Wan 3 kontra Seedance 2.5 kontra MiniMax H3: porównanie filmów z wykorzystaniem sztucznej inteligencji

Wprowadzenie

Technologia generowania wideo oparta na sztucznej inteligencji osiągnęła etap, na którym pojedyncze demo praktycznie niczego nie dowodzi. Każdy z tych systemów potrafi wygenerować dziesięciosekundowy fragment materiału, który na ekranie telefonu wygląda na gotowy. Różnice ujawniają się w momencie, gdy osoba przechodzi przez kadr, kamera zaczyna się poruszać, dwa obiekty zderzają się lub polecenie wymaga, by więcej niż jedna rzecz działo się jednocześnie. To właśnie wtedy jakość przestaje być statycznym kadrem, a staje się zachowaniem.

Seedance 2.5, MiniMax H3 i Wan 3 są tutaj traktowane jako silniki generujące wideo pod obciążeniem, a nie jako produkty marketingowe. Trzy krótkie sygnały wyznaczają ramy rywalizacji przed rozpoczęciem rund. MiniMax H3 ma obecnie najsilniejszą, weryfikowalną pozycję pod względem jakości, ponieważ jako jedyny z tej trójki posiada publiczne miejsce w rankingu benchmarkowym na żywo oraz wagi dostępne do pobrania.

Seedance 2.5 ma najsilniejsze tradycje w zakresie ruchu i opowiadania historii, odziedziczone po linii Seedance, która zajmowała czołowe miejsca w publicznych rankingach wideo. Wan 3 oferuje najbardziej kontrowersyjny obraz ze wszystkich: działający komercyjny punkt końcowy i czas trwania nagłówka, owinięte mgłą specyfikacji, których sam producent nigdy nie opublikował.

Zwycięzca nie został jeszcze wyłoniony. Decydują o tym rundy, a dowody są na tyle niejednolite, że jednej z trzech platform nie da się w ogóle ocenić pod kątem jakości.

Seedance 2.5, ByteDance

Firma ByteDance wypuściła Seedance 2.5 31 lipca 2026 r., udostępniając go za pośrednictwem platformy Jimeng (Dreamina) oraz poziomu Pro serwisu Doubao po zapowiedzi podczas konferencji Volcano Engine FORCE 23 czerwca. Główną funkcją jest natywne generowanie treści audio-wideo w jednym przebiegu trwającym 30 sekund, z możliwością rozszerzenia na dłuższe sekwencje poprzez wielokrotne iteracje, oraz limit danych wejściowych wynoszący do 50 referencji multimodalnych (30 obrazów, 10 klipów wideo, 10 klipów audio) – co stanowi największy limit referencji w tej kategorii. Wagi są zamknięte. W momencie pisania tego artykułu publiczny interfejs API nie został jeszcze uruchomiony: firma ByteDance skierowała programistów do platformy BytePlus ModelArk, do której dostęp ma zostać udostępniony na początku sierpnia. Niezależne testy porównawcze dla wersji 2.5 jeszcze nie istnieją, choć jej poprzednik, Seedance 2.0, plasuje się w czołówce publicznych rankingów.

MiniMax H3, zwany również Hailuo 3.0

MiniMax udostępnił model H3 publicznie 31 lipca 2026 r., tego samego dnia co Seedance 2.5, po prezentacji podczas konferencji WAIC 17 lipca. Oficjalna nazwa modelu to MiniMax H3; Hailuo 3.0 to nazwa aplikacji używana przez większość twórców. Generuje on klipy trwające od 4 do 15 sekund w rozdzielczości natywnej do 2K (2560 na 1440) przy 24 klatkach na sekundę, z dźwiękiem stereo 32 kHz generowanym w tym samym przebiegu oraz systemem omni-reference wykorzystującym do 9 obrazów, 3 klipy wideo i 3 klipy audio. W rankingach serwisu Artificial Analysis zajmuje drugie miejsce w kategorii „tekst na wideo”, trzecie w kategorii „obraz na wideo” oraz pierwsze w kategorii „edycja wideo”. 3 sierpnia 2026 r. MiniMax opublikował otwarte wagi (transformator o rozmiarze 33B) na platformie Hugging Face, z jednym ważnym zastrzeżeniem, o którym mowa poniżej: licencja społecznościowa wyklucza kilka głównych jurysdykcji z lokalnego wdrożenia.

Wan 3, Alibaba

Wan 3 to obecnie najczęściej opisywany model w dziedzinie sztucznej inteligencji w zakresie wideo. Co można zweryfikować:

Alibaba wymienia go na swojej platformie Qwen Cloud jako wan3.0-video, z aktywnym punktem końcowym DashScope, opublikowanymi cenami za sekundę oraz maksymalnym czasem trwania wynoszącym 30 sekund dla danych wejściowych w postaci tekstu, obrazu, dźwięku i wideo. Co nie jest prawdą, mimo że dominuje na pierwszej stronie wyników wyszukiwania: nie jest to rozdzielczość 4K (cennik zawiera tylko poziomy 480p, 720p i 1080p), nie jest to oprogramowanie o otwartym kodzie źródłowym (ostatnim flagowym produktem Wan wydanym na licencji Apache 2.0 był Wan 2.2, ponad rok temu) i nigdzie nie ma niezależnych wyników testów porównawczych.

Grupa podobnych do siebie domen publikuje przekonujące tabele specyfikacji (natywne 4K, architektura typu „mixture-of-experts” o rozmiarze 27B lub 60B, otwarta premiera w kwietniu 2026 r.), które nie mają żadnego źródła pochodzącego od samego producenta i są ze sobą sprzeczne. Model, który trafiłby na rynek w wersji 4K, miałby cenę odpowiadającą 4K. Brak tego poziomu jest mocniejszym dowodem niż jakiekolwiek twierdzenia marketingowe. W tej konfrontacji Wan 3 konkuruje jako produkt dostępny na żądanie, z rzeczywistym limitem czasu trwania i nieznaną jakością.

Tabela wyników

Całe porównanie opiera się na siedmiu wymiarach. Każdy wymiar jest oceniany w 100-punktowej skali, a wyniki nie są obliczane mechanicznie na podstawie specyfikacji. Odzwierciedlają one siłę dostępnych dowodów, dlatego zamiast pojedynczych liczb podano przedziały, a w przypadku Wan 3 przedziały te znacznie się poszerzają. Wyniki o niewielkiej różnicy nie są pomiarami laboratoryjnymi. Ich jedynym zadaniem jest sprawienie, by różnice porównawcze były czytelne na pierwszy rzut oka.

Ocena	Seedance 2.5	MiniMax H3	Wan 3 (wstępna ocena)
Jakość obrazu	od 86 do 91	od 89 do 93	od 77 do 88
Ruch	od 85 do 90	od 84 do 89	od 76 do 86
Stabilność obrazu	od 85 do 90	od 85 do 90	od 79 do 88
Szybkość wykonania	od 85 do 90	od 87 do 92	od 77 do 87
Działanie aparatu	od 85 do 90	od 84 do 89	od 77 do 86
Spójność ludzka	od 86 do 91	od 86 do 91	od 77 do 87
Zakres kreatywności	od 84 do 89	od 87 do 92	od 78 do 88

Tabela 1. Tabela wyników początkowych. Zakresy odzwierciedlają pewność dowodów, a nie precyzję pomiaru.

Rysunek 2. Ta sama tabela wyników przedstawiona jako przedziały poziome. Kropka oznacza punkt środkowy każdego przedziału. Słupki modelu Wan 3 są szerokie, ponieważ tak niewiele aspektów jego jakości zostało potwierdzonych.

Rysunek 3. Krzywa zdolności oparta na środkach przedziałów. Seedance 2.5 wykazuje przewagę w zakresie ruchu i pracy kamery; MiniMax H3 – w zakresie obrazu, podpowiedzi i zakresu; Wan 3 pozostaje w tyle na każdej osi z powodu braku dowodów, a nie z powodu udowodnionej słabości.

Runda 1: test piękna w jednym ujęciu

Zadanie jest celowo łatwe: osoba w kinowym oświetleniu, krajobraz, luksusowe wnętrze, powolne zbliżenie. Chodzi o to, który model generuje najbardziej przekonującą pierwszą klatkę, a następnie utrzymuje tę jakość przez cały czas trwania ujęcia. Ostrość to nie realizm. Nadmiernie przetworzona skóra, plastikowe mikrodetale i niestabilne tekstury mogą wyglądać imponująco na miniaturce, ale rozpadają się w ruchu.

MiniMax H3 ma tu najczystszy wynik. Natywna rozdzielczość 2K to udokumentowana specyfikacja, a nie tylko deklaracja, a jego drugie miejsce w rankingu „text-to-video” opiera się częściowo na tym, jak wyglądają gotowe pojedyncze ujęcia. Seedance 2.5 również wyraźnie stawia na obraz najwyższej jakości, a jego pochodzenie sugeruje dobre wyniki, jednak firma ByteDance nie opublikowała przy premierze odpowiadającej wartości rozdzielczości 2K dla wersji 2.5, więc jego najwyższa ostrość jest raczej domniemana niż potwierdzona. Wan 3 osiąga maksymalną, udokumentowaną rozdzielczość 1080p, co plasuje go o jeden stopień niżej.

**Zwycięzca rundy: MiniMax H3. **Najbliższy konkurent: Seedance 2.5. Powód jest prosty i szczery: H3 wygrywa dzięki podanej wartości rozdzielczości, a nie dzięki wyraźnie ładniejszym klatkom.

Runda 2: ludzie faktycznie się poruszają

Poziom trudności wzrasta. Chodzenie, obracanie się, bieganie, taniec, siedzenie, stanie, podnoszenie przedmiotów, przekazywanie przedmiotu z jednej ręki do drugiej. W tej rundzie liczy się jakość czasowa, a nie ładne klatki. Oznakami niepowodzenia są niestabilność stawów, ślizgające się lub nieprawidłowo stawiające stopy, nagłe zniekształcenie kończyn oraz brak przenoszenia ciężaru ciała.

Opublikowany test porównawczy jest najbardziej przydatnym pojedynczym dowodem w tej rundzie. W teście tym Seedance 2.5 pozostał łatwiejszy do śledzenia podczas najszybszych ruchów, a postać w białym stroju z rudymi włosami pozostawała czytelna podczas przesuwania się kamery. H3 postawił na bardziej agresywną różnorodność ujęć i ostrzejsze cięcia, co wygląda energicznie, ale stanowi inną zaletę. Żaden z wyników nie rozwiązał kwestii choreografii: pozycje obronne ulegały przesunięciom, a niektórym reakcjom brakowało widocznej przyczyny. W wąskiej kwestii tego, czy ruch wydaje się zamierzony, a nie tylko animowany, Seedance nieznacznie wygrał.

**Zwycięzca rundy: Seedance 2.5. **Czytelność ruchu przy dużej prędkości to dziedzictwo linii Seedance, a jedyne dostępne bezpośrednie porównanie to potwierdza.

Runda 3: kamera zaczyna się poruszać

Śledzenie, zbliżenia, oddalenia, orbity, panoramy, pochylenia, ujęcia z niskiego kąta, podążanie za poruszającym się obiektem. Test polega na sprawdzeniu, czy scena pozostaje stabilna strukturalnie przy zmianie punktu widzenia oraz czy ruch kamery jest zgodny z wytycznymi, a nie przypadkowym kinowym dryfem, który po prostu wygląda filmowo.

Seedance 2.5 kontynuuje wyraźną kontrolę kamery przez AI, zapoczątkowaną przez poprzednika, i dodaje edycję punktu widzenia oraz kamery jako elementy sterowania pierwszego rzędu. Ten sam materiał z testu porównawczego pokazał, że obiekt zachowuje swoją tożsamość podczas szerokich ruchów, co jest dokładnie tym problemem rekonstrukcji tła, na którym skupia się ta runda. H3 dobrze radzi sobie z ruchem i promuje ruch o filmowej rytmice, ale jego elementy sterujące są opisane w bardziej ogólnych kategoriach. Porównanie zamierzonego i przypadkowego zachowania kamery przemawia na korzyść modelu, który wyraźnie określa kierunek kamery.

**Zwycięzca rundy: Seedance 2.5. **Udokumentowane elementy sterujące kamerą pokonały ogólną obietnicę kinowego ruchu.

Runda 4: zbyt wiele dzieje się naraz

W tej rundzie próbuje się wszystko zepsuć. Trzy lub więcej osób, tłumy, ruchliwe ulice, restauracje, fabryki, festiwale, targowiska, ruch uliczny. Kryteriami oceny są: organizacja sceny, trwałość obiektu, spójność tła, liczba obiektów oraz to, czy model jest w stanie realizować kilka instrukcji jednocześnie. Wspaniały klip, który po cichu pomija połowę wymaganej sceny, nie powinien zdobywać punktów.

Tutaj dowody stają się jednoznaczne. Sama firma ByteDance zauważa, że złożone ruchy fizyczne i sceny z bardzo dużą liczbą oddziałujących na siebie obiektów wciąż wymagają poprawy, co jest rzadkim i przydatnym przyznaniem się do niedoskonałości w przypadku Seedance. H3 nie ma do dyspozycji benchmarków dotyczących konkretnie tłumów, a jego mocne strony ujawniają się w ujęciach o węższym kadrze. Nic w dotychczasowych wynikach nie pozwala z całą pewnością rozróżnić tych dwóch rozwiązań w gęstych scenach, a oba wyraźnie mają z tym trudności.

**Wynik rundy: remis. **Obsługa tłumów pozostaje otwartym problemem dla obu rozwiązań, a udawanie, że jest inaczej, byłoby właśnie tym pochlebstwem w recenzji, którego ten artykuł ma na celu uniknąć.

Runda 5: dłonie, przedmioty i kontakt

Jedna z najtrudniejszych sekcji. Nalewanie napoju, otwieranie pudełka, trzymanie telefonu, używanie narzędzia, gotowanie, pisanie, podawanie przedmiotu, dotykanie innej osoby, obsługa małego produktu. Należy zwrócić uwagę na interakcje fizyczne: mutacje palców, fuzję obiektów, przedmioty, które znikają lub zmieniają kształt, niemożliwy kontakt, zrywanie uchwytów. To właśnie ta runda decyduje o tym, czy materiały reklamowe i ujęcia produktów nadają się do wykorzystania bez konieczności intensywnej obróbki.

Żadne wiarygodne źródło nie wykazuje niezawodnego kontaktu dłoni z przedmiotem w żadnym z trzech programów w przypadku zróżnicowanych scenariuszy. Pojedynczy udany klip niczego nie dowodzi, ponieważ właśnie w przypadku kontaktu odchylenia są największe, a wybieranie najlepszych ujęć najłatwiejsze. Testerzy H3 zgłaszają czyste wyniki w konkretnych ujęciach; edycja na poziomie regionów w Seedance 2.5 oferuje ścieżkę naprawy w przypadku niepowodzenia kontaktu, co stanowi raczej zaletę przepływu pracy niż zaletę generowania. Żadne z rozwiązań nie odnosi zdecydowanego zwycięstwa.

**Wynik rundy: remis, z pewną dozą ostrożności. **Sukces w jednym klipie nie oznacza niezawodności w całej kampanii.

Runda 6: fizyka pod presją

Rozpryskująca się woda, dym, ogień, tkaniny, powiewające włosy, spadające przedmioty, obracające się samochody, odbijające się piłki, wylewające się ciecze, pękające materiały, wiatr. Wideo generatywne rutynowo tworzy ruch, który wygląda wiarygodnie bez modelowania fizyki, więc kryterium oceny jest postrzegana wiarygodność fizyczna: pęd, grawitacja, zachowanie podczas zderzeń, ciągłość płynów oraz rzeczywiste zachowanie materiałów.

To jest analiza, a nie promocja, a uczciwa ocena wskazuje, że żadna z tych trzech firm nie opublikowała oceny fizycznej. Dotychczasowe osiągnięcia Seedance w zakresie ruchu sugerują przewagę pod względem pędu i płynności, a własne zastrzeżenie ByteDance dotyczące złożonych ruchów fizycznych jednocześnie osłabia tę sugestię. Zachowanie fizyczne H3 nie zostało zademonstrowane na dużą skalę. Wan 3 nie zostało w ogóle zmierzone.

**Wynik rundy: remis. **Wiarygodność fizyczna pozostaje najsłabszym punktem w całej kategorii i żaden z konkurentów nie zyskał w tej kwestii przewagi.

Runda 7: tożsamość postaci

Czy postać pozostaje rozpoznawalna w całym klipie, a co trudniejsze, w różnych generacjach? Budowa twarzy, włosy, ubranie, dodatki, pozorny wiek, proporcje, skóra. To właśnie tutaj decyduje się sukces lub porażka krótkometrażowego dramatu, ponieważ szczęka przesunięta o pół centymetra w czwartym ujęciu sprawia, że widz traci zainteresowanie.

Oba modele radzą sobie z tym za pomocą systemów odniesień i właśnie w tym zakresie dowody nieznacznie przemawiają na korzyść H3. Praktyczny tester, który przeprowadził rzeczywisty projekt z wykorzystaniem systemu omni-reference H3, obejmującego obrazy, klip wideo i dźwięk, odnotował spójność postaci zauważalnie lepszą niż oczekiwano oraz wyraźny tekst na ekranie, a H3 zajmuje pierwsze miejsce w edycji wideo, co jest ściśle powiązane z zachowaniem tożsamości. Seedance 2.5 kontratakuje znacznie większym budżetem referencyjnym – do 50 zasobów – oraz pozycjonowaniem spójności na poziomie produkcyjnym, ale w przypadku wersji 2.5 pozostaje to raczej twierdzeniem dostawcy niż potwierdzonym wynikiem. Większa pojemność referencyjna jest obiecująca; potwierdzony wynik testera ma jednak większą wagę.

**Zwycięzca rundy: MiniMax H3. **Potwierdzona spójność przewyższa większy, ale niezweryfikowany limit referencyjny. Kontrola obrazów referencyjnych zmienia wyniki w przypadku obu programów i nie należy zakładać, że którykolwiek z nich zachowuje tożsamość bez niej.

Runda 8: natychmiastowe wykonanie polecenia

Różne formy poleceń nagradzają różne modele: prosta linia wizualna, narracja, brief z naciskiem na pracę kamery, brief z naciskiem na akcję, gęsty opis filmowy oraz polecenie zawierające kilka kolejnych czynności. Ocena obejmuje zapamiętanie instrukcji, dokładność tematu i akcji, otoczenie, styl, zgodność z wytycznymi dotyczącymi kamery oraz kolejność czasową. Oszałamiający film, który ignoruje brief, jest porażką, a nie sukcesem.

H3 ma dwie konkretne zalety. Jego drugie miejsce w rankingu tekst-na-wideo samo w sobie świadczy o przestrzeganiu instrukcji, a jego API dokumentuje limit długości polecenia wynoszący 7 000 znaków, co daje przestrzeń na prawdziwie wielowarstwowe wskazówki. Seedance 2.5 dobrze wykonuje instrukcje i oferuje silną obsługę wielu języków, a jego kontrola znaczników czasu doskonale sprawdza się w konkretnym podprzypadku sekwencyjnych działań, które muszą nastąpić w określonych momentach. Jeśli chodzi o ogólne przestrzeganie poleceń niezależnie od ich formy, prowadzi model MiniMax H3; natomiast w przypadku sekwencji czynności z kodem czasowym Seedance jest bardziej precyzyjnym narzędziem.

**Zwycięzca rundy: MiniMax H3. **Wyważone podejście do wykonywania poleceń w połączeniu z bardzo dużym limitem długości poleceń, przy czym Seedance jest najlepszym wyborem, gdy działania muszą być zsynchronizowane z rytmem.

Runda 9: instynkt filmowy

Cechy niemierzalne: kompozycja ujęcia, wybór oświetlenia, atmosfera, poczucie skali, rytm pracy kamery, relacje kolorystyczne, dramatyzm, wizualna narracja. Za tą rundą kryje się prawdziwe pytanie. Niektóre modele dyskretnie upiększają proste polecenie; inne wykonują instrukcje dosłownie. Automatyczne ulepszanie jest atutem, gdy brief jest skąpy, a wadą, gdy brief jest precyzyjny, a model go ignoruje.

Seedance wywodzi się z tradycji filmowej, a jego wyraźne narzędzia do sterowania kamerą i punktem widzenia pozwalają twórcy kierować rytmem, zamiast akceptować to, co preferuje model. H3 generuje atrakcyjne wyniki o filmowym rytmie i skłania się ku automatycznemu dopracowaniu, co sprzyja prostym zadaniom, ale może sprawiać trudności w przypadku tych wymagających. Dla twórców, którzy chcą, by kamera podporządkowywała się planowi, możliwość kierowania kamerą przechyla szalę na korzyść Seedance.

**Zwycięzca rundy: Seedance 2,5. **Kontrola kinowa, a nie tylko kinowy wygląd.

Runda 10: treści stylizowane

Fotorealizm nie jest jedynym kryterium. Anime, ilustracje, fantasy, sceny surrealistyczne, animacja plastelinowa, animacja 3D, grafika komiksowa, filmy o charakterze malarskim. Prawdziwym pytaniem jest, czy ruch pozostaje spójny, gdy zasady wizualne są celowo nierealistyczne, oraz który model wykracza najdalej poza realistyczny materiał filmowy.

H3 został zbudowany jako uniwersalny, omnimodalny model generujący, a nie jako silnik wideo stawiający na pierwszym miejscu realizm, a takie podejście jest dokładnie tym, czego wymaga szeroki zakres stylistyczny. Seedance 2.5 jest pozycjonowany jako system produkcyjny ukierunkowany na realizm komercyjny i narracyjny, co w innych obszarach stanowi zaletę, ale w tym przypadku stanowi pewne ograniczenie. Jeśli chodzi o zakres stylów nierealistycznych, model uniwersalny ma szersze możliwości.

**Zwycięzca rundy: MiniMax H3. **Konstrukcja ogólnego przeznaczenia obejmuje szerszy zakres stylistyczny niż model dostosowany do produkcji.

Runda 11: filmy reklamowe

Ocena z perspektywy płatnego twórcy. Reklama perfum, spot reklamowy butów sportowych, promocja żywności, motoryzacja, kampania modowa, premiera produktu technologicznego, spot turystyczny. Kryteria to spójność produktu, kontrolowany ruch, luksusowa estetyka, możliwość ponownego wykorzystania oraz zakres niezbędnej postprodukcji. Tekst stanowi prawdziwy punkt sporny: żadnemu z tych modeli nie można zaufać, jeśli chodzi o niezawodne zachowanie typografii lub logo, więc wszelkie elementy brandingowe na ekranie powinny być dodawane w postprodukcji, a nie generowane.

Seedance 2.5 został zaprojektowany właśnie z myślą o tym. Edycja na poziomie regionów odświeża część klatki, pozostawiając niezmienioną wydajność i oświetlenie, edycja na zielonym tle pozwala na zamianę tła przy niezmiennej pozycji obiektu, a kontrola modelu białego blokuje ujęcie za pomocą geometrii bez tekstury przed oświetleniem. To komercyjny pakiet narzędzi, a nie pojedynczy generator. H3 odpowiada natywną rozdzielczością 2K, czytelnym tekstem w raportach testowych oraz edycjami opartymi na instrukcjach, które pozwalają uniknąć ponownego kręcenia ujęcia od początku – co jest faktem – jednak zestaw narzędzi Seedance’a bardziej bezpośrednio odzwierciedla sposób, w jaki ujęcia reklamowe są faktycznie tworzone i poprawiane.

**Zwycięzca rundy: Seedance 2.5. **Edycja regionów, zielone tło i blokowanie za pomocą modelu białego to narzędzia produkcyjne, w których zespoły reklamowe już na co dzień się posługują.

Runda 12: krótkie formy w mediach społecznościowych

Przydatność dla TikToka, Reels, Shorts, reklam pionowych, materiału dodatkowego twórców. Kryteriami oceny są: szybkość, wizualny haczyk, kadrowanie pionowe, przyspieszony ruch, łatwość tworzenia wielu wariantów oraz spójność w całej partii. W tej rundzie zwycięzcą może zostać inny gracz niż w rundzie filmowej, co jest raczej mile widziane niż sprzecznością.

Kształt H3 niemal idealnie pasuje do formatów krótkometrażowych: klipy trwające od 4 do 15 sekund to naturalna długość tego formatu, rozdzielczość 2K daje możliwość przycięcia do formatu pionowego, dźwięk jest rejestrowany w tym samym przebiegu, a edycja oparta na instrukcjach pozwala twórcy na tworzenie kolejnych wariantów bez konieczności rozpoczynania od zera. 30-sekundowe ujęcie w jednym kawałku w Seedance 2.5 to więcej, niż potrzebuje większość formatów krótkometrażowych, a jego moc jest ukierunkowana na dłuższe, bardziej wyreżyserowane prace. W przypadku masowej produkcji filmów pionowych H3 jest bardziej naturalnym wyborem.

**Zwycięzca rundy: MiniMax H3. **Natywna długość krótkich klipów, rezerwa na kadrowanie w rozdzielczości 2K, dźwięk w jednym przejściu oraz szybkie tworzenie wariantów.

Podsumowanie rundy i dlaczego nie rozstrzyga to wszystkiego

Dwanaście rund dało niewielką przewagę. MiniMax H3 wygrał pięć, Seedance 2.5 – cztery, trzy zakończyły się remisem z powodu prawdziwie nierozstrzygniętych problemów, a Wan 3 nie wygrał żadnej. Pusta kolumna Wan 3 nie oznacza, że jest on słaby. Oznacza to, że jego jakość nie została udowodniona: nie można przyznać rundy modelowi bez weryfikowalnych dowodów jakości, a wymyślanie zwycięstw dla zachowania równowagi byłoby sprzeczne z metodą.

Rysunek 4. Podsumowanie rund. Zwycięstwa H3 skupiają się na weryfikowalnych mocnych stronach (rozdzielczość, potwierdzona spójność, zmierzona zgodność z poleceniami, zakres, forma skrócona); zwycięstwa Seedance skupiają się na kunszcie animacji ruchu i narzędziach kontroli komercyjnej.

Istnieje rzeczywista sprzeczność, o której warto wspomnieć. W kilku najtrudniejszych rundach technicznych – dotyczących ruchu, pracy kamery i kontroli reklamowej – Seedance 2.5 wydaje się silniejszym silnikiem czysto wideo. Jednak ogólny tytuł, przyznawany później na podstawie wagi dowodów, nie wynika po prostu z liczby rund. Rundy mierzą, w jakich obszarach dowody i pozycjonowanie każdego dostawcy są najsilniejsze. Mistrzostwo mierzy, która jakość jest faktycznie zweryfikowana, a który dostęp jest rzeczywiście realny.

Gdzie każdy model wciąż zawodzi

Każdy generatywny model wideo ulega załamaniu w określonych wzorcach. Są to cechy charakterystyczne niepowodzeń najbardziej zgodne z dostępnymi dowodami, a nie słabe punkty wymyślone w celu wymuszenia zgrabnej równowagi.

Seedance 2.5

Dwa najbardziej wiarygodne słabe punkty wynikają z własnych założeń firmy ByteDance oraz z szerszej historii: są to gęste sceny z wieloma oddziałującymi na siebie obiektami oraz złożone ruchy fizyczne, przy czym twórca przyznaje, że w obu przypadkach istnieje pole do poprawy. Kontakt dłoni z przedmiotem pozostaje zawodny w przypadku różnych poleceń, podobnie jak ma to miejsce w całej branży. Istnieje też praktyczna wada, która w ogóle nie dotyczy pikseli: w momencie pisania tego tekstu publiczne API nie zostało jeszcze udostępnione, więc integracja z zautomatyzowanym procesem była zablokowana niezależnie od jakości wyników.

MiniMax H3

Głównym zagrożeniem jest raczej problem z licencją niż z renderowaniem. Otwarte wagi wykluczają Stany Zjednoczone, Unię Europejską, Wielką Brytanię i Koreę z lokalnego wdrożenia, a najmniejsza działająca konfiguracja lokalna działa natywnie w rozdzielczości 768 pikseli na krótszym boku, przy czym prawdziwa rozdzielczość 2K jest osiągana jedynie poprzez hostowany proces regeneracji, który nie został udostępniony w wersji do pobrania. Jeśli chodzi o sam wynik, nie zweryfikowano jeszcze obsługi tłumów i fizyki, kontakt jest zawodny, a długość klipu jest natywnie ograniczona do 15 sekund, co jest zbyt krótkim czasem dla produkcji fabularnych.

Wan 3

Główną słabością jest brak pewności co do danych. Brak niezależnych testów porównawczych, raportów technicznych, kart specyfikacji i pozycji w rankingach oznacza, że każde twierdzenie dotyczące jakości Wan 3 pozostaje niezweryfikowane. Wokół tego wszystkiego krąży warstwa zmyślonych specyfikacji (4K, otwarte wagi, egzotyczne liczby parametrów), które uważny czytelnik musi aktywnie pominąć. Jedyny twardy fakt komercyjny jest niekorzystny: w rozdzielczości 1080p jego cena okazuje się wyższa niż w przypadku każdego zmierzonego modelu powyżej własnego modelu Alibaba Wan 2.7 w publicznych rankingach.

Specyfikacje na swoim miejscu

Dopiero po przeprowadzeniu analizy jakości dane liczbowe mają swoje miejsce na stronie, a kilka z nich jest oznaczonych jako niepewne, ponieważ producenci ich nie podali. Specyfikacje opisują potencjał, a nie wydajność.

Atrybut	Seedance 2,5	MiniMax H3	Wan 3
Maksymalna rozdzielczość	Nieopublikowana dla wersji 2.5	2K (2560 x 1440)	1080p (zgodnie z cennikiem)
Maksymalny czas trwania	30 s w jednym przebiegu	od 4 do 15 s (z możliwością wydłużenia)	30 s
Dźwięk natywny	Tak	Tak, stereo 32 kHz	Tak
Odniesienia do obrazów	Do 30	Do 9	Wszechmodalny, nieokreślony
Odniesienia wideo/audio	10 wideo, 10 audio	3 wideo, 3 audio	Obsługiwane, nieokreślone
Pierwsza / ostatnia klatka	Obsługiwane	Tak (obie klatki)	Obsługiwane
Rozszerzenie wideo	Rozszerzenie wieloobrotowe	Możliwość wydłużenia do ~30 s	Tryby edycji / jazdy
Dostępność API	W przygotowaniu (ModelArk)	Na żywo	Na żywo (Qwen Cloud)
Otwarte wagi	Nie	Tak, z wyłączeniami	Nie
Niezależny benchmark	Brak (2,0 to wysoka ocena)	nr 2 w kategorii T2V, nr 1 w kategorii edycji	Brak

Tabela 2. Dane techniczne. Pola pozostawione przez dostawcę bez danych są oznaczone jako takie, a nie wypełnione prawdopodobnymi przypuszczeniami.

Jak zdobyć modele

Dostępność odróżnia te trzy modele równie wyraźnie, jak jakikolwiek wskaźnik jakości. MiniMax H3 jest najłatwiejszy do uzyskania i najłatwiejszy do zautomatyzowania: posiada działające API, publiczną aplikację oraz wagi do pobrania dla zespołów spoza wykluczonych jurysdykcji, z ważną uwagą, że generowanie lokalne odbywa się w rozdzielczości natywnej 768 pikseli, a prawdziwe 2K pozostaje hostowane. Wan 3 posiada aktywny komercyjny punkt końcowy w chmurze Qwen Cloud firmy Alibaba z opublikowanymi cenami i umiarkowanymi limitami współbieżności (dwa równoczesne żądania, asynchroniczna kolejka na 50 zadań, 30 żądań na minutę), więc można na nim budować już dziś, akceptując ryzyko związane z jakością. Seedance 2.5 stanowi przypadek utrudniający pracę: dostępny jest za pośrednictwem Jimeng i Doubao do ręcznego tworzenia, ale w momencie pisania tego tekstu nie ma publicznego API, co zatrzymuje każdy proces pracy programisty na samym początku, dopóki ByteDance nie udostępni ModelArk.

Bezpośrednie pytanie dla zespołu produkcyjnego brzmi: czy model można wdrożyć do standardowego potoku przetwarzania? Dwa z trzech rozwiązań odpowiadają dziś „tak”. Seedance 2.5 odpowiada „jeszcze nie”, niezależnie od tego, jak dobre okazują się jego wyniki.

Prawdziwy koszt dotyczy każdego klipu, który się sprawdza

Ceny abonamentowe i ceny za sekundę to niewłaściwe kryteria porównawcze. Liczy się koszt na jeden użyteczny wynik. Tańszy model szybko staje się kosztowny, jeśli twórca zużyje dziesięć generacji, aby uzyskać jeden akceptowalny klip, a droższy model o wysokim wskaźniku użytecznych ujęć może w praktyce okazać się tańszym wyborem. Nie można opublikować rzetelnych danych dotyczących kosztu na jeden udany klip dla żadnego z tych modeli, ponieważ wskaźniki użytecznych ujęć nie są mierzone, więc zasadę tę należy stosować jakościowo.

Rysunek 5. Zweryfikowane ceny katalogowe za wygenerowaną minutę. Brak danych dotyczących Seedance 2.5, ponieważ w momencie pisania tego tekstu firma ByteDance nie opublikowała cen API; dostępne były jedynie kredyty platformowe.

Biorąc pod uwagę opublikowane ceny katalogowe, MiniMax H3 jest najtańszą z badanych opcji, kosztując 7,80 dolara za minutę w rozdzielczości 2K. Wan 3 kosztuje 12,00 dolarów za minutę w rozdzielczości 1080p, czyli około jednej trzeciej więcej niż model Wan 2.7 firmy Alibaba i więcej niż każdy model plasujący się wyżej od Wan 2.7 w publicznym rankingu, przy czym nie udostępnia on własnych wyników porównawczych. Ta kombinacja – cena wyższa od pozostałych badanych opcji przy nieznanej jakości – stanowi najpoważniejsze ostrzeżenie handlowe w tym porównaniu. Seedance 2.5 nie może jeszcze zostać umieszczony na osi, ponieważ w momencie pisania tego tekstu dostępne były jedynie kredyty platformowe. Z jakościowego punktu widzenia niska cena H3 w połączeniu z potwierdzoną pozycją jakościową zapewnia mu najkorzystniejszy stosunek kosztu do liczby użytecznych klipów, natomiast wysoka cena Wan 3 za niesprawdzoną jakość sprawia, że jest on najsłabszy pod tym względem.

Szybka ocena według rodzaju zadania

W przypadku ujęć filmowych

Seedance 2.5, z MiniMax H3 jako alternatywą. Możliwość sterowania kamerą i punktem widzenia oraz kinowe pochodzenie sprzyjają rzemiosłu polegającemu na kręceniu ujęcia po ujęciu. H3 jest rozwiązaniem awaryjnym, gdy zweryfikowana klatka 2K i interfejs API na żywo mają większe znaczenie niż precyzyjne kierowanie kamerą.

Dla scen z szybkim ruchem

Seedance 2.5, z MiniMax H3 jako alternatywą. W bezpośrednim porównaniu ruchu Seedance wypadł lepiej pod względem czytelności przy dużej prędkości. Ostrzejsze cięcia w H3 to raczej zaleta stylistyczna niż zaleta pod względem stabilności ruchu.

W reklamach

Seedance 2.5, z MiniMax H3 jako alternatywą, gdy tylko jego API zostanie udostępnione. Edycja regionów, zielone tło i blokowanie białych modeli odpowiadają sposobowi tworzenia i poprawiania spotów reklamowych. Czystszy tekst na ekranie w H3 oraz natychmiastowa dostępność sprawiają, że jest to praktyczny wybór, dopóki API Seedance nie zostanie udostępnione.

Dla postaci ludzkich

MiniMax H3, z Seedance 2.5 jako alternatywą. Potwierdzona przez testerów spójność w odniesieniu do wszystkich ujęć oraz najwyższa ocena w zakresie edycji przeważają nad większym, ale niezweryfikowanym budżetem referencyjnym Seedance. Seedance zyskuje przewagę, gdy priorytetem jest zachowanie ciągłości w długiej sekwencji składającej się z wielu ujęć.

W przypadku eksperymentalnych efektów wizualnych

MiniMax H3, z Wan 3 jako odległą alternatywą. Uniwersalna, omnimodalna konstrukcja lepiej radzi sobie ze stylizowanymi i surrealistycznymi projektami niż system produkcyjny nastawiony na realizm.

Dla programistów

MiniMax H3, z Wan 3 jako alternatywą. H3 oferuje API działające na żywo, udokumentowane parametry oraz wagi mieszczące się w dozwolonych zakresach. Wan 3 jest obecnie dostępny dla zespołów, które potrzebują 30-sekundowego pojedynczego ujęcia i mogą zaakceptować nieokreśloną jakość; Seedance 2.5 jest wykluczony do czasu udostępnienia jego API.

W przypadku kontroli lokalnej

MiniMax H3, o ile pozwala na to licencja; w przeciwnym razie Wan 2.2 pozostaje uczciwym rozwiązaniem z otwartymi wagami do samodzielnego hostingu. Ani Seedance 2.5, ani Wan 3 nie dostarczają wag, więc wdrożenie żadnego z nich na miejscu nie wchodzi w grę.

Ostateczna tabela wyników

Wracając do siedmiu wymiarów, tym razem w ujęciu łącznym. Ponieważ tabela wyników mierzy siłę dowodów, a nie ambicje dostawców, zweryfikowana pozycja MiniMax H3 sprawia, że jego łączny wynik nieznacznie przewyższa wynik Seedance 2.5, którego dowody dotyczące konkretnie wersji 2.5 są słabsze. Zakresy wyników nakładają się na siebie, co jest rzetelnym sygnałem, że pod względem jakości wykonania dwie czołowe pozycje są w zasięgu ręki. Wan 3 plasuje się daleko w tyle, z najszerszym zakresem wyników i najniższym poziomem pewności.

Model	Ogółem (z 700)	Pewność	Najlepsza / najsłabsza kategoria
MiniMax H3	od 602 do 636	Średnio-wysoka	Największe zalety: jakość obrazu, zasięg / Największe wady: aparat
Ocena: 2,5	od 596 do 631	Średni	Najlepsze: ruch, kamera / Najsłabsze: tłumy
Wan 3	od 541 do 610	Niska	Najlepsze: czas trwania / Najsłabsze: niepotwierdzona jakość

Tabela 3. Ostateczna tabela wyników. Wyniki łączne stanowią sumę siedmiu przedziałów wymiarów ważonych dowodami.

Rysunek 6. Zakresy wyników całkowitych wraz z poziomem pewności. Istotne jest nakładanie się wyników dwóch czołowych produktów: o tytule decyduje waga dowodów, a nie zdecydowana przewaga.

Zwycięzca, wicemistrz i wybór specjalisty

Ogólny zwycięzca: MiniMax H3

H3 wygrywa, ponieważ jest jedynym konkurentem, którego jakość została zweryfikowana, a nie tylko obiecana. Utrzymuje wysoką pozycję w publicznym benchmarku na żywo, udostępnia wagi do pobrania, działa już dziś na działającym API i ma najkorzystniejszą pozycję kosztową spośród badanych rozwiązań. W praktycznym użytkowaniu wykazał się również potwierdzoną spójnością postaci i czystym tekstem na ekranie. Nie wygrywa każdej rundy i nie jest to oczywiście silnik o najładniejszej grafice ani najbardziej kinowym wyglądzie. Wygrywa jednak test przeprowadzony w ramach tego pojedynku: gdy odłożymy na bok piękne prezentacje, jest to model, którego powtarzalną wydajność można faktycznie potwierdzić.

Drugie miejsce: Seedance 2.5

Seedance 2.5 ma większy potencjał i najsilniejsze argumenty merytoryczne: lepszą czytelność ruchu w jednym bezpośrednim porównaniu, wyraźną kontrolę nad kamerą, najbogatszy komercyjny pakiet edycyjny oraz największy budżet referencyjny w tej kategorii, poparty historią, która zajmowała czołowe miejsca w publicznych rankingach filmów. Traci tytuł z dwóch powodów, których metoda nie może zignorować: jakość specyficzna dla wersji 2.5 nie została jeszcze niezależnie zmierzona, a jego publiczne API nie zostało udostępnione w momencie pisania tego tekstu. W momencie udostępnienia API i opublikowania niezależnych wyników testów porządek ten może ulec odwróceniu.

Wybór specjalistów: Wan 3

Wan 3 zyskuje uznanie specjalistów dzięki jednej konkretnej, weryfikowalnej zalecie: działającemu już API, które generuje pełne 30-sekundowe ujęcie w jednym przebiegu, co odpowiada zespołom, które potrzebują całej reklamy w jednym płynnym procesie generowania i nie mogą czekać na punkt końcowy Seedance. Ta zaleta dotyczy dostępności konkretnej funkcji, a nie udowodnionej jakości, i należy ją wybierać z pełną świadomością, przed modelem Alibaby, który został zmierzony pod kątem ceny, ale nie sprawdził się w rankingu. Jest to narzędzie do wąskiego zadania, a nie ogólna rekomendacja.

Werdykt

Jeśli wszystkie trzy rozwiązania potrafią wygenerować piękne demo, to tym, które zachowuje wydajność w trudnych scenach, jest to, którego wydajność w trudnych warunkach została faktycznie zweryfikowana. Na podstawie dzisiejszych dowodów jest to MiniMax H3: sprawdzony, dostępny do pobrania, gotowy do użycia i przystępny cenowo, mimo że nie jest to najbardziej efektowny silnik na rynku. Seedance 2.5 jest bardziej ekscytującym modelem wideo pod względem rzemiosła i może zdobyć palmę pierwszeństwa, gdy pojawią się jego API i wyniki testów porównawczych, co sprawia, że w tym tygodniu warto go obserwować, a nie opierać na nim swoje projekty. Wan 3 to prawdziwy, gotowy do użycia produkt, ukryty pod zmyślonymi specyfikacjami, warty wykorzystania wyłącznie ze względu na możliwość tworzenia 30-sekundowych ujęć w jednym ujęciu, a we wszystkich innych przypadkach należy podchodzić do niego z aktywnym sceptycyzmem. Zalecenia zmieniają się w zależności od zadania: sięgnij po Seedance, gdy priorytetem jest montaż filmów kinowych i reklam, sięgnij po H3, gdy priorytetem jest sprawdzona jakość, praca nad postaciami, duża liczba krótkich form lub praca na żywo, a po Wan 3 sięgnij tylko wtedy, gdy konkretnym wymaganiem jest pojedyncze długie ujęcie, dostępne już dziś. Przede wszystkim nie płacisz za 4K w Wan 3. Nie ma tego w ofercie.