价格从“元”降到“分”，AI视频的下半场开打了

光锥智能·2026年10月14日 20:48

视频模型的DeepSeek时刻，本质不是低价，而是物美价廉。

视频模型的DeepSeek时刻，本质不是低价，而是物美价廉。

9月28日，快手可灵AI的Kling 4.0开启内测，把单次原生视频时长拉到了30秒，画质干到4K，同时首个“轻量版”模型Kling 4.0 Flash上线，主打出视频速度快，价格也要往下走，不过目前其API定价尚未公布。

10月8日，生数科技Vidu Q4 Preview发布，支持15张参考图、3段参考音频、同样4K直出，同时延续了以往“又好又快”的优势——他们把首发价格打到了最低0.09元每秒。

不妨把AI视频比作赛车比赛，现在发动机够劲了，于是，大家开始比谁的车更省油。

降成本之外，随着产能持续爬坡、AI短剧开始从小成本试水走向精品化、AI漫剧、短剧新品类快速起量。

如今，内容端的需求爆发吸引了大量厂商入场，同时也倒逼行业开始卷“标准”：人物情绪够不够细腻、叙事能不能抓住人、整体质感能不能撑住成片。

随着模型能力的提升，原来看到的内容还被吐槽“AI味”，现在我们很难分辨出是真人手搓还是AI生成：

原来动辄需要一个动画团队手搓几个月的视频，交给AI，它能把脚本故事完美地讲出来：一张张飞舞的日历垒起高楼，再缓缓向着主人公的方向倒塌......时间的紧迫感扑面而来。看完不由得“震惊瘫坐”了。

还有古早新闻报道风格的搞笑题材，画面过噪的雪花点、特摄效果的打斗场景，都已经变成了AI视频的“舒适区”。

从7月MiniMax H3打出“地板价”开始，价格普惠的浪潮一浪高过一浪。越来越多的创作者终于有底气大量尝试用AI视频的形式完成表达。于是，从可灵到生数，成本优化成了最新一轮模型角力的关键项。

但在工业应用里，比起一味卷低价，行业更需要的还是追求帕累托前沿——即在最强和最便宜的矛盾需求中，找到一个合适的边界。

简单来说，行业所有人都在追求又便宜又好。

这样的拐点，大模型行业经历过一次。去年年初，DeepSeek用逼近第一梯队的能力、砍掉一个数量级的价格，让前沿模型从少数玩家的专属，变成人人用得起的工具——行业竞争自此从“谁更强”切换到“谁更值”。大家把这个节点称为“DeepSeek时刻”。

视频模型的DeepSeek时刻，本质不是低价，而是物美价廉。

有AI短剧行业人员告诉光锥智能，他们现在还是会将手中的剧本按等级排序，优质剧本才会采用能力更强的模型。但这样的模型价格，又超出了他们的承受范围。模型要攻智能，但短剧行业需要的是能够花得起，推动AI剧的标准化制作。

比价格战更值得关注的，是模型能力进阶的变化。

相比于模型单点能力的提升，现在模型的能力进化更倾向于为电影工业化服务：内容连贯性、表演控制、镜头语言、特效与叙事的配合——模型已经不停留在尝鲜阶段，它开始真正融入剧组的工作流中。

卷价格、卷能力，两条战线同时开火，都指向同一个结论——AI视频已经进入电影工业化生产时代。

大模型十一混战，视频行业Deepseek时刻已至

多家头部AI视频模型公司选在国庆前后密集出手。表面看是价格比拼，底层其实是性能和价格的综合竞赛。

最直观的结果是，新模型的效果继续往上走、但价格开始明显往下走。这也是视频行业DeepSeek时刻到来的信号。

虽然可灵Kling 4.0和Flash版本模型的完整版价格还没公布，目前也在小范围开启内测，但官方给Flash版明确了“生成速度快，成本极具性价比”的定位。这说明可灵也把性价比放进了新版本的叙事里。

参考可灵当前Q3的API定价，720P约0.9元/秒、1080P约1.2元/秒、4K约3元/秒，Flash版大概率会把入门级价格再往下压一个台阶。

生数则从不同维度砍价。Vidu Q4 Preview首发优惠0.09元/秒起，官方估测同等预算下最高可生成约5倍内容。

从不同侧定价来看，SaaS侧还有两个月限时优惠，部分规格能降到每秒几分钱级别；MaaS侧的图生视频720P约0.6元/秒、1080P约0.75元/秒，这个价格和上一代Q3 Pro（0.63元每秒）接近甚至更低。

字节Seedance的新一代旗舰模型，则相较上一代价格至少上浮了50%：按报价，Seedance 2.0的720P无参考生成为46元/每百万token，Seedance 2.5同规格定价为70元/每百万token。

对比来看，生数在旗舰定价不涨反降，显得诚意十足。

随着厂商们新一轮定价露出水面，视频旗舰模型的入门价从"元"时代进入到"分"时代。行业门槛已经被厂商们自己打下来了。

模型的价格被中国厂商们打下去，“想用但怕贵”的其它行业才愿意为AI视频买单。

义乌市场数据显示，有饰品厂商借助AI生成多条风格视频在海外媒体上投放，单条播放超百万，询盘转化率提升45%。

为什么偏偏是现在开始打价格战？答案藏在交付质量的变化中。

一年前的AI视频是什么样？生成十次有八次不能用，“抽卡”是创作者的日常，甚至公司会专门设“抽卡师”这个岗位——把剧本拆成15秒镜头，一遍遍生成、筛选，还要根据画面表现重复调整提示词，才能得到一版符合要求的视频。

这个时候，谈降价没有意义。因为再便宜，生成十条才能用一条，用户的实际使用成本根本没法降低。

转折点发生在今年年初。以Seedance 2.0为例，据中银证券研报，Seedance 2.0的一次生成成功率最高能达到约90%，而此前行业平均水平大约只有20%左右。这意味着，“抽卡”不再是创作的拦路虎。

《黑神话：悟空》制作人、游戏科学创始人冯骥表示，一般性视频的制作成本，将无法再沿用影视行业的传统逻辑，开始逐渐趋近算力的边际成本。

当成功率从20%爬到90%，AI视频就从“尝鲜”变成了真正的“生产力工具”——玩具只谈好不好玩，工具才要讲性价比。

生数科技CEO骆怡航曾提及，AI视频生成的核心问题是一致性，解决这一问题，就可以满足多种生产力场景的创作需求，实现高效、低成本的规模化生产。

现在，一致性这个最大的瓶颈松动了，行业自然就进入了卷成本的阶段。

这一幕在大模型行业似曾相识。

当领先的基模能力开始被多家追平，轻量模型、价格战就成了必选项；当视频生成的质量过了及格线，比谁更便宜、更快，就成了下一个战场。

价格战的序幕已经拉开，但这只是DeepSeek时刻的第一层含义。更深层的变化，发生在能力层面。

从可生成转向可交付，AI视频进入工业时代

当前，AI视频行业已进入从可生成转向可交付的关键阶段。对于用户来说，能生成只是及格线，做出符合需求的产物才是竞争力。

相比之前，现在大模型公司们更需要考虑的是怎么让模型产出用户想要表达的效果。

比如，AI演戏被诟病的"演技"、镜头运动没有节奏、特效像贴上去的……这些本质上都指向一个问题——如何让创作者更好地表达内容。

今年，AI视频生成模型开始考虑怎么融入到真实工作流中，只是彼此路线各有侧重：

拆解国内模型，字节Seedance系列倾向于长视频叙事、人物真实性和可控性，模型不仅把单次生成视频提升到最长30秒、还给了时间戳级的局部编辑，把后期压缩进生成流程；可灵Kling系列更倾向于优化分镜能力和角色动作，高速运动、连续动作、跟拍、环绕等复杂镜头语言是它的强项；生数的Vidu系列则始终强调“为剧而生”，锁定短剧、漫剧等强叙事场景，核心是怎么呈现剧本，也就是“导演能力”。

具体到案例上，不同模型的优势就能体现出来。我们测试了“一对情侣吵架”的剧情，让Seedance 2.0和Vidu Q4 Preview以动画短篇剧般的风格处理。两个模型均遵循提示词完成了所有对话内容。对比来看，Seedance 2.0在一些细节上把控的很好，比如女友撒娇配合了“捶床”的动作，而Vidu Q4则更擅长动漫风格的处理，整段视频的画面处理颇有日式喜剧动漫的风格。

三家路线不同，但终点一致——让AI视频从最初只负责“生成素材”，进一步能够交付可以“拿来即用”的成品。

以AI在影视行业的应用为切口，根据两款模型官方展示能力，光锥智能根据对比了Kling 4.0、Vidu Q4 Preview的能力变化：

首先是角色的“演技”。Vidu Q3时代就已经能通过分镜提示词驱动角色情绪变化，但Vidu Q4 Preview进一步强化了表达的颗粒度：眼神、停顿、表情变化，都可以按照提示词加强人物的表现张力。

例如在一段文戏测试中，面对停歇在手臂上的猎鹰，画面中的主角不靠台词，轻微转头看向鹰，只靠对视的眼神和短暂的停顿，就展现出了“命令”的效果。

同时，音画同步作为行业标配能力，两款模型本次更新也将声音生成能力拉进了表演体系。

其中，Vidu Q4 Preview给人印象最深的是“复刻”参考音色的能力。市面上的AI短剧时不时会出现同一个人物上一秒还是霸总音，下一秒就变回冰冷AI声线。目前，Vidu Q4 Preview支持最多3段参考音频，可以保持人物音色统一。比如我们把萝莉音喂给模型，就能让它复刻出同款音色。

可灵Kling 4.0 这次的迭代方向则选择优化了人物台词和“口型”的匹配度，避免观众看着“出戏”。

其次是运镜能力，镜头运动需要服务于叙事和情绪。比如，靠推镜制造张力、环绕运镜营造氛围、跟拍镜头带来代入感。

这一项上可灵和Vidu各有侧重：可灵更擅长复杂运动变化，尤其打戏——在大场面驾驭、连续动作上的表现也是一贯优势。这段拿猫咪当武器的战斗场面表现十分连贯合理：

Vidu Q4 Preview也同样在运镜上再升级，强化武打、奔跑、追逐与对抗等高动态场景的同时，在跟拍、环绕、推进等动态运镜上表现更稳定，它还支持FPV第一人称视角创作。

最后是特效，Vidu Q4 Preview在处理爆炸、烟火、粒子、能量等高动态视效时，不再是浮于表面的展示，而是开始影响周围世界：火光可以照到人物、烟雾可以影响视线、爆炸冲击波会带起碎屑。以雪山崩塌这一段为例，已经很难看出是AI生成，这不得给后期省下一笔特效费用。

总结这一轮竞争，可灵Kling 4.0 卷的是动作和运镜，Vidu Q4卷的是“演技”和导演级别的表达能力。

从生成到标准交付，AI视频中间隔着的不仅是单一技术指标，它需要真正从行业需求出发，完成一整套工业化能力的补齐。

AI视频，推动创作进入工业化时代

1895年，卢米埃尔兄弟在巴黎放映《火车进站》，被行业认为是动态影像技术走向成熟。

但电影真正成长为影响全球的文化与商业奇迹，却是半个世纪后的事情——好莱坞建立起了严密的制片厂体系、工业化的类型片式、精细的工种分配以及全球发行网络。

电影《火车进站》

艺术的繁荣需要标准化的生产来辅助落地，没有工业体系的支撑，电影早期只是手工作坊里的奢侈品。

今天的AI视频行业，正站在同样的关口。而推动AI视频模型成为电影工业化一部分的，是中国模型团队。

AI视频行业里，中国模型可以说包揽了第一梯队的绝大部分席位。在Artificial Analysis的视频竞技场榜单上，Seedance、Vidu、Kling等中国模型多次位居前列。如今，排行榜上位列前茅的多数模型，都来自中国公司。

不仅性能领先，价格梯队上，海外头部模型的API价格仍普遍高于国内模型。

对比头部模型价格，Google的Veo 3.1 Fast含音频约0.15美元每秒，完整版约0.4美元每秒；即便是3月底发布的轻量版Veo 3.1 Lite（720P，0.05美元每秒），价格也只能和国内中高端模型打平，但画质和能力差距明显。

但从下半年开始，在视频模型消耗结构上，轻量模型正在成为走量主力。以OpenRouter的token消耗排行作为参考，可以看到诸如Veo 3.1 Lite、Seedance 2.0 Fast等模型的消耗，超过了其它主流模型。

迭代快、场景深、价格狠——中国模型的“三板斧”砍下去，海外模型很难接得住。

把镜头拉远看，过去两年，国内AI视频行业完整走完了从追赶、并跑到分化的三段路。

2022年，扩散模型与Transformer的融合刚刚打开视觉生成的天花板。海外，Stability AI开源 Stable Diffusion，催生了庞大的微调模型生态，但国内大厂彼时还没有把视频生成摆上牌桌，倒是AI创业公司率先发力，比如生数科技提出的U-ViT架构，它甚至早于Sora采用的DiT架构。

2024年，Vidu发布国内首个全面对标Sora的视频模型，可灵、即梦同期入场，国产模型第一次与 OpenAI 站上同一条起跑线。而当真实感不再是稀缺品、各家旗舰的画面都足以“骗过肉眼”之后，第一梯队随即分化——竞争的重心变成了性价比和差异化能力。

聚焦到国内第一梯队，字节、可灵和生数代表了三条不同的路线：

字节正在“两手抓”，一方面靠Seedance在人物表现上的真实感给C端创作提供模型底座，通过豆包、即梦等入口触达海量用户；另一方面在B端尝试专业解决方案，比如面向影视行业的白模工具，往工业级生产工具的方向走。

可灵走的是电影质感路线。Kling系列在画面细节、真实感与整体质感上持续投入，4K 60fps、21:9超宽画幅等规格的设置，它想直接对标专业影视制作工具。

Vidu走的是表现力加性价比的路线，对比其他两家，Vidu的优势更多集中在功能创新和效率优化上。比如首创的“参考生视频”、和多主体一致性，后续变成了行业标配能力；同时从Q2到Q4，Vidu模型将生成效率持续压缩，比如Q2将生成时间压缩至10秒以内、Q3 实现16秒声画同出；Q4把旗舰模型的价格打到0.09元/秒起，让人人用得起。

落到产业，当表现力变得可负担，内容生产行业已经发生了实实在在的变化：

对于一些行业来说，随着成本的降低，用户正在从怕抽卡变成可以多跑测试，让好创意在市场上批量跑。

以广告为例，以前一个SKU可能只做一两条视频，因为制作成本高，做完就上线，好不好全凭运气。现在成本下来了，可以做十条八条版本，A/B测试，看哪个转化高就用哪个。

聚焦到创作群体上，AI视频的门槛下放、质量提升，让个人制作者也有机会做出不输团队的作品，“创作平权”不再是口号。

AI短剧《被裁掉的女孩》就是一个典型案例。该剧由个人创作者菲菲飞原创，6月上线后7月抖音播放量破2亿，第二季8月上线，两季全平台总播放量预计已过5亿。