referencyjną ścieżkę audio samodzielnie lub w dowolnej kombinacji z obrazem i wideo; wersja 2.0 wymagała, aby referencje audio występowały razem z obrazem lub wideo.

• Rozdzielczość — 2.0 obejmuje 480p, 720p i 1080p oraz poziom 4K z opublikowanymi stawkami za sekundę; 2.5 obejmuje 480p, 720p i 1080p (1080p w 10 bitach) bez wiersza 4K, a 4K osiąga wyłącznie poprzez funkcje platformy i program próbny dla przedsiębiorstw.

• Opublikowana stawka przy 1080p — 2,5 przy 11,70 USD za milion tokenów wideo, około 0,57 USD na sekundę w przykładzie obliczeniowym dostawcy; 2,0 przy 0,37 USD na sekundę.

• Wagi — zamknięte w obu przypadkach. Brak checkpointu, brak licencji, brak ścieżki do samodzielnego hostowania.

Co tak naprawdę kupiło nowsze pokolenie

Trzy istotne zmiany to nie te z nagłówka. Podwojenie czasu trwania jest tą widoczną, ale 30 sekund daje korzyść tylko wtedy, gdy model potrafi utrzymać obiekt przez cięcie montażowe, a post ByteDance o premierze wyraźnie mówi, że właśnie w to zainwestowano — kilka połączonych ujęć na klip, przechodzących przez zawiązanie, rozwinięcie i rozwiązanie bez etapu zszywania. To inna zdolność niż „dłuższy klip” i to ją należy przetestować najpierw.

Drugą kwestią jest budżet referencyjny. Przejście z 15 zasobów do 50 nie jest 3,3-krotną poprawą w żadnym pojedynczym wymiarze; to właśnie pozwala przenieść obsadę, scenografię, garderobę i podkład muzyczny w jednym żądaniu, zamiast łańcuchowo generować kolejne elementy i liczyć, że ciągłość się zachowa. Seedance 2.5 odczytuje także nieteksturowane gliniane rendery 3D jako odniesienie strukturalne — układ przestrzenny, pozy, ścieżki ruchu, kąt kamery — i nakłada oświetlenie na tę geometrię, co jest naprawdę nowym typem danych wejściowych, a nie większą wersją starego.

Po trzecie: niezależność dźwięku. W wersji 2.0 referencja audio była zależna od towarzyszącego obrazu lub wideo. W wersji 2.5 działa samodzielnie. Jeśli Twój workflow brzmi „oto ścieżka głosowa, zbuduj wokół niej ujęcie”, ta zmiana jest całym powodem, by się przenieść, a jest niewidoczna w każdej tabeli specyfikacji, która zaczyna się od czasu trwania.

Tablice, odczytane tego samego popołudnia

Artificial Analysis rozdziela ocenę wideo według zadań i nadaje każdemu zadaniu własną skalę Elo. Odczytano 12 listopada 2026 r.; na obecnych wersjach tablicy obie generacje występują we wszystkich trzech:

• Generowanie wideo z tekstu z dźwiękiem, AA-Video-T2V v2.1 — Seedance 2.5 na czwartym miejscu z wynikiem Elo 1,155 (±13, przedział 1,142–1,168) przy 7,765 głosach; Seedance 2.0 na jedenastym miejscu z wynikiem 1,136 (±13, 1,123–1,149) przy 6,771 głosach.

• Obraz na wideo z dźwiękiem, AA-Video-I2V v2.1 — Seedance 2.5 na pierwszym miejscu z 1,161 (±15, 1,146–1,176) przy 6,540 głosach; Seedance 2.0 na trzecim miejscu z 1,140 (±15, 1,125–1,155) przy 6,587 głosach.

• Edycja wideo, AA-Video-Editing v1.1 — Seedance 2.5 na czwartym miejscu z 1 147 (±11, 1 136–1 158) przy 7 099 głosach; Seedance 2.0 na ósmym miejscu z 1 076 (±10, 1 066–1 086) przy 9 088 głosach.

Trzy odczyty, trzy różne historie. W przypadku text-to-video 19-punktowa różnica mieści się w połączonych przedziałach, więc należy traktować ją jako remis z lekkim przechyleniem. W przypadku image-to-video różnica wynosi 21 punktów, a przedziały nie nakładają się, co oznacza rzeczywistą różnicę w preferencjach, ale niewielką. W przypadku edycji różnica wynosi 71 punktów, a przedziały są daleko od siebie — to jedyny pomiar, w którym ulepszenie jest jednoznaczne. Seedance 2.5 to istotnie lepszy model do edycji niż Seedance 2.0, a jeśli edycja to Twoje główne obciążenie, reszta tego wywodu jest akademicka.

Jedno ostrzeżenie dotyczy każdej liczby Elo, którą przenosisz do dokumentu przetargowego: to ślepe preferencje ludzi w porównaniach parami, a nie testy zdolności. Model, który wygrywa więcej porównań, to model, na który ludzie woleli patrzeć — co nie jest tym samym co model, który realizuje Twoje polecenie, zachowuje Twój charakter lub zwraca użyteczny plik za pierwszym podejściem.

Arytmetyka, która o tym decyduje, w przeliczeniu na każdy zaakceptowany klip

Ceny z cennika sprzyjają starszemu modelowi i to wcale nieznacznie. Przykładowe wyliczenia BytePlus wyceniają 5-sekundowy klip 16:9 bez wejścia wideo na 0,514 USD przy 480p, 1,156 USD przy 720p i 2,843 USD przy 1080p — 0,103, 0,231 i 0,569 USD za sekundę. Seedance 2.0 na tej samej stronie cennika kosztuje 0,07, 0,15 i 0,37 USD za sekundę, a 4K — 0,78 USD. Każdy wariant jest o około 50% droższy od poprzednika.

Teraz policz koszt prawdziwego ujęcia. 15-sekundowe ujęcie 1080p kosztuje 5,55 USD w wersji 2.0, a w wersji 2.5 15-sekundowe ujęcie w ramach limitu 30 sekund kosztuje 8,54 USD. 30-sekundowe ujęcie — coś, czego 2.0 nie potrafi wygenerować w ogóle — kosztuje 17,07 USD. W kampanii składającej się z 60 ujęć ta różnica to 17 000 USD wobec 10 000 USD według cennika, zanim ktokolwiek zacznie cokolwiek powtarzać.

Dlatego stawka za sekundę jest niewłaściwym mianownikiem. Właściwym jest koszt na zaakceptowany klip. Tryb Draft w Seedance 2.5 istnieje dokładnie w tym celu: wyrenderuj podgląd 480p za około 0,10 USD na sekundę, sprawdź strukturę sceny i ruch obiektu, a następnie przekaż identyfikator zadania Draft do finalnego renderu, który dziedziczy prompt, referencje, seed, czas trwania i proporcje obrazu. Draft i render finalny są rozliczane osobno, więc jeden draft plus jeden finalny kosztuje około 1,18× tyle, co jedna bezpośrednia próba w 1080p — ten sposób pracy przynosi straty, jeśli ujęcie uda się za pierwszym razem, a zaczyna być opłacalny od drugiego podejścia, kiedy oszczędności szybko narastają. Własne przykłady obliczeń ByteDance, które są danymi dostawcy i nie zostały niezależnie odtworzone, szacują to na blisko 57% przy ujęciu wymagającym czterech podejść.

Seedance 2.0 nie ma odpowiednika. Rozlicza też wyłącznie pomyślnie wygenerowane wideo i nie pobiera opłat za generację zablokowaną przez moderację treści — w przypadku obu modeli — co jest mniej rzucającą się w oczy zaletą niż tryb Draft i ma większe znaczenie w procesach edycyjnych, w których czas trwania materiału wyjściowego jest dziedziczony z klipu źródłowego.

Inwersja 4K, czyli dlaczego to problem zakupowy, zanim stanie się problemem technicznym

To jest część, która zaskakuje ludzi. Starszy model ma udokumentowany poziom 4K: BytePlus publikuje 0,78 USD za sekundę oraz wymiary w pikselach 3840×2160 w proporcji 16:9, 2160×3840 w proporcji 9:16, 2880×2880 w proporcji 1:1 i 3326×2494 w proporcji 4:3 dla serii 2.0. Nowszy model nie ma nic z tego we własnej referencji API.

Zamiast tego Seedance 2.5 ma dwoje innych drzwi. Volcano Engine 23 października 2026 r. otworzył dla wybranych klientów z branży filmowej i telewizyjnej natywny poziom 4K — 10-bitowy kolor, przepływ pracy od wersji roboczej do mastera, bez opublikowanej ceny i bez daty ogólnej dostępności. Następnie 11 listopada 2026 r. Runway i Picsart ogłosiły niezależnie Seedance 2.5 w 4K jako funkcję swoich platform, z wersjami roboczymi 480p, które można dokończyć w 4K po stronie Runway. To, że dwie platformy udostępniają tę samą możliwość tego samego dnia, jest tak blisko potwierdzenia, jak tylko może być twierdzenie o rozdzielczości, zanim cennik nadrobi zaległości.

Uczciwe stwierdzenie jest więc węższe niż marketing któregokolwiek z dostawców: 4K w Seedance 2.5 istnieje jako funkcja produktowa, którą można kupić od platformy, a nie istnieje jako udokumentowany parametr żądania w API samego modelu. Jeśli Twój pipeline buduje żądania na podstawie vendorowanego schematu, enum rozdzielczości, którego nie ma w schemacie, jest żądaniem, którego nie możesz wysłać, i testem, na którym nie możesz wykonać asercji. Jeśli Twój pipeline wywołuje SDK platformy, to jest to pole wyboru.

Co się psuje, kiedy zmieniasz identyfikator modelu?

Migracja to nie podstawianie ciągów znaków, a tryby awarii są wystarczająco konkretne, by można było się na nie przygotować.

• Wnioskowanie typu zadania staje się bardziej rygorystyczne. Seedance 2.5 określa typ zadania na podstawie zasobów wejściowych i intencji promptu, a BytePlus dokumentuje dwa dedykowane kody błędów — InvalidParameter.TaskTypeMismatch oraz InvalidParameter.TaskTypeConstraint — na wypadek, gdy chodziło Ci o edycję, a model odczytał to jako świeże generowanie. Ustaw typ zadania jawnie, zamiast pozwalać, by decydowało o tym wnioskowanie.

• Czas trwania -1 oznacza „model wybiera", a zadania edycji i rozszerzania dziedziczą czas trwania i proporcje obrazu z klipu źródłowego. Żądanie z wpisanymi na stałe 15 sekundami zachowa się inaczej na obu modelach, a na modelu 2.5 może zostać całkowicie odrzucone.

• Walidacja referencji staje się najbardziej prawdopodobnym punktem awarii. Przy 30 miejscach na obrazy, 10 na wideo i 10 na audio w jednym przebiegu jeden uszkodzony URL lub jeden zbyt długi klip sprawia, że zadanie, za którego czas w kolejce już zapłacono, kończy się niepowodzeniem. Przed przesłaniem sprawdź format, rozmiar, czas trwania, rozdzielczość i prawa.

• Wybór kontenera jest dowolny i wart skorzystania: ścieżka MOV wykorzystuje H.264 z próbkowaniem chrominancji yuv444p i dźwiękiem PCM, co jest opcją o wyższej wierności dla wszystkiego, co trafi do korekcji kolorów.

• Częstotliwość klatek na wyjściu nie jest publikowana dla Seedance 2.5. BytePlus określa akceptowany zakres wejściowy i nie mówi nic o tym, co emituje. Jeśli Twój pipeline zakłada 24 fps, to jest to założenie, a nie udokumentowana wartość.

Gdzie router zasługuje na swoje miejsce w migracji

Żaden z tych modeli nie jest trasą OrcaRouter, więc nic tutaj nie jest twierdzeniem, że hostujemy którykolwiek z nich — próba Seedance oznacza konto ByteDance i klucz BytePlus lub Volcano Engine. To, do czego router naprawdę się przydaje przy zmianie generacji, to warstwa wokół modelu wideo, która jest pracą modelu tekstowego i nie należy do tego samego endpointu: opracowanie scenariusza, lista ujęć, warianty promptów, które rzucisz na tryb Draft, opisywanie pięćdziesięciu zasobów referencyjnych oraz etap przeglądu, który decyduje, która wersja robocza trafi do finalnego renderu.

Ta warstwa to miejsce, w którym DSL routingu jest wart konfiguracji. Jeden punkt końcowy zgodny z OpenAI przed ponad 200 modelami pozwala wyrazić w kodzie, który model obsługuje które wywołanie — tani model do rozwijania promptów, mocniejszy do przeglądu ciągłości — zamiast stosu instrukcji if względem dwóch SDK dostawców. Automatyczne przełączanie awaryjne utrzymuje działanie kroku przeglądu gdy jednemu dostawcy zdarzy się gorszy dzień, a ponieważ przekaz jest w cenie katalogowej dostawcy bez doliczonej marży, zmiana ceny ByteDance po stronie wideo nie jest czymś, co musisz uzgadniać na dwóch rachunkach. Trzymaj drogi model wideo z własnymi założeniami na osobnym kluczu; wszystko, co decyduje, co mu wysłać, trzymaj na jednym.

Kto powinien pozostać przy Seedance 2.0, a kto nie?

• Pozostań przy 2.0, jeśli dziś dostarczasz 4K. To jedyna z dwóch wersji z opublikowaną stawką dla 4K i udokumentowaną geometrią 4K, a 0,78 USD na sekundę to liczba, którą możesz ująć w budżecie. Przejście na 2.5 oznacza przeniesienie dostarczania 4K na powierzchnię platformy, której planu rozwoju nie kontrolujesz.

Przejdź na 2.5, jeśli Twoja praca polega na montażu, dotyczy serialu lub opiera się na dźwięku. Siedemdziesiąt jeden punktów Elo na liście rankingowej w kategorii montażu to największa zmierzona różnica między tymi dwoma modelami w dowolnym obszarze, a samodzielna referencja audio to możliwość, której 2.0 nie ma za żadną cenę.

• Użyj Move, jeśli Twoje ujęcie wymaga 20 sekund i nie da się go skleić. Limit 15 sekund jest sztywny, a żadna technika promptowania go nie złagodzi.

• Uruchom oba, jeśli ponowna próba jest kosztowna. Oba modele mają wspólną architekturę i stronę cenową, więc ścieżka zapasowa jest tą, do której już masz poświadczenia — a pozostałe atuty 2.0 (tańsze sekundy, poziom 4K) to dokładnie te cechy, które czynią go użyteczną drugą trasą, a nie przestarzałym rozwiązaniem.

Faktem, który by to rozstrzygnął, jest data wycofania, a ByteDance takiej nie opublikował. Oba modele są na tej samej stronie cennika, oba są dziś w sprzedaży, a poziom 4K w 2.0 nie ma następcy. Dopóki nie pojawi się powiadomienie o zakończeniu cyklu życia, „aktualizacja” to niewłaściwy czasownik dla tej pary. To, co robisz, to rozdzielanie obciążenia między dwie generacje tego samego modelu, ponieważ nowsza jest lepsza w trzech rzeczach, a gorsza w jednej, a ta jedna, w której jest gorsza, jest tą, którą zatwierdza Twój klient.