Wan 3 vs. Seedance 2.5 vs. MiniMax H3: KI-Videovergleich

Einleitung

KI-Videos haben einen Punkt erreicht, an dem eine einzelne Demo fast nichts mehr aussagt. Jedes dieser Systeme kann zehn Sekunden Filmmaterial produzieren, das auf einem Handybildschirm fertig aussieht. Die Unterscheidung beginnt in dem Moment, in dem eine Person durch das Bild läuft, eine Kamera zu fahren beginnt, zwei Objekte zusammenstoßen oder eine Eingabeaufforderung verlangt, dass mehr als eine Sache gleichzeitig geschieht. An dieser Stelle hört Qualität auf, ein Standbild zu sein, und wird zum Verhalten.

Seedance 2.5, MiniMax H3 und Wan 3 werden hier als Videogenerierungs-Engines unter Last betrachtet, nicht als Marketingprodukte. Drei kurze Signale umrahmen den Kampf, bevor die Runden beginnen. MiniMax H3 nimmt derzeit die stärkste nachweisbare Qualitätsposition ein, da es das einzige der drei Systeme ist, das über eine öffentliche Live-Benchmark-Platzierung und herunterladbare Gewichtungsfaktoren verfügt.

Seedance 2.5 verfügt über die stärkste Tradition in den Bereichen Bewegung und Storytelling, geerbt von einer Seedance-Reihe, die öffentliche Video-Rankings angeführt hat. Wan 3 bietet das umstrittenste Bild von allen: einen live verfügbaren kommerziellen Endpunkt und eine Schlagzeilen-Dauer, umhüllt von einem Nebel aus Spezifikationen, die der Hersteller selbst nie veröffentlicht hat.

Der Sieger steht noch nicht fest. Die Runden entscheiden darüber, und die Beweislage ist so uneinheitlich, dass einer der drei in puncto Qualität überhaupt nicht bewertet werden kann.

Seedance 2.5, ByteDance

ByteDance veröffentlichte Seedance 2.5 am 31. Juli 2026 und führte es nach einer Vorschau auf der Volcano Engine FORCE-Konferenz am 23. Juni über Jimeng (Dreamina) und die Pro-Stufe von Doubao ein. Die herausragende Funktion ist die native 30-Sekunden-Audio-Video-Generierung in einem Durchgang, mit Multi-Turn-Erweiterung für längere Sequenzen und einer Eingabeobergrenze von bis zu 50 multimodalen Referenzen (30 Bilder, 10 Videoclips, 10 Audioclips) – das umfangreichste Referenzbudget in dieser Kategorie. Die Gewichte sind nicht öffentlich zugänglich. Zum Zeitpunkt der Erstellung dieses Artikels war die öffentliche API noch nicht live: ByteDance verwies Entwickler auf BytePlus ModelArk, dessen Zugang voraussichtlich Anfang August freigeschaltet wird. Unabhängige Benchmarks für 2.5 liegen noch nicht vor, allerdings rangiert sein Vorgänger Seedance 2.0 in öffentlichen Rankings ganz oben.

MiniMax H3, auch Hailuo 3.0 genannt

MiniMax veröffentlichte H3 am 31. Juli 2026, am selben Tag wie Seedance 2.5, nach einer WAIC-Vorschau am 17. Juli. Der offizielle Modellname lautet MiniMax H3; Hailuo 3.0 ist der App-Name, den die meisten Creator verwenden. Es generiert 4- bis 15-sekündige Clips mit einer nativen Auflösung von bis zu 2K (2560 × 1440) bei 24 fps, wobei 32-kHz-Stereo-Audio im selben Durchlauf erzeugt wird, und nutzt ein Omni-Referenzsystem, das bis zu 9 Bilder, 3 Videoclips und 3 Audioclips verarbeitet. In den Ranglisten von Artificial Analysis belegt es den zweiten Platz bei Text-zu-Video, den dritten Platz bei Bild-zu-Video und den ersten Platz bei der Videobearbeitung. Am 3. August 2026 veröffentlichte MiniMax offene Gewichte (einen 33B-Transformer) auf Hugging Face, wobei eine wichtige Einschränkung zu beachten ist, auf die später eingegangen wird: Die Community-Lizenz schließt mehrere wichtige Rechtsordnungen vom lokalen Einsatz aus.

Wan 3, Alibaba

Wan 3 ist derzeit das am meisten überbeschriebene Modell im Bereich der KI-Videoverarbeitung. Was nachprüfbar ist:

Alibaba listet es auf seiner eigenen Qwen-Cloud-Plattform als „wan3.0-video“ auf, mit einem aktiven DashScope-Endpunkt, veröffentlichten Preisen pro Sekunde und einer maximalen Dauer von 30 Sekunden für Text-, Bild-, Audio- und Videoeingaben. Was nicht stimmt, obwohl es die erste Seite der Suchergebnisse dominiert: Es handelt sich nicht um 4K (die Preisliste enthält nur Stufen für 480p, 720p und 1080p), es ist nicht „open-weight“ (das letzte unter Apache 2.0 veröffentlichte Wan-Flaggschiff war Wan 2.2, vor über einem Jahr), und es gibt nirgendwo eine unabhängige Benchmark-Platzierung.

Eine Gruppe von Lookalike-Domains veröffentlicht selbstbewusste Spezifikationstabellen (natives 4K, eine 27B- oder 60B-Mixture-of-Experts-Architektur, eine offene Veröffentlichung im April 2026), die auf keine Quelle des Herstellers selbst zurückzuführen sind und sich gegenseitig widersprechen. Ein Modell, das 4K ausgeliefert hätte, würde einen 4K-Preis haben. Das Fehlen dieser Stufe ist ein stärkerer Beweis als jede Marketingaussage. Bei diesem Vergleich tritt Wan 3 als abrufbares Produkt mit einer realen Laufzeitobergrenze und unbekannter Qualität an.

Die Wertetabelle

Sieben Dimensionen bilden die Grundlage des gesamten Vergleichs. Jede Dimension wird auf einer 100-Punkte-Skala bewertet, wobei die Zahlen nicht mechanisch aus den Spezifikationen berechnet werden. Sie spiegeln die Aussagekraft der verfügbaren Belege wider, weshalb anstelle von Einzelwerten Spannen angegeben werden und diese bei Wan 3 deutlich größer ausfallen. Enge Punktestände sind keine Labormessungen. Ihre einzige Aufgabe besteht darin, vergleichende Unterschiede auf einen Blick erkennbar zu machen.

Bewertungskriterien	Seedance 2.5	MiniMax H3	Wan 3 (vorläufig)
Bildqualität	86 bis 91	89 bis 93	77 bis 88
Bewegung	85 bis 90	84 bis 89	76 bis 86
Szenenstabilität	85 bis 90	85 bis 90	79 bis 88
Schnelle Ausführung	85 bis 90	87 bis 92	77 bis 87
Kameraverhalten	85 bis 90	84 bis 89	77 bis 86
Menschliche Konsistenz	86 bis 91	86 bis 91	77 bis 87
Kreativer Spielraum	84 bis 89	87 bis 92	78 bis 88

Tabelle 1. Eröffnungs-Bewertungstabelle. Die Spannen spiegeln die Zuverlässigkeit der Belege wider, nicht die Messgenauigkeit.

Abbildung 2. Dieselbe Wertetabelle als horizontale Spannen. Der Punkt markiert jeweils den Mittelpunkt der Spanne. Die Balken von Wan 3 sind breit, da nur ein geringer Teil seiner Qualität bestätigt ist.

Abbildung 3. Leistungsverteilung anhand der Bereichsmittelpunkte. Seedance 2.5 tendiert zu Bewegung und Kameraführung; MiniMax H3 tendiert zu Bild, Prompt und Reichweite; Wan 3 liegt auf jeder Achse zurück – aufgrund fehlender Belege, nicht wegen nachgewiesener Schwächen.

Runde 1: Der Einzelaufnahme-Schönheitstest

Die Herausforderung ist absichtlich einfach gehalten: eine Person in filmischer Beleuchtung, eine Landschaft, ein luxuriöses Interieur, eine langsame Nahaufnahme. Es geht darum, welches Modell das überzeugendste erste Bild liefert und diese Qualität dann über die gesamte Dauer der Aufnahme beibehält. Schärfe ist nicht gleich Realismus. Überbearbeitete Haut, künstlich wirkende Mikrodetails und instabile Texturen können auf einem Vorschaubild beeindruckend wirken, in der Bewegung jedoch völlig zusammenbrechen.

MiniMax H3 liefert hier die überzeugendsten Ergebnisse. Die native 2K-Ausgabe ist eine dokumentierte Spezifikation und keine bloße Behauptung, und sein zweiter Platz im Text-zu-Video-Ranking beruht zum Teil darauf, wie fertig die Einzelaufnahmen aussehen. Auch Seedance 2.5 zielt eindeutig auf Premium-Bildqualität ab, und seine Herkunft lässt starke Ergebnisse vermuten, doch ByteDance hat bei der Markteinführung keine entsprechenden 2K-Auflösungswerte für 2.5 veröffentlicht, sodass seine Spitzen-Schärfe eher vermutet als bestätigt ist. Wan 3 erreicht dokumentiert maximal 1080p und liegt damit eine Stufe darunter.

**Rundengewinner: MiniMax H3. **Nächster Herausforderer: Seedance 2.5. Der Grund ist knapp und ehrlich: H3 gewinnt aufgrund eines dokumentierten Auflösungswerts, nicht aufgrund eines nachweislich schöneren Bildes.

Runde 2: Menschen, die sich tatsächlich bewegen

Der Schwierigkeitsgrad steigt. Gehen, sich drehen, laufen, tanzen, sitzen, stehen, Dinge aufheben, einen Gegenstand zwischen beiden Händen weiterreichen. In dieser Runde zählt die zeitliche Qualität, nicht schöne Einzelbilder. Anzeichen für Fehler sind Gelenkinstabilität, Füße, die wegrutschen oder falsch aufsetzen, plötzliche Verformungen der Gliedmaßen und eine Gewichtsverlagerung, die nie stattfindet.

Ein veröffentlichter Side-by-Side-Vergleichstest ist das nützlichste Einzelbeweismittel in dieser Runde. Darin blieb Seedance 2.5 auch bei den schnellsten Bewegungen leichter zu verfolgen, und eine Testperson in weißer Kleidung mit roten Haaren blieb auch bei Kameraschwenks gut erkennbar. H3 setzte auf eine aggressivere Bildvielfalt und schärfere Schnitte, was zwar energiegeladen wirkt, aber eine andere Stärke darstellt. Keines der beiden Ergebnisse löste das Problem der Choreografie: Die Abwehrhaltungen drifteten ab, und einigen Reaktionen fehlte ein sichtbarer Auslöser. Bei der engen Frage, ob sich die Bewegung eher absichtlich als bloß animiert anfühlt, hatte Seedance knapp die Nase vorn.

**Rundengewinner: Seedance 2.5. **Die Lesbarkeit der Bewegungen bei hoher Geschwindigkeit ist das Erbe der Seedance-Reihe, und der einzige verfügbare direkte Vergleich bestätigt dies.

Runde 3: Die Kamera setzt sich in Bewegung

Tracking, Push-Ins, Pull-Outs, Umlaufbewegungen, Schwenks, Neigungen, Aufnahmen aus niedriger Perspektive, Verfolgung eines sich bewegenden Motivs. Der Test besteht darin, ob die Szene strukturell stabil bleibt, während sich der Blickwinkel ändert, und ob die Kamerabewegung der in der Vorgabe geforderten entspricht und nicht nur eine zufällige filmische Abweichung ist, die zufällig filmisch wirkt.

Seedance 2.5 führt die explizite KI-Kamerasteuerung seines Vorgängers fort und fügt Blickwinkel- und Kamerabearbeitungen als erstklassige Steuerelemente hinzu. Das gleiche Testmaterial aus dem Kampfszenario zeigte ein Motiv, das seine Identität auch bei schwungvollen Bewegungen beibehielt – genau das ist das Problem der Hintergrundrekonstruktion, auf das diese Runde abzielt. H3 bewältigt Bewegungen gut und wirbt mit filmischen Bewegungsabläufen, doch seine Steuerungsmöglichkeiten sind eher allgemein beschrieben. Beim Vergleich zwischen beabsichtigtem und zufälligem Kameraverhalten hat das Modell die Nase vorn, das die Kamerarichtung explizit angibt.

**Rundengewinner: Seedance 2.5. **Dokumentierte Kamerasteuerungen schlagen ein allgemeines Versprechen filmischer Bewegungen.

Runde 4: Zu viel passiert auf einmal

In dieser Runde geht es darum, das System an seine Grenzen zu bringen. Drei oder mehr Personen, Menschenmengen, belebte Straßen, Restaurants, Fabriken, Festivals, Märkte, Verkehr. Bewertet werden Szenenorganisation, Persistenz der Personen, Kohärenz des Hintergrunds, Objektanzahl und die Fähigkeit des Modells, mehrere gleichzeitige Anweisungen aufrechtzuerhalten. Ein wunderschöner Clip, der still und leise die Hälfte der gewünschten Szene ausblendet, sollte keine Punkte erhalten.

Hier werden die Beweise unverblümt. ByteDance selbst merkt an, dass komplexe physische Bewegungen und Szenen mit sehr vielen interagierenden Motiven noch verbesserungsfähig sind – ein seltenes und nützliches Eingeständnis in Bezug auf Seedance. H3 verfügt über keinen spezifischen Benchmark für Menschenmengen, auf den es sich stützen könnte, und seine Stärken zeigen sich bei engeren Aufnahmen. Nichts in den Aufzeichnungen unterscheidet die beiden bei dichten Szenen mit Sicherheit voneinander, und beide haben sichtlich Mühe.

**Ergebnis der Runde: Unentschieden. **Der Umgang mit Menschenmengen ist für beide ein ungelöstes Problem, und so zu tun, als wäre dies nicht der Fall, wäre genau die Art von Demo-Schmeichelei, die dieser Artikel vermeiden will.

Runde 5: Hände, Objekte und Berührungen

Einer der schwierigsten Bereiche. Ein Getränk einschenken, eine Schachtel öffnen, ein Handy halten, ein Werkzeug benutzen, kochen, schreiben, einen Gegenstand weiterreichen, eine andere Person berühren, mit einem kleinen Produkt hantieren. Der entscheidende Moment ist die physische Interaktion: Fingerverformungen, Verschmelzung von Objekten, Gegenstände, die verschwinden oder ihre Form ändern, unmöglicher Kontakt, Griffe, die sich lösen. In dieser Runde entscheidet sich, ob Werbe- und Produktmaterial ohne aufwendige Nachbearbeitung verwendbar ist.

Keine glaubwürdige Quelle zeigt bei den drei Systemen über verschiedene Aufgaben hinweg einen zuverlässigen Kontakt zwischen Hand und Objekt. Ein einzelner erfolgreicher Clip beweist nichts, da die Abweichungen beim Kontakt am größten sind und das Herauspicken erfolgreicher Aufnahmen am einfachsten ist. H3-Tester berichten von sauberen Ergebnissen bei bestimmten Aufnahmen; die Bearbeitung auf Regionsebene von Seedance 2.5 bietet eine Korrekturmöglichkeit, wenn der Kontakt fehlschlägt, was eher ein Vorteil im Arbeitsablauf als ein Vorteil bei der Generierung ist. Keines der beiden Systeme kann einen überzeugenden Sieg für sich verbuchen.

**Ergebnis der Runde: Unentschieden, mit Vorbehalt. **Erfolg in einem Clip bedeutet nicht, dass die Zuverlässigkeit über eine gesamte Kampagne hinweg gegeben ist.

Runde 6: Physik unter Druck

Wasserspritzer, Rauch, Feuer, Stoff, wehende Haare, fallende Objekte, sich drehende Autos, springende Bälle, fließende Flüssigkeiten, zerbrechende Materialien, Wind. Generative Videos erzeugen routinemäßig Bewegungen, die plausibel wirken, ohne die Physik überhaupt zu modellieren; daher geht es bei der Beurteilung um die wahrgenommene physikalische Glaubwürdigkeit: Impuls, Schwerkraft, Kollisionsverhalten, Kontinuität von Flüssigkeiten, das tatsächliche Verhalten von Materialien.

Dies ist eine Analyse, keine Werbung, und ehrlich betrachtet hat keiner der drei eine veröffentlichte Bewertung der Physik vorzuweisen. Seedances Bewegungs-Erfahrung deutet auf einen Vorteil bei Schwung und Flüssigkeit hin, und ByteDances eigene Einschränkung bezüglich komplexer physikalischer Bewegungen dämpft diesen Eindruck zugleich. Das physikalische Verhalten von H3 ist im großen Maßstab nicht nachgewiesen. Wan 3 wurde überhaupt nicht gemessen.

**Ergebnis der Runde: Unentschieden. **Die physikalische Glaubwürdigkeit bleibt der schwächste Punkt in der gesamten Kategorie, und kein Anwärter hat sich einen Anspruch darauf verdient.

Runde 7: Charakteridentität

Bleibt eine Person über einen Clip hinweg erkennbar – und, was noch schwieriger ist, über verschiedene Generationen hinweg? Gesichtsstruktur, Haare, Kleidung, Accessoires, scheinbares Alter, Proportionen, Haut. Hier entscheidet sich über Erfolg oder Misserfolg von Kurzform-Dramen, denn ein Kiefer, der sich in der vierten Einstellung um einen halben Zentimeter verschiebt, lässt den Zuschauer abschalten.

Beide Modelle gehen dieses Problem mit Referenzsystemen an, und hier sprechen die Fakten leise für H3. Ein praktischer Tester, der ein echtes Projekt mit H3s Omni-Referenz – bestehend aus Bildern, einem Videoclip und Audio – durchführte, berichtete von einer deutlich besseren Charakterkonsistenz als erwartet und klar lesbarem Bildschirmtext; zudem nimmt H3 den Spitzenplatz bei der Videobearbeitung ein, was eng mit der Beibehaltung der Identität zusammenhängt. Seedance 2.5 kontert mit einem weitaus größeren Referenzbudget von bis zu 50 Assets und einer Konsistenzpositionierung auf Produktionsniveau, doch bei Version 2.5 handelt es sich dabei nach wie vor eher um eine Herstellerangabe als um ein nachgewiesenes Ergebnis. Eine größere Referenzkapazität ist vielversprechend; das bestätigte Ergebnis eines Testers ist jedoch aussagekräftiger.

**Rundengewinner: MiniMax H3. **Nachgewiesene Konsistenz hat Vorrang vor einer größeren, aber unbestätigten Referenzobergrenze. Die Kontrolle der Referenzbilder verändert die Ergebnisse bei beiden, und bei keinem sollte davon ausgegangen werden, dass die Identitätserhaltung ohne diese Kontrolle gewährleistet ist.

Runde 8: Sofortiger Gehorsam

Unterschiedliche Aufgabenformulierungen belohnen unterschiedliche Modelle: eine einfache visuelle Linie, eine Erzählung, eine kamerlastige Aufgabenstellung, eine aktionslastige Aufgabenstellung, eine dichte filmische Beschreibung und eine Aufgabenstellung mit mehreren aufeinanderfolgenden Aktionen. Die Bewertung umfasst das Beibehalten der Anweisungen, die Genauigkeit bei Thema und Handlung, die Umgebung, den Stil, die Einhaltung der Kameraanweisungen und die zeitliche Abfolge. Ein atemberaubendes Video, das die Aufgabenstellung ignoriert, ist ein Misserfolg, kein Triumph.

H3 hat zwei konkrete Vorteile. Sein zweiter Platz im Text-zu-Video-Ranking ist an sich schon ein Indikator für die Befolgung von Anweisungen, und seine API dokumentiert ein Prompt-Budget von 7.000 Zeichen, was Raum für wirklich vielschichtige Regieanweisungen bietet. Seedance 2.5 befolgt Anweisungen gut und bietet eine starke Mehrsprachenunterstützung; zudem eignet sich seine Zeitstempel-Steuerung hervorragend für den speziellen Sonderfall sequenzieller Aktionen, die zu definierten Zeitpunkten erfolgen müssen. Was die allgemeine Befolgbarkeit bei verschiedenen Prompt-Formen angeht, liegt das gemessene Modell vorn; speziell bei zeitgesteuerten Aktionssequenzen ist Seedance das präzisere Werkzeug.

**Rundengewinner: MiniMax H3. **Eine ausgewogene Leistung bei der Befehlsbefolgung gepaart mit einem sehr großen Prompt-Budget; Seedance ist die erste Wahl, wenn Aktionen taktgenau ausgeführt werden müssen.

Runde 9: Filmisches Gespür

Die nicht messbaren Qualitäten: Bildkomposition, Beleuchtungswahl, Atmosphäre, Gefühl für Größenverhältnisse, Kamerarhythmus, Farbzusammenhänge, Dramatik, visuelles Storytelling. Hinter dieser Runde verbirgt sich eine echte Frage. Manche Modelle verschönern unauffällig eine einfache Eingabe; andere befolgen Anweisungen wörtlich. Automatische Optimierung ist ein Segen, wenn die Vorgaben dürftig sind, und ein Nachteil, wenn die Vorgaben präzise sind und das Modell sie außer Kraft setzt.

Seedance hat seine Wurzeln tief in der Filmproduktion, und seine expliziten Kamera- und Blickwinkel-Tools ermöglichen es dem Kreativen, den Rhythmus zu bestimmen, anstatt sich mit den Vorlieben des Modells abzufinden. H3 liefert ansprechende Ergebnisse mit filmischem Rhythmus und neigt zur automatischen Verfeinerung, was einfachen Vorgaben schmeichelt, anspruchsvollen jedoch zuwiderlaufen kann. Für Kreative, die möchten, dass die Kamera einem Plan folgt, spricht die Steuerbarkeit für Seedance.

**Rundengewinner: Seedance 2,5. **Kinoähnliche Kontrolle, nicht nur ein filmischer Look.

Runde 10: Stilisierte Inhalte

Fotorealismus ist nicht der einzige Test. Anime, Illustrationen, Fantasy, surreale Szenen, Knetanimation, 3D-Animation, Comic-Optik, malerische Videos. Die eigentliche Frage ist, ob die Bewegung kohärent bleibt, wenn die visuellen Regeln bewusst unrealistisch sind, und welches Modell am weitesten über realistisches Filmmaterial hinausgeht.

H3 ist als universelles, omnimodales Generierungsmodell konzipiert und nicht als Video-Engine, bei der Realismus an erster Stelle steht – und genau dieser Ansatz ist das, was ein breites stilistisches Spektrum erfordert. Seedance 2.5 ist als Produktionssystem positioniert, das auf kommerziellen und narrativen Realismus abzielt, was in anderen Bereichen eine Stärke ist, hier jedoch eine leichte Einschränkung darstellt. Was die Bandbreite nicht-realistischer Stile angeht, bietet das universelle Modell den größeren Spielraum.

**Rundengewinner: MiniMax H3. **Ein universelles Design deckt ein breiteres stilistisches Spektrum ab als ein auf die Produktion optimiertes.

Runde 11: Werbevideo

Beurteilt aus der Perspektive eines bezahlten Kreativen. Parfümwerbung, Sneaker-Werbespot, Lebensmittelwerbung, Automobilwerbung, Modekampagne, Einführung eines Technikprodukts, Reisewerbespot. Die Bewertungskriterien sind Produktintegrität, kontrollierte Bewegung, luxuriöse Ästhetik, Wiederverwendbarkeit und der Aufwand an Nachbearbeitung, den das Ergebnis erfordert. Der Text ist der eigentliche Knackpunkt: Keines dieser Modelle ist zuverlässig genug, um Typografie oder ein Logo originalgetreu wiederzugeben, daher sollte jegliches Branding auf dem Bildschirm lieber nachträglich eingefügt als generiert werden.

Seedance 2.5 wurde genau dafür entwickelt. Die Bearbeitung auf Regionsebene zeichnet einen Teil eines Bildes neu, während Leistung und Beleuchtung unverändert bleiben; die Greenscreen-Bearbeitung tauscht Hintergründe aus, während das Motiv in Position bleibt; und die „White-Model“-Steuerung blockiert eine Aufnahme vor der Beleuchtung mit texturloser Geometrie. Das ist eine kommerzielle Kontrollsuite, kein einzelner Generator. H3 kontert mit nativem 2K, sauberem Text in Testberichten und anweisungsbasierten Bearbeitungen, die eine vollständige Neuaufnahme vermeiden – was durchaus realistisch ist –, doch das Toolset von Seedance entspricht direkter der Art und Weise, wie Werbeaufnahmen tatsächlich erstellt und überarbeitet werden.

**Rundengewinner: Seedance 2.5. **Regionsbearbeitung, Greenscreen und das Blockieren mit White-Models sind Produktionssteuerungen, mit denen Werbeteams bereits vertraut sind.

Runde 12: Kurzvideos für soziale Medien

Nützlichkeit für TikTok, Reels, Shorts, vertikale Anzeigen und B-Roll-Material von Creators. Die Kriterien sind Geschwindigkeit, visueller Aufhänger, vertikale Bildausrichtung, Zeitraffer, die einfache Erstellung zahlreicher Varianten und Konsistenz innerhalb einer Charge. In dieser Runde kann ein anderer Gewinner als in der „Cinematic“-Runde gekürt werden, was eher zu begrüßen ist als ein Widerspruch.

Die Struktur von H3 passt fast genau zu Kurzformaten: 4- bis 15-Sekunden-Clips sind die native Länge des Formats, 2K bietet Spielraum für den Zuschnitt ins Hochformat, Audio wird im selben Durchgang aufgenommen, und anweisungsbasierte Bearbeitungen ermöglichen es einem Creator, Variationen zu iterieren, ohne von Grund auf neu beginnen zu müssen. Der 30-Sekunden-Single-Take von Seedance 2.5 übertrifft die Anforderungen der meisten Kurzformate, und seine Stärke liegt in längeren, gezielteren Arbeiten. Für die Produktion großer Mengen vertikaler Inhalte ist H3 die passendere Wahl.

**Sieger dieser Runde: MiniMax H3. **Native Kurzclip-Länge, Spielraum für 2K-Zuschneidung, Audio in einem Durchgang und schnelle Variationserstellung.

Die Bilanz der Runde und warum sie noch keine endgültige Entscheidung bringt

Zwölf Runden ergaben ein knappes Ergebnis. MiniMax H3 gewann fünf, Seedance 2.5 vier, drei endeten unentschieden aufgrund wirklich offener Probleme, und Wan 3 gewann keine. Die leere Spalte von Wan 3 ist kein Urteil darüber, dass es schwach ist. Es ist ein Urteil darüber, dass seine Qualität unbewiesen ist: Keine Runde konnte einem Modell zugesprochen werden, für das es keine nachprüfbaren Qualitätsnachweise gibt, und Siege aus Gründen der Ausgewogenheit zu erfinden, würde die Methode untergraben.

Abbildung 4. Rundenergebnis. Die Siege von H3 konzentrieren sich auf nachweisbare Stärken (Auflösung, nachgewiesene Konsistenz, gemessene Befehlsbefolgung, Reichweite, Kurzform); die Siege von Seedance konzentrieren sich auf Bewegungsgestaltung und Werkzeuge zur Steuerung kommerzieller Inhalte.

Es gibt eine echte Spannung, die es wert ist, erwähnt zu werden. In mehreren der schwierigsten technischen Runden – Bewegung, Kameraführung und kommerzielle Steuerung – scheint Seedance 2.5 die stärkere reine Video-Engine zu sein. Doch der Gesamtsieg, der später anhand der Gewichtung der Nachweise entschieden wird, folgt nicht einfach der Anzahl der gewonnenen Runden. Die Runden messen, wo die Nachweise und die Positionierung der einzelnen Anbieter am stärksten sind. Die Meisterschaft misst, welche Qualität tatsächlich verifiziert ist und welcher Zugang tatsächlich real ist.

Wo jedes Modell noch Schwächen aufweist

Jedes generative Videomodell weist Muster auf, in denen es versagt. Dies sind die Fehlermerkmale, die am ehesten mit den verfügbaren Belegen übereinstimmen – und keine Schwächen, die erfunden wurden, um ein ordentliches Gleichgewicht zu erzwingen.

Seedance 2.5

Die beiden glaubwürdigsten Schwachstellen ergeben sich aus ByteDances eigener Darstellung und aus der breiteren Bilanz: dichte Szenen mit vielen interagierenden Objekten und komplexe physikalische Bewegungen – beides Bereiche, in denen der Hersteller selbst einräumt, dass es noch Verbesserungspotenzial gibt. Der Kontakt zwischen Hand und Objekt bleibt bei unterschiedlichen Eingabeaufforderungen unzuverlässig, wie es in diesem Forschungsgebiet üblich ist. Und ein praktisches Problem, das überhaupt nichts mit Pixeln zu tun hat: Zum Zeitpunkt der Erstellung dieses Artikels war die öffentliche API noch nicht veröffentlicht worden, sodass die Integration in eine automatisierte Pipeline unabhängig von der Ausgabequalität blockiert war.

MiniMax H3

Das größte Risiko liegt eher in einem Lizenzproblem als in einem Rendering-Problem. Die offenen Gewichte schließen die Vereinigten Staaten, die Europäische Union, das Vereinigte Königreich und Korea vom lokalen Einsatz aus, und die kleinste funktionierende lokale Konfiguration läuft nativ mit 768 Pixeln an der kurzen Seite, wobei echtes 2K nur durch einen gehosteten Regenerationsdurchlauf erreicht wird, der in der herunterladbaren Version nicht enthalten war. Was die Ausgabe selbst betrifft, sind Menschenmengen und Physik noch nicht demonstriert, die Kontaktdarstellung ist unzuverlässig, und die Clip-Länge ist nativ auf 15 Sekunden begrenzt, was für narrative Arbeiten zu kurz ist.

Wan 3

Die entscheidende Schwäche ist epistemischer Natur. Keine unabhängigen Benchmarks, keine technischen Berichte, keine Modellkarte und keine Platzierung in Ranglisten bedeuten, dass jede Qualitätsbehauptung zu Wan 3 unbestätigt ist. Darin eingebettet ist eine Schicht erfundener Spezifikationen (4K, offene Gewichte, exotische Parameterzahlen), die ein aufmerksamer Leser aktiv außer Acht lassen muss. Die einzige konkrete kommerzielle Tatsache ist ungünstig: Bei 1080p liegt der Preis höher als bei jedem gemessenen Modell oberhalb von Alibabas eigenem „Wan 2.7“ in den öffentlichen Rankings.

Spezifikationen, die an ihrem Platz bleiben

Erst nach der Qualitätsanalyse gehören die Zahlen auf die Seite, und einige davon sind als ungewiss gekennzeichnet, da ihre Hersteller sie nicht angegeben haben. Technische Daten beschreiben Potenzial, nicht Leistung.

Merkmal	Seedance 2,5	MiniMax H3	Wan 3
Maximale Auflösung	Für 2.5 nicht veröffentlicht	2K (2560 x 1440)	1080p (laut Preisliste)
Maximale Dauer	30 s im Einzeldurchlauf	4 bis 15 s (erweiterbar)	30 s
Natives Audio	Ja	Ja, 32 kHz Stereo	Ja
Bildreferenzen	Bis zu 30	Bis zu 9	Omnimodal, nicht angegeben
Video-/Audio-Referenzen	10 Video-, 10 Audio-Referenzen	3 Video, 3 Audio	Unterstützt, nicht angegeben
Erstes / letztes Bild	Unterstützt	Ja (beide Frames)	Unterstützt
Video-Erweiterung	Mehrfach-Verlängerung	Verlängerbar auf ~30 s	Bearbeitungs-/Fahrmodi
API-Verfügbarkeit	In Vorbereitung (ModelArk)	Live	Live (Qwen Cloud)
Offene Gewichte	Nein	Ja, mit Ausnahmen	Nein
Unabhängiger Benchmark	Keine (2,0 ist ein hoher Wert)	Platz 2 bei T2V, Platz 1 bei der Bearbeitung	Keine

Tabelle 2. Technische Referenz. Vom Hersteller nicht angegebene Felder sind als solche gekennzeichnet und nicht mit plausiblen Schätzungen ausgefüllt.

Beschaffung der Modelle

Die Verfügbarkeit unterscheidet diese drei Modelle ebenso deutlich wie jede Qualitätskennzahl. MiniMax H3 ist am einfachsten zu erreichen und am einfachsten zu automatisieren: eine Live-API, eine öffentliche App und herunterladbare Gewichte für Teams außerhalb der ausgeschlossenen Rechtsräume – mit dem wichtigen Hinweis, dass die lokale Generierung nativ mit 768 Pixeln erfolgt und echtes 2K weiterhin gehostet wird. Wan 3 verfügt über einen live verfügbaren kommerziellen Endpunkt auf Alibabas Qwen Cloud mit veröffentlichten Preisen und moderaten Begrenzungen der gleichzeitigen Zugriffe (zwei gleichzeitige Anfragen, eine asynchrone Warteschlange für 50 Aufgaben, 30 Anfragen pro Minute), sodass bereits heute darauf aufgebaut werden kann – unter Akzeptanz des Qualitätsrisikos. Seedance 2.5 ist der Fall mit den größten Hindernissen: Erreichbar über Jimeng und Doubao zur manuellen Erstellung, jedoch zum Zeitpunkt der Erstellung dieses Artikels ohne öffentliche API, was jeden Entwickler-Workflow im Keim erstickt, bis ByteDance den Zugriff auf ModelArk freigibt.

Die entscheidende Frage für ein Produktionsteam lautet, ob ein Modell in eine reguläre Pipeline integriert werden kann. Zwei der drei beantworten diese Frage heute mit Ja. Seedance 2.5 antwortet mit „noch nicht“, so überzeugend seine Ergebnisse auch sein mögen.

Die tatsächlichen Kosten fallen pro funktionierendem Clip an

Abonnement- und Sekundensätze sind der falsche Vergleich. Die entscheidende Zahl sind die Kosten pro nutzbarem Ergebnis. Ein günstigeres Modell wird schnell teuer, wenn ein Creator zehn Generationen verbraucht, um einen akzeptablen Clip zu erhalten, und ein teureres Modell mit einer hohen Rate an nutzbaren Aufnahmen kann in der Praxis die günstigere Wahl sein. Für keines dieser Modelle kann eine ehrliche Zahl pro erfolgreichem Clip veröffentlicht werden, da die Raten an nutzbaren Aufnahmen nicht gemessen werden; daher muss das Prinzip qualitativ angewendet werden.

Abbildung 5. Verifizierte Listenpreise pro generierter Minute. Seedance 2.5 fehlt, da ByteDance zum Zeitpunkt der Erstellung dieses Artikels keinen API-Preis veröffentlicht hatte; es gab lediglich Plattform-Guthaben.

Gemessen an den veröffentlichten Listenpreisen ist MiniMax H3 mit 7,80 Dollar pro Minute bei 2K die günstigste der untersuchten Optionen. Wan 3 liegt bei 12,00 Dollar pro Minute bei 1080p, was etwa ein Drittel mehr ist als bei Alibabas eigenem Wan 2.7 und teurer als jedes Modell, das in der öffentlichen Rangliste über Wan 2.7 steht, während es keinen eigenen Benchmark bietet. Diese Kombination – ein Preis über dem gemessenen Feld bei unbekannter Qualität – ist die deutlichste kommerzielle Warnung in diesem Vergleich. Seedance 2.5 kann noch nicht in die Achse eingeordnet werden, da zum Zeitpunkt der Erstellung dieses Artikels nur Plattform-Credits verfügbar waren. Qualitativ betrachtet ergibt sich für H3 aufgrund des niedrigen Preises in Verbindung mit einer nachgewiesenen Qualitätsposition das beste Preis-Leistungs-Verhältnis pro nutzbarem Clip, während Wan 3 aufgrund des Aufpreises für eine unbewiesene Qualität das schlechteste Ergebnis aufweist.

Schnelle Einschätzungen nach Auftrag

Für filmähnliche Aufnahmen

Seedance 2.5, mit MiniMax H3 als Alternative. Steuerbare Kamera- und Blickwinkelsteuerung sowie eine kinematografische Tradition eignen sich für die Einzelbildbearbeitung. H3 ist die Ausweichlösung, wenn ein verifiziertes 2K-Bild und eine Live-API wichtiger sind als eine feine Kamerasteuerung.

Für schnell bewegte Szenen

Seedance 2.5, mit MiniMax H3 als Alternative. Der einzige direkte Bewegungsvergleich sprach aufgrund der besseren Lesbarkeit bei hoher Geschwindigkeit für Seedance. Die schärferen Schnitte des H3 sind eher ein stilistischer Vorteil als ein Vorteil hinsichtlich der Bewegungsstabilität.

Für Werbung

Seedance 2.5, mit MiniMax H3 als Alternative, sobald dessen API verfügbar ist. Regionsbearbeitung, Greenscreen und das Blockieren von weißen Modellen entsprechen der Art und Weise, wie Werbespots erstellt und überarbeitet werden. Der klarere Bildschirmtext und die sofortige Verfügbarkeit von H3 machen es zur pragmatischen Wahl, solange die API von Seedance noch aussteht.

Für menschliche Figuren

MiniMax H3, mit Seedance 2.5 als Alternative. Die von einem Tester bestätigte Konsistenz der Omni-Referenz und eine Spitzenplatzierung im Bereich der Bearbeitung überwiegen das größere, aber nicht verifizierte Referenzbudget von Seedance. Seedance übernimmt, wenn die Kontinuität über eine lange Sequenz mit mehreren Aufnahmen Priorität hat.

Für experimentelle Visuals

MiniMax H3, mit Wan 3 als weit entfernte Alternative. Ein universelles, omnimodales Design eignet sich besser für stilisierte und surreale Arbeiten als ein auf Realismus ausgerichtetes Produktionssystem.

Für Entwickler

MiniMax H3, mit Wan 3 als Alternative. H3 bietet eine Live-API, dokumentierte Parameter und Gewichtung innerhalb zulässiger Bereiche. Wan 3 ist bereits heute einsetzbar für Teams, die eine 30-Sekunden-Einzelaufnahme benötigen und mit ungemessener Qualität leben können; Seedance 2.5 fällt aus, bis seine API geöffnet wird.

Für die lokale Steuerung

MiniMax H3, sofern die Lizenz dies zulässt; andernfalls bleibt Wan 2.2 die ehrliche Lösung mit offenen Gewichten für das Selbsthosting. Weder Seedance 2.5 noch Wan 3 liefern Gewichte mit, sodass ein On-Premise-Einsatz beider Systeme nicht in Frage kommt.

Die endgültige Rangliste

Zurück zu den sieben Dimensionen, nun als Gesamtwerte. Da die Wertetabelle eher die Stärke der Belege als die Ambitionen der Anbieter misst, hebt die verifizierte Position von MiniMax H3 dessen Gesamtwert knapp über den von Seedance 2.5, dessen 2.5-spezifische Belege dünner sind. Die Bereiche überschneiden sich, was ein ehrliches Signal dafür ist, dass die beiden Spitzenreiter in puncto handwerklicher Qualität auf Tuchfühlung liegen. Wan 3 liegt mit dem größten Bereich und dem geringsten Konfidenzgrad deutlich zurück.

Modell	Gesamt (von 700)	Vertrauen	Beste / schwächste Kategorie
MiniMax H3	602 bis 636	Mittel bis hoch	Am besten: Bildqualität, Reichweite / Am schwächsten: Kamera
Seedance 2,5	596 bis 631	Mittel	Am besten: Bewegung, Kamera / Am schwächsten: Menschenmengen
Wan 3	541 bis 610	Niedrig	Am besten: Dauer / Am schwächsten: unbestätigte Qualität

Tabelle 3. Endgültige Wertung. Die Gesamtwerte sind die Summe der sieben evidenzgewichteten Dimensionsbereiche.

Abbildung 6. Gesamtpunktzahlbereiche mit Konfidenz. Die Überschneidung zwischen den beiden Spitzenreitern ist entscheidend: Der Titel hängt von der Gewichtung der Belege ab, nicht von einem deutlichen Vorsprung.

Sieger, Zweitplatzierter und Spezialisten-Tipp

Gesamtsieger: MiniMax H3

H3 gewinnt, weil es der einzige Anwärter ist, dessen Qualität verifiziert und nicht nur versprochen wird. Es belegt eine aktive, hochrangige Position in öffentlichen Benchmarks, liefert herunterladbare Gewichte, läuft bereits heute auf einer funktionsfähigen API und weist die sauberste Kostenposition unter den getesteten Modellen auf. Außerdem zeigte es im praktischen Einsatz nachweislich Zeichenkonsistenz und sauberen Bildschirmtext. Es gewinnt nicht jede Runde, und es ist nicht offensichtlich die schönere oder filmischere Engine. Es gewinnt den eigenen Test des Showdowns: Wenn man die schönen Demos einmal beiseite lässt, ist es das Modell, dessen wiederholbare Leistung tatsächlich bestätigt werden kann.

Zweiter Platz: Seedance 2.5

Seedance 2.5 hat das höhere Potenzial und die stärksten technischen Argumente: bessere Bewegungslesbarkeit im einzigen direkten Vergleich, explizite Kamerasteuerung, die umfassendste kommerzielle Bearbeitungssuite und das größte Referenzbudget in der Kategorie, gestützt durch eine Tradition, die öffentliche Video-Rankings angeführt hat. Es verliert den Titel aus zwei Gründen, die die Methode nicht ignorieren kann: Seine 2.5-spezifische Qualität wurde noch nicht unabhängig gemessen, und seine öffentliche API war zum Zeitpunkt der Erstellung dieses Artikels noch nicht veröffentlicht. Sobald die API verfügbar ist und unabhängige Benchmarks vorliegen, könnte sich diese Rangfolge umkehren.

Spezialisten-Tipp: Wan 3

Wan 3 erhält die Empfehlung der Experten aufgrund eines konkreten, nachweisbaren Vorteils: einer bereits heute verfügbaren Live-API, die in einem einzigen Durchlauf eine vollständige 30-Sekunden-Aufnahme generiert – ideal für Teams, die einen kompletten Spot in einer nahtlosen Generierung benötigen und nicht auf den Endpunkt von Seedance warten können. Dieser Vorteil bezieht sich auf die Verfügbarkeit einer bestimmten Funktion, nicht auf nachgewiesene Qualität, und die Wahl sollte mit offenen Augen getroffen werden – vor Alibabas eigenem, preislich bewerteten Modell, das in der Rangliste noch nicht bewährt ist. Es handelt sich um ein Tool für eine spezielle Aufgabe, nicht um eine allgemeine Empfehlung.

Fazit

Wenn alle drei eine schöne Demo produzieren können, ist dasjenige Modell, das auch bei schwierigen Szenen weiterhin gute Leistungen erbringt, dasjenige, dessen Leistung bei schwierigen Aufgaben tatsächlich verifiziert ist. Nach dem heutigen Stand der Dinge ist das MiniMax H3: gemessen, herunterladbar, aufrufbar und erschwinglich, auch wenn es nicht die auffälligste Engine auf dem Markt ist. Seedance 2.5 ist das technisch spannendere Videomodell und könnte die Krone erringen, sobald seine API und Benchmarks verfügbar sind – was es in dieser Woche eher zu einem Modell macht, das man im Auge behalten sollte, als zu einem, auf dem man aufbauen sollte. Wan 3 ist ein echtes, einsetzbares Produkt, das unter erfundenen Spezifikationen begraben liegt; es lohnt sich nur wegen der Verfügbarkeit von 30-Sekunden-Einzelaufnahmen, während man ihm in allen anderen Bereichen mit aktiver Skepsis begegnen sollte. Die Empfehlung hängt vom jeweiligen Auftrag ab: Greifen Sie zu Seedance, wenn filmische Inszenierung und kommerzielle Bearbeitung im Vordergrund stehen; greifen Sie zu H3, wenn verifizierte Qualität, Charakterarbeit, das Volumen an Kurzformaten oder eine Live-Pipeline im Vordergrund stehen; und greifen Sie nur dann zu Wan 3, wenn eine einzige lange Einstellung, die bereits heute einsetzbar ist, die konkrete Anforderung ist. Vor allem sollten Sie bei Wan 3 nicht für 4K bezahlen. Das steht nicht auf der Karte.