2026年11月13日更新的 Artificial Analysis 视频盲测榜单（AA-Video-T2V v2.1 带音频），把 AI 视频赛道的底牌掀开了。原生音视频同出和 15–30 秒长镜头已经成为及格线，早期的霸主快手 Kling 3.0 被直接钉在 1000 分基准线上，Google 的 Veo 3.1 更是跌到 964 分。站上牌桌顶端的是三家中国公司：阿里巴巴的 Wan 3.0 以 1175 分拿下文生视频第一，字节跳动的 Seedance 2.5 以 1161 分拿下图像转视频第一，而 MiniMax H3 以 1161 分杀进文生视频前三，768p 的 API 每秒只要 0.08 美元。
比排位更反常的是榜单前十的血统构成。文生视频前十名里，加上榜单外的 Pika H3 Flex，足足有 4 款核心应用模型是拿 MiniMax H3 的开源权重做后训练（Post-train）长出来的。硅谷电影工作室做的 Utopai X 甚至靠微调 H3 拿到文生 1170 分、图生 1151 分，反超了 H3 底座本身。表面看是大厂排位赛，往底下一看，硅谷视频应用层已经集体住进了 MiniMax 的地基里。
| 模型 | 开发者 / 底座 | 文生视频 Elo | 图生视频 Elo | 标准单价 ($/秒) | 权重状态 |
|---|---|---|---|---|---|
| Wan 3.0 | 阿里巴巴 | 1175 | 1108 | $0.200 | 闭源 |
| Utopai X | Utopai (基于 H3) | 1170 | 1151 | 无公开 API | 闭源 |
| MiniMax H3 (768p) | MiniMax | 1161 | 1133 | $0.080 | 限制性开源 |
| Seedance 2.5 | 字节跳动 | 1155 | 1161 | $0.569 | 闭源 |
| Gemini Omni Flash 1.2 | 1154 | 1086 | $0.104 | 闭源 | |
| HeyGen Video 1 | HeyGen (基于 H3) | 1152 | 1124 | $0.040 | 闭源 |
硅谷应用层的隐形房东与开源阳谋
大语言模型演演过的剧本，终于在视频赛道重演了一遍。过去一年，HeyGen、Pika、fal 这些海外明星团队不再硬砸算力从头预训练，而是直接拉下 MiniMax H3 的 33B 权重（采用 Qwen3-VL-32B 编码器，原生输出 32kHz 立体声）做垂直微调。HeyGen 训出了每秒只要 0.04 美元的通用场景生成模型 HeyGen Video 1，fal 训出了 3 秒渲染 5 秒视频的 H3 Max。
但我不太买账的是把这事吹成开源平权。去翻翻 Hugging Face 上的仓库和 2026 年 8 月生效的《MiniMax H3 社区许可协议》，就能看到一套极精明的商业算计：
- 权重留一手.公开仓库里只有 288GB 的基础检查点，本地跑最高只能出 768p 视频；官方完整工作流里负责上下文增强的 H3-Context-IR 和负责高清重生成的 H3-Regenerate-2K 全部闭源托管。
- 地域封锁线.许可证直接排除了美国、欧盟、英国和韩国的本地部署授权。
- 营收与品牌税.年收入超 2000 万美元的公司必须提前拿书面授权，商业产品 UI 必须显著挂出 MiniMax H3 标识，且严禁拿 H3 的输出去喂非 H3 衍生模型。
《韩非子》里讲，擅借力者，致人而不致于人。MiniMax 这套打法，活脱脱是早年 Android 开源 AOSP 却把 GMS 服务死死攥在手里的翻版，只是刀法更狠。硅谷创业公司用 H3 微调出高分模型，省了预训练的几千万美元，但只要想在欧美合规上线、或者想交付 2K 商业画质，就得回头找 MiniMax 交保护费，或者调它的托管 API。
开源免去了入场券，但把出场的通道变成了收费站。
哪怕直接调 MiniMax 官方 API，账单也藏着台阶。它的 API 根本不设 1080p 档位，768p 收 0.08 美元/秒，2K 收 0.13 美元/秒；如果你先用 768p 抽卡，抽中满意的镜头想重生成到 2K，每秒要额外加收 0.05 美元，连输入素材都要重新计费（前 5 张图免费，超出的每张 0.04 美元）。
- 风险.身处美、欧、英、韩的团队，千万别看 Hugging Face 上有权重就直接拉下来塞进生产环境，法务合规和 768p 的画质天花板会让你在商业化当天卡死。
拆穿每秒单价：字节为什么敢卖贵 7 倍
如果只看 Artificial Analysis 折算后的每秒单价，字节跳动的 Seedance 2.5 贵得离谱。1080p 规格下每秒高达 0.569 美元，是阿里 Wan 3.0（0.20 美元/秒）的近 3 倍，是 MiniMax H3（0.08 美元/秒）的 7 倍，渲染一段 10 秒视频还要花上 277.8 秒。而且 Artificial Analysis 明确提醒，前十名的 Elo 分数普遍带着 ±13 到 ±15 的置信区间，Wan 3.0（1175 分）与 Seedance 2.5（文生 1155 分）在统计上存在重叠，第 3 到第 8 名更是挤在同一个水平簇里。
既然盲测总分拉不开代差，影视和广告团队凭什么为字节的高价买单？
答案藏在盲测 Elo 测不出来的盲区里。Elo 竞技场让评估员看两段单次生成的视频二选一，它测的是单镜头视听讨喜度，却测不出短剧和电影最要命的工业指标：多镜头切换时的音画连续性。
2026 年 11 月初提交的高校预印本评测《CAST-Bench》（用 900 个提示词专测音视频语义对齐）捅破了这层窗户纸。在单镜头单人或多人对话里，Seedance 2.5（76.66 / 71.73）和 Google Veo 3.1（76.23 / 70.55）咬得很紧；可一旦切入跨镜头单人对话（64.80 对 54.61）和跨镜头多人对话（64.63 对 50.39），Seedance 2.5 直接甩开对手十几个百分点。
这就是字节敢收高价的底气。它允许你一次性塞进最多 30 张参考图、10 段参考视频和 10 段参考音频，保证正反打切镜头时角色脸不崩、声音不串台。不过你要留心 BytePlus 的计费规则：Seedance 2.5 按 Token 计费，无参考视频输入时 720p 大约 0.231 美元/秒，一旦你把那 10 段参考视频塞进去锁角色，Token 消耗和实际账单会成倍往上跳。
至于拿到文生视频第一的阿里 Wan 3.0，走的则是另一条收割路线。2025 年 7 月阿里发 Wan 2.2 时还大方给了 Apache 2.0 开源协议，到了 2026 年 8 月发 Wan 3.0 直接彻底闭源（9 月 24 日刚结束 7 折促销，恢复 1080p 0.20 美元/秒）。它的图生视频掉到了第 11 名（1108 分），但它塞进了一个让企业客户无法拒绝的功能：直接吃进 PDF 和 PPT 课件，吐出 30 秒结构化 1080p 视频。阿里很清楚，去跟字节卷电影级分镜吃力不讨好，不如直接抢企业宣传片和课件外包公司的饭碗。
选型看账单结构，别看跑分虚名
到了 2026 年底，看着 Elo 排行榜第一名去接 API，是最外行的做法。大厂把开源通道关上（阿里 Wan 3.0）或者装上收费闸门（MiniMax H3），说明赔本赚吆喝的阶段结束了，每个模型都在用定价结构筛选自己的目标客户：
- 结论.高频抽卡的社交短视频和广告赛马，直接调 HeyGen Video 1（0.04 美元/秒）或 Gemini Omni Flash 1.2（720p 仅 0.07 美元/秒，12 月 3 日起旧版 1.1 请求强制路由至 1.2），在这个廢片率决定成本的场景里，为 Wan 3.0 多那 23 分 Elo 付 5 倍的钱纯属冤大头。
如果你在欧美做本地化部署，又不想掉进 MiniMax H3 的许可证陷阱，目前唯一能平替的是 Lightricks 开源的 LTX-2.5（22B 参数）。它虽然比 H3 家族低了约 200 分 Elo（943 分），但只卡 1000 万美元年营收红线，不卡欧美地域。
接下来真正决定牌局走向的，不再是谁能把单镜头画面再拉高 15 个 Elo 分。哪怕是跨镜头表现最好的 Seedance 2.5，在 CAST-Bench 的跨镜头多人对话里也只拿到 64.63 分。谁能先把多角色同时发声、跨切镜头口型对齐推过 80 分的工业及格线，谁才能拿走短剧和影视工业手里的真金白银。