Vidu Q4 Preview vs Seedance 2.5: O orçamento de referência não é a diferença real

Os limites de referência publicados parecem uma vitória clara para Seedance 2.5: até 30 imagens, 10 vídeos e 10 clipes de áudio, contra Vidu Q4 Preview, com 15 imagens e 3 clipes de áudio. Isso é o dobro das imagens e o triplo do áudio e, por si só, resolveria a questão. Só que não resolve, porque o número que importa não é a contagem — é a segunda modalidade. O Seedance 2.5 aceita vídeo como referência de entrada. O Vidu Q4 Preview aceita imagens e áudio e não tem nenhum caminho documentado para receber um clipe existente.

Seedance 2.5 foi lançado em 31 de julho de 2026 como a entrada de formato longo da ByteDance, gerando um clipe de 30 segundos em uma única execução, com extensão de vários turnos para sequências mais longas. O Vidu Q4 Preview foi lançado em 7 de outubro de 2026 pela Shengshu Technology como uma prévia de seu carro-chefe de próxima geração, com dois modos — Imagem para Vídeo e Referência para Vídeo — e dois endpoints de API documentados. Ambos são modelos com uso intensivo de referências. Eles foram construídos para conter coisas diferentes.

O que cada modalidade de entrada realmente desbloqueia

Um modelo que recebe imagens como referência consegue manter um elenco e um visual. A documentação do Vidu Q4 Preview descreve a combinação de 1 a 15 imagens entre personagens, cenas e estilo para que os sujeitos permaneçam consistentes ao longo de uma tomada com vários planos, com até 3 referências de áudio mp3 de 3 a 12 segundos clonando uma voz e mantendo a entrega alinhada. Quinze espaços distribuídos entre o elenco, o figurino, os adereços e a iluminação de uma única cena é um orçamento coerente, e é a razão pela qual o modelo está empatado no topo do ranking de preferências de imagem para vídeo.

Um modelo que também aceita vídeo como referência pode ser apontado para uma filmagem. O fato de o Seedance 2.5 aceitar até 10 entradas de vídeo, além de 30 imagens e 10 clipes de áudio, significa que o conjunto de referências pode incluir movimento, ritmo e comportamento de câmera extraídos de um clipe existente, em vez de descritos em um prompt. Essa é uma capacidade diferente, não uma versão maior da mesma, e é o que coloca o Seedance 2.5 no ranking de edição de vídeo da Artificial Analysis — segundo lugar, com 1.161 Elo em 5.162 votos, conforme lido em 8 de outubro de 2026 — editando um vídeo a partir de uma instrução de texto com o áudio mantido. O Vidu Q4 Preview não está nesse ranking, e o motivo é sua lista de endpoints, não sua pontuação.

O contraste prático:

• Referências de imagem — Vidu Q4 Preview até 15 vs Seedance 2.5 até 30

• Referências de vídeo — Vidu Q4 Preview nenhuma documentada vs Seedance 2.5 até 10

• Referências de áudio — Vidu Q4 Preview até 3 clipes mp3 de 3–12 segundos vs. Seedance 2.5 até 10

Duração de execução única — Vidu Q4 Preview 3–16 segundos em Imagem para Vídeo, 1–16 segundos em Referência para Vídeo vs. Seedance 2.5 30 segundos em uma execução, com extensão multiturno além disso

• Modos — Vidu Q4 Preview Imagem para Vídeo e Referência para Vídeo vs Seedance 2.5 texto para vídeo, referência para vídeo e referência de vídeo de entrada, com uma rota de edição no quadro

• Resolução de saída — Vidu Q4 Preview de 540p a 4K como níveis de geração precificados, 2K e 4K em cor de 10 bits vs. Seedance 2.5 480p e 720p nos hosts que publicam suas configurações, com níveis mais altos alcançando a resolução de entrega por meio de upscale

Coloque-os lado a lado e os modelos não estão competindo pelo mesmo briefing. Uma tomada de 4K de dezesseis segundos com quinze referências e uma tomada de 720p de trinta segundos com trinta referências e entrada de vídeo são respostas a duas perguntas de produção diferentes.

As unidades de preço não se convertem, e é só isso.

É aqui que a maioria das comparações entre esses dois falha, e a falha está na unidade, e não na aritmética.

O Seedance 2.5 não é vendido por segundo pelo seu fornecedor. A ByteDance mede o modelo em tokens de vídeo na tabela oficial de tarifas, publicada por meio do Volcano Engine Ark na China e do BytePlus ModelArk internacionalmente. O custo de um clipe depende da resolução, da duração e do uso real de tokens, então um valor por segundo só é válido para uma resolução e uma duração — e tomadas com falha são cobradas da mesma forma que as bem-sucedidas. Hosts de terceiros que disponibilizam o Seedance 2.5 acrescentam sua própria margem por cima e publicam sua própria tarifa por segundo ou por clipe, razão pela qual uma dúzia de páginas apresenta uma dúzia de números diferentes, e nenhum deles é o do fornecedor.

O Vidu Q4 Preview tem um preço na direção oposta: uma taxa fixa de créditos por segundo que varia apenas com o nível de resolução selecionado, publicada abertamente pela Shengshu. Nove créditos por segundo em 540p, 19 em 720p, 24 em 1080p, 38 em 2K, 78 em 4K, contra uma taxa de crédito declarada da plataforma de US$ 0,005, com descontos de pacote por tempo limitado de até 30% em vigor atualmente. Na tarifa de tabela, a curva vai de cerca de US$ 0,045 por segundo em 540p a aproximadamente US$ 0,39 em 4K. O valor de US$ 0,014 por segundo do anúncio de lançamento é o nível de 540p com o desconto aplicado.

Isso significa que as duas tabelas de preços não podem ser comparadas linha por linha, e qualquer página que o faça está comparando a lista aberta de um fornecedor com o markup de um host. O que pode ser comparado é o que o fornecedor publica sobre o formato de cada uma: o custo do Vidu escala com a resolução e a duração e é possível conhecê-lo antes de você pressionar gerar; o do Seedance é medido em tokens e, portanto, depende de como o modelo escolhe gastar tokens no seu prompt. Um é previsível, o outro é medido. Nenhum está errado, mas eles atendem a compradores diferentes — e o segundo é o mais perigoso dos dois para se fazer um orçamento, porque a variância está do lado do fornecedor da linha.

No painel independente, os números por minuto registrados valem apenas como ordem de grandeza. A Artificial Analysis registra o Vidu Q4 Preview a US$ 7,20 por minuto no painel de imagem para vídeo, e o Dreamina Seedance 2.5 a US$ 34,12 por minuto em texto para vídeo e US$ 40,82 em edição. Essas colunas são o custo de um minuto de saída em 1080p nas configurações padrão de cada modelo — e o Seedance 2.5 usa como padrão a configuração mais longa e mais pesada, para a qual sua tabela de preços cobra, enquanto o padrão do Vidu Q4 Preview é um clipe de geração única. Elas medem comportamentos padrão diferentes, não uma diferença de eficiência de quatro a cinco vezes.

Dezesseis segundos contra trinta é uma diferença real

Há uma comparação que sobrevive ao problema de unidade, e ela é o comprimento. Trinta segundos em uma única execução é quase o dobro do limite de dezesseis segundos do Vidu Q4 Preview, e a extensão de múltiplos turnos do Seedance 2.5 significa que uma sequência pode ser construída para além disso. Para trabalho narrativo — uma cena com um arco, um anúncio com uma preparação e um desfecho —, a diferença entre dezesseis e trinta segundos é a diferença entre um plano e uma cena.

No extremo mais baixo, a lógica se inverte. O Vidu Q4 Preview gera a partir de três segundos, e seu nível de 540p custa aproximadamente um terço da sua própria tarifa de 720p, o que torna barato bloquear uma composição antes de se comprometer com uma renderização em resolução total. Nada na estrutura de preços publicada do Seedance 2.5 desempenha esse papel: seu nível hospedeiro de 480p custa menos que o de 720p, mas a cobrança do próprio fornecedor é baseada em tokens, de modo que um teste curto em baixa resolução não tem um preço publicado claro para servir de base ao planejamento.

Qual deles, resumidamente.

Escolha o Seedance 2.5 quando o trabalho envolver filmagens que você já tem. Se a tarefa for estender, reestilizar ou remontar um clipe existente, ou se o conjunto de referência precisar transmitir movimento, e não apenas aparência, a entrada de vídeo é a capacidade decisiva e o Vidu Q4 Preview não pode ser substituído. Acrescente a execução única de trinta segundos, e o caso é direto para trabalhos narrativos e publicitários com um arco mais longo.

Escolha o Vidu Q4 Preview quando o trabalho for um elenco que tem de se manter consistente e uma especificação de entrega que vai além de 720p. A geração nativa em 2K e 4K com cor de 10 bits é um nível que o Seedance 2.5 não publica ao nível do fornecedor, e o preço por segundo faz de uma tomada em 4K uma quantidade que pode realmente orçamentar, em vez de uma incógnita medida. Quinze referências de imagem e três referências de voz são suficientes para um elenco de uma só cena, e o nível de blocking em 540p torna a iteração barata.

O que mudaria isso: um lançamento completo do Vidu Q4 que adicionasse uma modalidade de entrada de vídeo colapsaria a diferença estrutural e tornaria esses dois concorrentes diretos, e o próprio material da Shengshu diz que a prévia existe justamente para coletar o feedback que molda a versão final. Por outro lado, se a ByteDance publicasse uma tabela de exemplos de taxa de tokens em mais configurações, a assimetria entre cobrança por uso e previsibilidade ficaria muito mais fácil de planejar. Até que um dos dois se concretize, a leitura correta de "30 referências versus 15" é que um desses modelos aceita entrada de vídeo e o outro não.

Uma chave para os modelos de vídeo que você realmente pode chamar

O OrcaRouter coloca modelos de vídeo e de linguagem por trás de um único endpoint compatível com OpenAI, com uma única chave, aos preços de tabela dos provedores repassados sem nenhuma margem adicionada, de modo que uma mudança de tarifa de um fornecedor entra em vigor no mesmo dia, e não na renovação. O Vidu Q4 Preview e o Seedance 2.5 não são atualmente rotas do OrcaRouter, e esta página não está sugerindo o contrário. As rotas de vídeo que realmente atendemos — Kling 3.0 e suas variantes Turbo e v2.6 entre elas — ficam ao lado dos modelos de linguagem no mesmo endpoint e com o mesmo formato de requisição, com failover automático entre rotas, em vez de um contrato separado por modelo.

É essa a estrutura que torna possível concluir uma comparação como esta: rode os candidatos com o seu próprio briefing, nas suas próprias configurações, e deixe que a taxa de aceitação decida, em vez de duas tabelas de preços em unidades diferentes.