Wan 3 与 Seedance 2.5 与 MiniMax H3：AI 视频对比

引言

AI视频技术已发展到这样的阶段：单个演示几乎无法证明什么。这些系统中的任何一个都能生成十秒钟的视频片段，在手机屏幕上看起来都相当完整。但当有人穿过画面、摄像机开始移动、两个物体发生碰撞，或者提示要求同时发生多件事时，差异便开始显现。此时，质量不再仅体现在静态画面上，而是体现在动态表现中。

本文将Seedance 2.5、MiniMax H3和Wan 3视为在高负载下的视频生成引擎，而非营销产品。在正式比拼开始前，有三项关键指标勾勒出这场较量的框架。MiniMax H3目前拥有最强且可验证的质量优势，因为它是这三者中唯一拥有实时公开基准排名和可下载权重模型的系统。

Seedance 2.5 拥有最强大的动态表现与叙事血统，这源自曾蝉联公开视频排行榜榜首的 Seedance 系列。Wan 3 则呈现出最具争议的局面：它拥有实时商业应用终端和引人注目的运行时长，却被其制造商从未公开的规格参数迷雾所笼罩。

冠军尚未揭晓。各轮比拼将决定胜负，而现有证据参差不齐，以至于其中一款模型在质量评分方面甚至无法获得任何分数。

Seedance 2.5，字节跳动

字节跳动于2026年7月31日发布了Seedance 2.5，此前在6月23日的Volcano Engine FORCE大会上进行了预览，随后通过吉梦（Dreamina）和斗宝的Pro级服务正式推出。 其核心功能是原生30秒单次迭代音视频生成，支持多轮扩展以生成更长的序列，且输入上限高达50个多模态参考（30张图片、10段视频、10段音频），这是该类别中最大的参考预算。 权重参数为闭源。截至发稿时，公共API尚未上线：字节跳动引导开发者使用BytePlus ModelArk，预计将于8月初开放访问。目前尚无针对2.5版本的独立基准测试数据，但其前身Seedance 2.0在公开排名中位居前列。

MiniMax H3，又称海洛 3.0

MiniMax 于 2026 年 7 月 31 日向公众发布了 H3，与 Seedance 2.5 发布同日，此前该模型曾于 7 月 17 日在 WAIC 大会上进行过预览。 官方模型名称为MiniMax H3；“海洛3.0”是大多数创作者使用的应用名称。该模型可生成4至15秒的视频片段，最高支持原生2K分辨率（2560×1440）、24帧/秒，并在同一处理过程中生成32 kHz立体声音频，其全向参考系统最多可处理9张图片、3段视频片段和3段音频片段。 在Artificial Analysis排行榜上，该模型在文本转视频领域排名第二，图像转视频领域排名第三，视频编辑领域排名第一。2026年8月3日，MiniMax向Hugging Face发布了开放权重（一个330亿参数的Transformer模型），但有一项重要注意事项将在后文说明：社区许可协议将若干主要司法管辖区排除在本地部署范围之外。

Wan 3，阿里巴巴

Wan 3 是当前 AI 视频领域中被过度描述的模型。可验证的事实包括：

阿里巴巴在其自有Qwen Cloud平台上将其列为wan3.0-video，提供可用的DashScope端点，公布了按秒计费的定价，且文本、图像、音频和视频输入的最大时长均为30秒。 尽管该模型在搜索结果首页占据主导地位，但以下说法并不属实：它不支持 4K 分辨率（价格表中仅列出 480p、720p 和 1080p 档位），并非开放权重模型（最后一个基于 Apache 2.0 协议发布的 Wan 旗舰版本是 Wan 2.2，距今已逾一年），且没有任何独立的基准测试数据。

一组外观相似的域名发布了一系列自信满满的规格表（原生 4K、27B 或 60B 的专家混合架构、2026 年 4 月公开发布），但这些信息既无法追溯到任何官方来源，内容之间也相互矛盾。 一款已推出4K规格的模型理应标注4K价格。该规格的缺失，比任何营销宣传都更有说服力。在此对决中，Wan 3作为一款可赎回产品参与竞争，其实际存续期存在上限，且质量尚不明确。

评分板

本次对比涵盖七个维度。每个维度均按100分制评分，且分数并非机械地根据规格参数计算得出。这些分数代表现有证据的强度，因此采用区间而非单一数值，这也是Wan 3的评分区间出现急剧扩大的原因。接近的分数并非实验室测量结果，其唯一作用是让比较差异一目了然。

评估维度	Seedance 2.5	MiniMax H3	Wan 3（暂定）
画质	86 至 91	89 至 93	77 至 88
动态表现	85 至 90	84 至 89	76 至 86
画面稳定性	85 至 90	85 至 90	79 至 88
指令执行速度	85 至 90	87 至 92	77 至 87
相机行为	85 至 90	84 至 89	77 至 86
人类一致性	86 至 91	86 至 91	77 至 87
创意范围	84 至 89	87 至 92	78 至 88

表1. 初始评分表。范围反映证据的可信度，而非测量精度。

图2. 同一评分板以水平区间形式呈现。圆点标记每个区间的中心点。Wan 3的条形跨度较大，因为其质量仅有极少部分得到证实。

图3. 基于区间中点的性能分布图。Seedance 2.5在动作和镜头运镜方面表现突出；MiniMax H3在画面、提示和范围方面表现突出；Wan 3在所有维度上都落后，这是由于证据不足，而非已证实的弱点。

第一轮：单帧美感测试

这项挑战特意设计得较为简单：在电影级光线下的肖像、风景、豪华室内场景以及慢速特写。重点在于哪个模型能生成最具说服力的首帧，并在此后的整个镜头中保持该画质。锐度不等于真实感。过度处理的肤色、塑料般的微细节以及不稳定的纹理，在缩略图中可能看起来令人印象深刻，但在动态画面中却会显露破绽。

MiniMax H3 在此处的表现最为出色。原生 2K 输出是经证实的规格而非空头承诺，而它在“文字转视频”排名中位列第二，部分原因正是基于其单帧画面呈现的完成度。 Seedance 2.5 显然也瞄准了高端画质，其血统也预示着强劲的表现，但字节跳动在发布时并未公布 2.5 版本对应的 2K 分辨率数据，因此其顶级锐度仅为推测而非确证。Wan 3 的最高分辨率据文档记载为 1080p，比前者低一个档次。

**本轮胜者：MiniMax H3。**最接近的挑战者：Seedance 2.5。原因很简单且客观：H3凭借明确记录的分辨率数据获胜，而非凭借明显更漂亮的画面。

第二轮：人物实际动作

难度提升。行走、转身、奔跑、跳舞、坐下、站立、拾取物品、双手传递物体。本轮评判重点在于时间序列的流畅性，而非单帧画面的美观。失败的标志包括关节不稳定、脚部滑动或着地不当、肢体突然变形，以及重心始终无法转移。

已发布的并排对比测试是本轮最有说服力的单一证据。在测试中，Seedance 2.5 在最快的动作中依然更易于追踪，身着白色服装、红发的测试对象在镜头扫过时仍清晰可辨。H3 则追求更具攻击性的镜头变化和更犀利的剪辑，虽然看起来充满活力，但这属于另一种优势。两者的结果都未能解决编舞问题：防守姿势出现偏移，且部分反应缺乏可见的诱因。 就“动作是否给人以刻意而非单纯动画化的感觉”这一具体问题而言，Seedance略胜一筹。

**本轮胜者：Seedance 2.5。**高速运动下的动作可辨性是Seedance系列的传统优势，而现有唯一直接对比结果也印证了这一点。

第三轮：摄像机开始移动

跟拍、推入、拉出、环绕、平移、俯仰、低角度移动、追踪移动主体。测试重点在于：当视角变化时，场景是否保持结构稳定；以及摄像机运动是否符合提示要求，而非仅仅是偶然看起来具有电影感的随机漂移。

Seedance 2.5 继承了前代产品的显式 AI 摄像机控制功能，并将视角和摄像机剪辑作为一级控制项加入其中。 同一段“实战测试”素材显示，主体在大幅运动中保持了身份特征，这正是本轮测试所针对的背景重建问题。H3 虽然能很好地处理运动并呈现电影节奏的运动效果，但其控制方式描述得较为笼统。在“预期”与“偶然”的摄像机行为对比中，明确揭示摄像机方向的模型更具优势。

**本轮胜者：Seedance 2.5。**明确记录的摄像机控制功能胜过对电影化运动的笼统承诺。

第四轮：同时发生太多事情

本轮旨在制造挑战。三人及以上场景、人群、繁忙街道、餐厅、工厂、节日庆典、集市、交通场景。评估指标包括场景组织、主体持续性、背景连贯性、物体计数，以及模型能否同时处理多项指令。一段画面精美的视频若悄无声息地遗漏了半数指定场景，则不应得分。

此时证据变得直白起来。字节跳动自己也指出，复杂的物理运动以及包含大量相互作用主体的场景仍有改进空间，这是关于Seedance的一则罕见且有价值的承认。H3没有可依赖的针对人群的基准测试，其优势主要体现在更紧凑的镜头中。现有记录中没有任何内容能让人有把握地将两者在密集场景中的表现区分开来，而且两者都明显显得力不从心。

**本轮结果：平局。**人群处理对两者而言都是未解决的问题，若对此视而不见，恰恰是本文力图避免的那种对演示的盲目吹捧。

第五轮：手部、物体与接触

这是最难的环节之一。倒饮料、开盒子、拿手机、使用工具、做饭、写字、传递物品、触碰他人、操作小物件。关键在于观察物理交互：手指变形、物体融合、物品消失或变形、不可能的接触、握持失效。这一轮将决定广告和产品视频是否能在无需大量后期处理的情况下直接使用。

没有任何可信来源能证明这三款模型在各种提示下都能实现可靠的手-物体接触。单个成功的片段并不能证明什么，因为接触环节的变异性最高，且最容易进行“挑好片段”操作。H3测试人员报告了特定镜头中的完美结果；Seedance 2.5的区域级编辑功能在接触失败时提供了修复路径，但这属于工作流优势，而非生成能力优势。两者均未能获得确凿的胜利。

**本轮结果：谨慎判定为平局。**单个片段的成功并不代表整个广告活动中的可靠性。

第6轮：高压下的物理模拟

水花飞溅、烟雾、火焰、布料、飞扬的头发、坠落物体、旋转的汽车、弹跳的球、倾倒的液体、破碎的材质、风。生成式视频通常能在完全不建模物理的情况下生成看似合理的运动，因此评判标准在于感知中的物理可信度：动量、重力、碰撞行为、流体连续性，以及材质在现实中的实际表现。

这是分析，而非宣传，客观而言，这三家均未公布过物理模拟评估报告。Seedance在运动表现方面的深厚积淀暗示其在动量和流畅度上略占优势，但字节跳动自身关于复杂物理运动的警示，同时也削弱了这一优势。H3的大规模物理行为尚未得到验证。Wan 3则完全未经过相关测试。

**本轮结果：平局。**物理可信度仍是整个类别中最薄弱的环节，且没有任何竞争者能就此宣称优势。

第7轮：角色辨识度

角色在整个片段中是否始终可辨识？更难的是，在不同场景中是否依然可辨？面部结构、发型、服装、配饰、表观年龄、身体比例、肤色——这正是短剧成败的关键所在，因为如果第四个镜头中下巴位置偏移半厘米，观众就会失去兴趣。

两款模型均通过参考系统攻克这一难题，而现有证据悄然倾向于H3。一位实际操作测试人员将真实项目（包含图像、视频片段和音频）输入H3的全方位参考系统后反馈称，角色一致性明显优于预期，且屏幕文字显示清晰；此外，H3在视频编辑领域（与角色身份保留密切相关）位居榜首。 Seedance 2.5 则以更大的参考资源容量（最多 50 个素材）和制作级的一致性定位作为反击，但对于 2.5 版本而言，这仍仅是厂商的宣称，而非经证实的结果。更大的参考容量固然充满潜力，但测试人员确认的实际结果更具说服力。

**本轮胜者：MiniMax H3。**经证实的风格一致性优于更大但未经验证的参考上限。参考图像的控制会改变两者的测试结果，且在缺乏参考图像控制的情况下，不应假设任何一方都能保持风格一致性。

第8轮：即时服从

不同形式的提示会奖励不同的模型：简单的视觉线条、叙事性文本、侧重摄像机运用的简报、侧重动作的简报、密集的电影化描述，以及包含多个顺序动作的提示。评判标准涵盖指令记忆、主题与动作准确性、环境、风格、摄像机配合度以及时间顺序。一部忽略简报的惊艳视频是失败，而非成功。

H3 具有两大具体优势。其文本转视频排名位居第二这一事实本身就体现了对指令的遵循能力，且其 API 文档明确支持 7,000 字符的提示词配额，这为真正多层次的指导留出了空间。Seedance 2.5 不仅能很好地遵循指令，还提供了强大的多语言支持，其时间戳控制功能对于必须在特定时刻执行的序列动作这一特殊子场景尤为出色。 就各类提示形式的通用遵循能力而言，经测试的模型表现领先；而针对带时间码的动作序列，Seedance 则是更精准的工具。

**本轮胜者：MiniMax H3。**其具备稳健的提示遵循能力以及极大的提示配额；而当动作必须与节拍精准同步时，Seedance则是更优选择。

第9轮：电影感

那些无法量化的特质：镜头构图、灯光选择、氛围、尺度感、镜头节奏、色彩关系、戏剧性、视觉叙事。本轮背后隐藏着一个现实问题：有些模型会悄然美化平淡的提示；有些则字面意义上遵循指令。当创作简报内容单薄时，自动增强是种恩赐；但当简报精准明确而模型却覆盖了它时，这便成了负担。

Seedance的血统深深植根于电影创作，其明确的摄像机和视角工具让创作者能够主导节奏，而非被动接受模型的偏好。H3能产出精美且具有电影韵律感的成果，并倾向于自动润色——这既能让随意的提示大放异彩，也可能与苛刻的提示产生冲突。对于希望摄像机服从计划的创作者而言，可控性使Seedance更具优势。

**本轮胜者：Seedance 2.5。**不仅具备电影般的视觉效果，更拥有电影级的控制力。

第10轮：风格化内容

逼真度并非唯一的考验。动漫、插画、奇幻、超现实场景、黏土动画、3D动画、漫画风格视觉效果、绘画风格视频……真正的问题在于，当视觉规则被刻意设定为非写实风格时，动作是否仍能保持连贯性，以及哪个模型能超越写实素材的局限走得更远。

H3 作为一款通用型、全模态生成模型而构建，而非以写实性为首要目标的视频引擎，而这种定位恰恰是广泛的风格范围所要求的。Seedance 2.5 定位为面向商业和叙事写实性的制作系统，这在其他方面是其优势，但在本轮中则略显局限。在非写实风格的覆盖范围上，通用型模型拥有更广阔的空间。

**本轮胜者：MiniMax H3。**通用型设计在风格覆盖范围上优于针对制作优化的模型。

第 11 轮：商业视频

从付费创意人员的视角进行评判。香水广告、运动鞋广告、食品推广、汽车广告、时尚宣传、科技产品发布会、旅游宣传片。评估标准包括产品完整性、动作控制、奢华美学、可复用性，以及输出内容所需的后期制作工作量。文字处理是真正的难点：这些模型均无法可靠地保留排版或徽标，因此任何屏幕上的品牌标识都应后期合成，而非由系统生成。

Seedance 2.5 正是为此而设计。区域级编辑可在保持性能和灯光效果不变的情况下重绘帧的一部分；绿幕编辑可在主体保持静止时替换背景；而白模型控制功能则能在布光前用无纹理的几何体遮挡镜头。 这套商业级控制套件，绝非单一生成器所能比拟。H3 虽以原生 2K 分辨率、测试报告中清晰的文字以及无需完全重拍的指令式编辑作为回应，这些优势确实存在，但 Seedance 的工具集与广告镜头实际的构建和修改流程更为契合。

**本轮胜者：Seedance 2.5。**区域编辑、绿幕和白模型分镜是广告团队早已习以为常的制作控制手段。

第12轮：短视频社交

适用于 TikTok、Reels、Shorts、竖屏广告及创作者 B 卷素材。评估标准包括速度、视觉吸引力、竖屏构图、快动作、快速生成多种变体的便捷性，以及整批素材的一致性。本轮的胜者可能与电影级视频轮的胜者不同，这并非矛盾，反而值得欢迎。

H3的架构几乎完美契合短视频需求：4至15秒的片段正是该格式的原生时长，2K分辨率为裁剪为竖屏留有余地，音频可在同一流程中同步处理，而基于指令的剪辑功能让创作者无需从头开始重新制作即可迭代不同版本。Seedance 2.5的30秒单镜头拍摄功能已超出大多数短视频的需求，其强大功能更侧重于制作更长、更具指导性的作品。 对于大量竖屏内容的产出，H3是更自然的选择。

**本轮胜者：MiniMax H3。**原生短视频时长、2K裁剪余量、单次录制音频以及快速生成变体。

本轮计分结果，以及为何这并非最终定论

十二轮比拼结果呈现胶着态势。MiniMax H3赢得五轮，Seedance 2.5赢得四轮，三轮因存在真正未决的问题而打平，Wan 3则未获胜。Wan 3在记分表中留白，并不意味着它表现薄弱，而是表明其质量尚未得到验证：对于缺乏可验证质量证据的模型，无法授予任何一轮胜利；若为保持平衡而人为制造胜局，则有违本方法的初衷。

图4. 回合统计。H3的胜场集中于可验证的优势领域（解析能力、经证实的一致性、可测量的提示遵循能力、表现范围、短篇形式）；Seedance的胜场则集中于动作表现技巧和商业控制工具。

这里存在一种值得指出的实质性矛盾。在几个最难的技术回合——动作、摄像机和商业控制方面，Seedance 2.5 看起来像是更强大的纯视频引擎。然而，最终的总冠军头衔是根据证据权重决定的，并非简单地取决于回合数。各回合衡量的是各厂商证据和定位最强的领域，而冠军头衔则衡量的是哪些质量已得到实际验证，以及哪些能力确实切实存在。

各模型仍存在哪些缺陷

每种生成式视频模型都会以特定模式出现故障。这些故障特征与现有证据最为吻合，而非为了强行维持一种整齐的平衡而杜撰的弱点。

Seedance 2.5

最可信的两个弱点源自字节跳动自身的框架设定以及更广泛的实测记录：包含众多相互作用主体的密集场景，以及复杂的物理运动——制造商也承认这两方面仍有改进空间。 手与物体的接触在各种提示下仍不稳定，这与该领域的普遍情况一致。此外还有一个与像素完全无关的实际问题：截至撰写本文时，公共API尚未发布，因此无论输出质量如何，都无法将其集成到自动化管道中。

MiniMax H3

最大的风险在于许可问题，而非渲染问题。开放权重模型禁止在美国、欧盟、英国和韩国进行本地部署，且最小的可运行本地配置在短边上的原生分辨率仅为768像素，真正的2K分辨率只能通过托管再生成流程实现，而该流程并未包含在可下载版本中。 就输出本身而言，人群模拟和物理效果尚未经过验证，碰撞检测不可靠，且原生剪辑时长上限为15秒，对于叙事类作品而言过于短暂。

Wan 3

其根本弱点在于认知层面。缺乏独立基准测试、技术报告、规格卡以及排行榜排名，意味着关于Wan 3的所有质量主张均未经证实。 围绕这些声明的是一层虚构的规格参数（4K、开放权重、奇特的参数数量），细心的读者必须主动予以忽略。唯一确凿的商业事实并不乐观：在1080p分辨率下，其价格甚至高于公开排行榜上所有经测量的、排名高于阿里巴巴自家Wan 2.7的模型。

规格参数，各安其位

只有在完成质量分析之后，这些数据才应出现在页面上，其中部分数据因制造商未明确说明而被标记为不确定。规格参数描述的是潜力，而非实际性能。

属性	Seedance 2.5	MiniMax H3	Wan 3
最大分辨率	2.5 版本未公布	2K (2560 x 1440)	1080p（根据价格表）
最大时长	30 秒单次处理	4 至 15 秒（可延长）	30秒
原生音频	是	是，32 kHz 立体声	是
图像引用	最多 30	最多 9	全模态，未说明
视频/音频参考	10个视频，10个音频	3个视频，3个音频	支持，未说明
首帧/末帧	支持	是（两个帧）	支持
视频扩展	多圈延时	可延长至约30秒	编辑/驾驶模式
API可用性	待定（ModelArk）	实时	已上线（Qwen Cloud）
开放权重	否	是，但有例外情况	否
独立基准	无（2.0 排名靠前）	T2V排名第2，剪辑排名第1	无

表2. 技术参考。厂商未说明的字段均标注为“未说明”，而非填入合理的推测值。

获取机型

可用性将这三款模型区分得与任何质量指标一样鲜明。MiniMax H3 最易获取且最易实现自动化：提供实时 API、公开应用，以及供排除管辖范围以外团队下载的权重文件，但需注意重要说明：本地生成分辨率为 768 像素原生分辨率，而真正的 2K 分辨率仍需托管。 Wan 3 在阿里巴巴的 Qwen Cloud 上拥有一个实时商业端点，价格公开且并发限制适中（两个并发请求、50 个任务的异步队列、每分钟 30 个请求），因此只要接受质量风险，现在就可以基于它进行开发。 Seedance 2.5 则属于操作受限的情况：可通过 Jimeng 和 Doubao 手动创建模型，但在撰写本文时尚无公开 API，这使得任何开发工作流都无法开展，直到字节跳动开放 ModelArk 访问权限为止。

对于生产团队而言，最关键的问题在于模型能否直接集成到常规管道中。目前，上述三种方案中有两种可以。Seedance 2.5 则尚不能，无论其输出效果多么出色。

真正的成本在于每个有效的片段

订阅费和每秒单价并非正确的比较标准。真正重要的数字是每条可用结果的成本。如果创作者需要进行十次生成才能获得一个可接受的片段，那么一个便宜的模型很快就会变得昂贵；而一个价格较高但可用镜头率高的模型，在实践中反而可能是更经济的选择。由于未对可用镜头率进行测量，因此无法针对这些模型公布任何真实的“每条成功片段”成本数据，因此只能定性地应用这一原则。

图5. 每生成一分钟的经核实官方标价。Seedance 2.5 未列入其中，因为截至本文撰写时，字节跳动尚未公布API价格；仅提供平台积分。

根据公布的标价，MiniMax H3是所测选项中价格最低的，2K分辨率下每分钟7.80美元。Wan 3在1080p分辨率下的价格为每分钟12.00美元，比阿里巴巴自家的Wan 2.7高出约三分之一，且比公开排行榜上排名高于Wan 2.7的所有模型都更贵，同时它本身并未提供任何基准数据。 这种定价高于被测产品且质量未知的组合，是本次对比中最具警示意义的商业风险。Seedance 2.5 目前尚无法纳入对比轴，因为截至撰稿时仅有平台积分可用。从定性角度来看，H3 的低价结合其经证实的质量优势，使其在“每可用片段成本”方面最具竞争力；而 Wan 3 因未经验证却定价偏高，表现最为薄弱。

按任务类型快速评估

适用于电影风格镜头

推荐 Seedance 2.5，MiniMax H3 作为备选。可自由操控的摄像机和视角控制，加上电影级的血统，非常适合逐帧精雕细琢的创作。当经过验证的 2K 帧率和实时 API 比精细的摄像机操控更重要时，H3 则是备选方案。

针对快速移动场景

推荐Seedance 2.5，MiniMax H3作为备选。在唯一一次直接运动对比中，Seedance因高速下的画面清晰度更胜一筹。H3更锐利的剪辑效果更多是风格优势，而非运动稳定性优势。

适用于广告制作

推荐使用Seedance 2.5，待MiniMax H3的API上线后可作为备选方案。区域编辑、绿幕处理和白模分镜功能与广告片的制作及修改流程高度契合。在Seedance的API尚未就绪期间，H3更清晰的屏幕文字显示和即时可用性使其成为更务实的选择。

适用于真人角色

MiniMax H3，Seedance 2.5作为备选方案。测试人员确认其全向参考的一致性，加上其编辑排名位居前列，这些优势超过了 Seedance 虽然更大但未经验证的参考预算。当长篇多镜头序列的连续性成为首要考虑时，Seedance 则更胜一筹。

针对实验性视觉效果

MiniMax H3，Wan 3作为次选方案。其通用的全模态设计，相比专为写实风格调校的制作系统，更能从容应对风格化及超现实作品。

针对开发者

MiniMax H3，Wan 3作为备选方案。H3提供实时API、文档化的参数以及在允许范围内的权重。对于需要30秒单镜头且能接受未量化质量的团队，Wan 3目前即可调用；Seedance 2.5在API开放前暂不适用。

针对本地控制

在许可允许的情况下选用 MiniMax H3；否则，Wan 2.2 仍是自托管场景下最可靠的开放权重解决方案。Seedance 2.5 和 Wan 3 均不提供权重数据，因此无法在本地部署。

最终评分榜

回到七个维度，现在以总分形式呈现。由于评分表衡量的是证据强度而非供应商的雄心，MiniMax H3 经过验证的地位使其总分以微弱优势领先于 Seedance 2.5——后者的 2.5 版本相关证据较为薄弱。各维度的范围存在重叠，这真实地表明在技术工艺层面，前两名实力相当。Wan 3 则远远落后，其范围最广且信心度最低。

型号	总分（满分700）	信心	最佳/最弱类别
MiniMax H3	602 至 636	中高	最强：画面、射程 / 最弱：摄像头
Seedance 2.5	596 至 631	中等	最强：动作、镜头 / 最弱：人群
Wan 3	541 至 610	低	最优：时长 / 最弱：质量未经核实

表 3. 最终评分榜。总分是七个证据加权维度范围之和。

图6. 总分范围及置信度。前两名之间的重叠正是关键所在：冠军归属取决于证据权重，而非压倒性优势。

冠军、亚军及专家之选

总冠军：MiniMax H3

H3胜出是因为它是唯一一个质量已得到验证而非仅靠承诺的竞争者。它在现行的高知名度公开基准测试中名列前茅，提供可下载的权重文件，目前可在可用的API上运行，并且在所有被测字体中拥有最优的成本表现。在实际操作中，它还展现了经证实的字符一致性，并呈现了清晰的屏幕文本。 它并非每轮都胜出，也并非明显更美观或更具电影感的引擎。但它赢得了本次对决的终极考验：当那些华丽的演示被搁置一旁时，它是唯一一款其可重复性能能够得到实际验证的模型。

亚军：Seedance 2.5

Seedance 2.5 拥有更高的潜力上限和最扎实的技术底蕴：在唯一的一次直接对比中展现出更佳的动作可读性，具备明确的摄像机控制功能，拥有该类别中最完善的商业剪辑套件，以及该类别中最大的参考预算，其血统曾多次荣登公开视频排行榜榜首。但它在两个该方法无法忽视的方面失利：其 2.5 版本特有的质量尚未经过独立测评，且在撰写本文时其公开 API 尚未发布。 一旦该 API 开放且独立基准测试结果出炉，这一排名顺序可能会发生逆转。

专家之选：Wan 3

Wan 3 之所以获得专家推荐，是因为它具备一项具体且可验证的优势：其现有的实时 API 能在单次处理中生成完整的 30 秒镜头，这非常适合需要一次性生成完整广告片且无法等待 Seedance 端点响应的团队。 这一优势在于特定功能的可用性，而非已验证的质量，因此在选择时应保持清醒，优先于阿里巴巴自家在价格方面经过测量的模型（该模型在排行榜上尚未得到验证）。这是一款针对特定任务的工具，并非通用推荐。

结论

如果这三款引擎都能生成精美的演示视频，那么在场景难度增加时仍能保持稳定表现的，才是其难度表现真正经过验证的引擎。根据目前的证据，MiniMax H3 正是这样的引擎：经过实测、可下载、可调用且价格实惠，尽管它并非当下最耀眼的引擎。 Seedance 2.5 在制作工艺方面是更令人兴奋的视频模型，一旦其 API 和基准测试结果发布，它可能会夺得桂冠，这使其成为本周值得关注而非直接采用的对象。Wan 3 是一款被虚构规格掩盖的真实、可调用的产品，仅因其支持 30 秒单镜头拍摄的功能而值得使用，但在其他方面则应保持积极的怀疑态度。 推荐方案应根据具体任务调整：当需要可导演的电影级制作和商业剪辑时，选择Seedance；当需要经过验证的质量、角色制作、短视频批量处理或实时制作流程时，选择H3；仅当具体要求是单个长镜头且需立即调用时，才选择Wan 3。最重要的是，不要为Wan 3的4K功能付费——这根本不在其服务范围内。