文｜新立场
7月底的一次 Seed 全员会上，张一鸣罕见地谈起模型蒸馏。
他向团队明确表达了一个态度：不要依靠竞争对手模型的输出来缩短追赶时间，即使因此需要承担一些短期损失。他没有要求团队更快追上下一张榜单，相反，字节愿意把时间留给更长期的模型能力。
这次表态把字节对模型竞争的一项取舍说得很清楚——短期排名可以让，基础能力不能靠复制对手来补。Seedance恰好提供了一个已经跑出结果的多模态样本。
今年2月发布的 Seedance 2.0，已经把文字、图片、视频和声音放进同一套音视频生成模型。6月公布的 Seedance 2.5 继续把单次视频拉长到30秒，并强化复杂参考和编辑能力。2.0证明了这条路线可以领先，2.5开始回答这种领先能维持多久。
一个多月后，MiniMax也沿着相似方向往前走。7月31日，MiniMax发布视频模型H3。文字、图片、视频和声音可以同时进入模型，用户可以让它参考一段视频的运镜、另一张图片的人物和第三段音频的声音，再通过自然语言完成生成或编辑，MiniMax同时宣布将在数日内开放模型权重，希望开发者自行部署和定制。
两家公司正在把视频模型做成越来越相似的东西，它们都不再满足于“一句话生成一段视频”。但模型越像，两家公司用来维持领先的方法反而越不一样。MiniMax选择把H3推向开放权重路线，希望开发者、芯片公司和第三方工具替它扩大部署范围；字节仍然把Seedance放在自己的产品体系里，用即梦、豆包以及越来越多内部业务承接模型。
一家向外借速度。另一家，则开始在最底层主动买时间。
用预训练堆出的第一
2025年底，Seedance模型团队有过一次聚餐，席间，Seedance负责人曾妍向上级提出，她仍然希望尝试一个更大的模型，参数至少做到200B。当时团队内部并非没有反对意见。有人认为，直接把模型放大到200B甚至300B风险太高，在训练资源并不宽裕的情况下，先做一个100B级模型是更稳妥的方案。
一位高管恰好参加了这次聚餐。他了解曾妍的想法后，表示可以帮助协调资源。之后的正式评审会上，Seed负责人吴永辉和视觉多模态生成负责人周畅最终支持了更大模型的方案。
Seedance 此前也走过弯路，PixelDance早期从图像扩散路线延伸，快手可灵则更早押注原生视频DiT，一度保持领先。到2024年底，字节逐渐把视频生成资源收拢到Seed，并重新调整技术路线。
转折发生在 Seedance 2.0，曾妍和团队坚持继续扩大预训练规模，把数据和模型结构做得更重。多位接近团队人士称，Seedance 2.0的数据评测团队达到上千人；核心算法团队本身只有十几人，但每名算法工程师背后，都有更大的数据团队承担标准制定、寻源、清洗和评测，Seedance甚至几乎没有直接依赖抖音视频作为主要训练数据，而是采购了大量高质量影视素材。
多位视频行业从业者后来把Seedance 2.0的提升概括成一句话：这是一场数据的胜利。今年2月，结果出来。Seedance 2.0不再只是文生视频模型。它可以同时读取文字、图片、声音和已有视频，把主体参考、运镜、音频和编辑放在同一次任务里。字节4月公开的技术报告显示，模型支持4—15秒原生音视频生成，以及最多9张图片、3段视频和3段音频参考。
这种模型定义也正迅速成为行业共识，在H3的官方技术介绍里，MiniMax专门回顾了此前视频模型的割裂状态：文生视频、图生视频、动作迁移、声音参考和视频编辑往往被拆成不同任务。H3想做的是把这些能力重新放进同一个上下文，通过自然语言描述素材之间以及素材与最终视频之间的关系。
MiniMax甚至主动放弃了一部分上一代架构设计，因为它认为“任务泛化”比延续某一种架构优势更重要。H3最终支持文字、图片、视频和音频联合输入，也把视频生成和编辑放进同一模型。
两边最后走到了相近的位置，对Seedance来说，这并不意味着此前的技术投入失去意义。截至目前，Seedance 2.0仍处在主流第三方视频评测的第一梯队。
过去，一个模型做好原生声音、多镜头和主体一致性，就足以和竞争者拉开明显差距；现在，这些能力开始同时出现在不同公司的旗舰模型里。H3的出现让这件事变得更具体，原生声音、多模态参考、动作控制和视频编辑，正在从少数模型的差异化能力，变成旗舰视频模型共同争夺的基础能力。
模型能力仍然是Seedance获得用户的第一张门票，但一次模型领先已经越来越难独自解释长期领先。
MiniMax向外借速度，字节向内买时间
H3发布时，MiniMax在官方博客里用了相当大的篇幅解释为什么要开放权重。第一是开发者社区，第二是国产芯片适配，第三是让用户能够按照自己的需求定制模型。MiniMax还称，H3从设计早期就考虑了多款国产芯片的兼容。7月31日，路透社也确认了这项开放权重计划。
这是一个技术选择，也是一个分发选择，MiniMax有海螺、MiniMax Hub和API，也已经服务大量个人和企业用户。但在视频内容产业里，它没有抖音和TikTok，也没有字节那样可以直接承接模型的大规模创作、分发和广告体系。MiniMax官网目前披露，其模型和AI产品“累计服务”超过3亿个人用户、100万余企业客户及开发者。
如果开放权重按计划落地，开发者和硬件厂商就会成为H3新的分发节点。一个芯片厂商完成适配，一家推理平台增加H3，一套视频工作流把它纳入默认模型，MiniMax都多了一条不完全依赖自身销售团队的触达路径。
开放路线也不意味着MiniMax放弃官方服务。H3仍通过API提供完整能力；MiniMax称，其2K版本的单位时长价格不到主流模型的三分之一。它一边扩大模型可部署范围，一边保留官方推理和商业服务。
字节面对的是另一种情况，今年春节，Seedance 2.0在豆包、剪映和即梦等产品大规模接入后，一度因为需求过大出现长时间排队。到7月底，Seedance 2.5又被放进了Gauth，Business Insider报道，这款字节旗下教育应用拥有8600万月活用户，8月4日起开始用Seedance 2.5把历史课程转换成带旁白的AI视频。
而一个有意思的变化同时发生在Seed内部，这家以快速试错、数据反馈和高频迭代闻名的公司，正在基础模型研究上主动放慢考核。2025年1月，字节成立Seed Edge。官方给这支研究计划的定义是，专门支持更长周期、高不确定性的研究课题，为入选方向提供独立算力，并采用更长周期的考核方式。张一鸣也重新回到了AI研发讨论里，据澎湃新闻此前援引知情人士报道，从2024年下半年起，张一鸣开始定期参加Seed核心技术团队的复盘和讨论。
到了今年夏天，他又把一个长期存在于Seed内部的问题摆到台前上。8月6日，路透社援引澎湃新闻报道称，张一鸣要求团队不要依靠蒸馏竞争对手模型来提高能力，即使因此要牺牲部分短期收益。
这里需要区分一个容易混淆的概念，字节限制的不是蒸馏本身。Seedance 1.0就使用过多阶段蒸馏提高推理速度，Seed今年的招聘方向也仍包括模型蒸馏。张一鸣反对的是把竞争对手前沿模型当成“教师”，用对方已经产生的能力换取短期排名。
从这个意义上说，字节并没有真的选择慢。字节愿意把更长的周期留给基础研究，模型一旦做出来，产品侧仍然按照另一套速度运行。MiniMax在向外借速度——让更多开发者替H3找到使用场景；字节则在向内买时间——允许模型研究花更久，再依靠自己已有的产品把时间追回来。
这可能比“开源还是闭源”更接近两家公司真正的分歧。
第二场竞争，在模型之外
Seedance 2.0先证明了一件事，即在当前的视频模型市场，足够明显的能力领先可以很快换成收入。
截止6月，Seedance 已经贡献了火山 MaaS收入的一半以上。相比大语言模型已经进入价格竞争的视频模型市场，Seedance 2.0发布后的几个月里，火山开始拿到广告、短剧、漫剧和其他内容生产客户的大额模型订单。
但当模型真正进入生产环境以后，问题也发生了变化。客户开始考虑的，从哪一个模型最好，开始向哪一个模型值得把未来几个月甚至一年的产能押上去转变。
周志鹏就是其中一个例子。
3月的一天下午，水母智能联合创始人周志鹏正在北京百望山爬山，一连接到6个火山引擎销售电话，内容都是推销Seedance 2.0。按照后来的报道，他第二天决定签约。让他真正犹豫的并不是1000万元本身，而是这笔钱意味着未来一年相当一部分视频产能会绑定在Seedance上。
客户购买的因此不只有Token，也包含对Seedance未来能继续领先多长时间的判断。这已经反映在收入结构里。6月接受媒体采访时，火山引擎负责人谭待称，Seedance贡献了今年火山MaaS收入的一半以上。6月再次接受采访时，谭待本人确认，Seedance贡献火山当时MaaS收入的一半以上。
模型领先第一次变成了一笔足够大的生意，问题也随之改变：这种领先还能持续多久？
H3出现后，这些一年期合同里的风险也更清楚了：客户买下一年的额度，模型之间的差距却可能在几个月内重新变化。MiniMax在7月31日的H3官方博客中已经把“参与内容生产全过程”写进模型方向。它想解决的也不只是生成一条画面，也包括通过自然语言继续承担修改和复杂任务。
模型越来越能干之后，新的问题又会出现。Seedance 2.0一次只能处理十余份参考输入时，用户首先关心的是模型能不能看懂素材；当下一代模型可以承载更多人物、场景、声音和时间线，用户的问题会慢慢变成：这些素材谁来整理，角色如何绑定，第17秒的一处错误怎样单独返工，几段30秒视频怎样继续保持同一个人物和叙事节奏。
模型能够承担的任务越复杂，模型之外的工作也越多。Seedance 2.5把单次生成提高到30秒、参考素材增加到50份后，素材管理、角色绑定、局部返工和片段衔接都会变成新的工程问题。LibTV等工作流产品开始承接这些环节。底层模型越接近，客户留下来的理由也就越需要向模型之外延伸。
不过，字节还有两项MiniMax短期内不容易复制的东西。一项是Seedance背后的数据、预训练和Infra体系，已经构成Seedance比较重的模型生产体系。而Seed今年的招聘方向仍覆盖基础模型、多模态、Long-Horizon Task和训练基础设施，说明字节还在继续补这一层。
另一层在模型上面，字节自己拥有模型落地的场景。即梦提供创作者场景，火山引擎连接广告、电商和内容制作客户，Gauth又把Seedance带入教育，同一款模型因此能够更快进入不同类型的真实任务。
字节的产品优势主要体现在场景和分发，而不能简单等同于“拿抖音数据训练模型”。而此前的调查恰好给出了相反的细节：Seedance 2.0的核心训练大量采购高质量影视素材，几乎没有直接使用抖音数据。
即梦、火山引擎和Gauth分别把Seedance带进创作、企业服务和教育，模型做出来以后，字节很少缺第一个使用场景。创作者在哪里频繁返工，企业客户愿意为什么能力付费，哪些能力值得优先迭代，都可以更早在产品侧得到验证。
MiniMax给出的方向，是让更多外部开发者和硬件厂商围绕H3部署、适配和开发。开放权重落地后，企业可以自行部署，芯片厂商可以围绕它适配，工作流团队也可以继续把H3嵌进自己的产品。
一边把闭环做在公司内部，另一边把闭环交给生态，谁更有效，目前还没有答案，对于Seedance来说，真正危险的是当客户愿意一次签下一年的额度，它实际押注的是Seedance的领先能够维持多久。H3出现以后，这个赌注会变得更难下。
一次榜单第一可以带来订单，持续领先需要的是另外一套能力。
写在最后
张一鸣这次在Seed全员会上谈的“长期主义”，最终是一笔资源选择。不使用竞争对手模型的输出补齐能力，意味着Seed需要自己准备更多数据、做更多实验，也要承担方向失败和短期落后的成本。Seed Edge采用更长考核周期，同样意味着公司要允许一部分算力和研究人员长时间没有直接业务结果。
Seedance 2.0让字节看到了一次回报，2025年底，曾妍在聚餐上争取的那批额外训练资源，最后成为了一款进入全球第一梯队的视频模型；几个月后，火山引擎销售开始拿着它敲企业客户的门。
一代模型的领先可以来自一次正确押注，持续领先则需要一套能够反复生产下一代优势的机制。H3已经开始覆盖一批与Seedance相似的生成、参考和编辑能力。下一次还会有Kling、Wan以及新的模型。对字节而言，长期主义真正要证明的不是它能不能忍受几个月的落后，而是多花掉的时间、数据和算力，最终能不能换来竞争者更难复制的下一步。
MiniMax走了另一条路。它选择把H3推向开放生态，希望更多开发者和硬件厂商参与模型的部署、适配和应用开发，一家把速度放到外面，一家把时间留在里面。
不过字节没有真的变慢，模型一旦做好，即梦、豆包、火山引擎和Gauth仍然会要求它迅速进入用户。它只是开始尝试把一家公司拆成两个速度：底层研究允许慢，模型之上的产品仍然快。
H3 追到身后之后，Seedance 下一次真正需要证明的，是它多花的时间，能不能换来竞争对手更难追上的下一步。