中国视频模型Top 3，开始分道而战

国庆前后，Seedance、可灵与Vidu接连推出新动作，推动中国视频模型竞争不仅在全球持续领先，还以三足鼎立的态势分化出多条路径：有的聚焦内容生产的工业化效率，有的押注专业制作所需的控制力，也有的试图将人物、镜头、视效的表现力与更低试错成本融合于同一产品。

这种路径分化迅速在具体产品发布中显现。9月28日，可灵AI宣布推出新一代视频生成模型Kling 4.0；10月8日，生数发布新一代旗舰视频生成模型首个预览版本Vidu Q4 Preview，起售价为0.09元/秒，进一步将生成效果与性价比推到极致。

模型发布后，多位专业视频导演进行了深度体验。例如内容创作者森海荧光，使用Vidu Q4 Preview制作短片《青山》，讲述一位守城老将以生命换取城中百姓平安的故事。

AI视频过去常出现两种错位：角色看似精致却缺乏情绪推进，场面看似热闹但镜头缺乏叙事目的。短片《青山》提供了一个良好的观察样本，片中老将的白发、皱纹、胡须等强特征，为连续人物一致性提供了视觉锚点；大场面如山谷行军、长城关隘、军帐夜营等美术风格统一，低饱和影调与局部烛光处理极具电影感。

这部由Vidu Q4 Preview制作的短片，不仅证明AI已能拍摄电影，也恰好说明衡量视频模型能力的关键：人物、场景、镜头和情绪能否共同推动故事前进。这正是“传神”比“清晰”更难之处——一个眼神的停顿、一次转身后的拉远、一次爆炸前的短暂安静，都在决定观众能否理解角色的行为动机。

除了模型效果，价格与效率信号更值得关注：旗舰视频生成模型的调用成本正进入普通创作者和小团队可高频使用的区间。这表明，在中国视频模型从技术竞赛转向生产竞赛的过程中，模型与工程效率正在转化为更低的创作成本。视频生成模型的“DeepSeek时刻”，真的要来了吗？

01.赛道竞争白热化，生数跻身头部军团

中国AI视频生成模型赛道的热度持续攀升。头豹研究院数据显示，2020年至2025年间，市场规模年复合增长率达965%。进入2026年，市场规模约36.6亿元。预计到2030年，这一数字将跃升至近1497亿元，年均复合增长率达152.9%。

在激烈竞争下，行业格局正从“百花齐放”加速走向“头部聚团”。字节跳动Seedance、快手可灵、生数科技等玩家聚拢成团，构成赛道的“决赛圈”阵容。“决赛圈”一词本身带有同场竞技意味，令人联想到中国游泳队——Sora关停后，国产模型在窗口期内接连打破国际巨头长期把持的“尘封纪录”，泳姿各异，却在同一片泳池中游出世界级成绩，共同推高行业水位。

Seedance的核心优势在于背靠字节跳动完整的内容生态。2025年6月上线的Seedance 1.0，曾拿下Artificial Analysis文生视频、图生视频双榜单第一，Seedance 2.0的发布引发破圈讨论，证明模型底子过硬。目前以绝对优势遥遥领先，并向世界验证视频是coding之后第二个大规模商业落地的赛道。

可灵的优势在于深耕垂直场景与快速商业化。快手将可灵深度绑定短剧、电商、直播等自身优势业务，尤其在电影领域深耕。这些场景既是产品打磨场，也是收入来源。

在“决赛圈”阵容中，生数科技是少数创业公司玩家，且是不容小觑的技术高地型AI Native玩家，尤其考虑到其在AGI发展中的智能储备后劲。毕竟，AI视频领域的一些里程碑式发展由这支团队开创。从发布之初主打的长时间、高一致性生成，到业内较早推出参考生视频——上传几张参考图，模型就能保持人物和物体一致性生成新画面——再到动漫等审美题材，Vidu一直在证明：在生成质量上，创业公司也能站上第一梯队。

此次新Q4预览版本已在AA榜单超越Seedance 2.0，位列全球第三。此前Vidu Q3曾以1241分位列中国第一、全球第二，一举超越Runway Gen-4.5、Google Veo 3.1与OpenAI Sora 2，Q4正式版值得期待。工业级表现力、试拍进入分时代、超清进入角时代，旗舰级视频模型的产业普惠推动力，让Vidu在Seedance的生态壁垒与可灵的场景深耕之外，拓宽了自身竞争空间。Vidu Q4 Preview的发布，正是对这一差异化定位的进一步强化。

02.Vidu Q4 Preview，把“传神表现力”做出来了

Vidu Q4 Preview是生数全新一代高表现力全能旗舰生成模型，主打“传神表现力”，围绕人物演绎、镜头语言、复杂视效三项核心能力升级。在人物演绎上，生成的人物在表情、情绪和肢体动作上表现更进一步。当角色听到一句话、看到一件事或做出决定时，情绪从面部传递到全身，过程连贯自然。例如，在这个例子中，男主角对女主角的去世呈现明显的情绪递进，眼泪夺眶而出，情绪从恐慌、哀求、悲痛逐渐升级到彻底失控，极具代入感。

镜头语言上，Vidu Q4 Preview可生成跟拍、环绕、推进、拉远、升降、旋转等动态镜头效果。在高速运动、人物转身、遮挡、视角切换时，镜头与人物动作配合自然，几乎没有跳变和空间错乱。复杂视效上，Vidu Q4 Preview可生成爆炸、火焰、烟雾、烟花、粒子、能量冲击等效果。特效发生后，周围光影、烟雾和粒子随运动扩散，角色动作与特效过程保持同步，十分“入戏”。例如在季节快速切换镜头中，模型可实现春之花瓣、夏之流萤、秋之落叶、冬之落雪的顺滑过渡，各类元素还能跟随环境光动态变色，节奏统一，转换效果不生硬割裂。

此外，Vidu Q4 Preview最高支持4K输出，单次最长可生成16秒，连续动作、镜头推进和情绪变化有足够展开空间。同时，最多支持15张参考图、3段参考音频，创作者可将人物、场景、商品等视觉信息组合，再用文字描述明确关系，补充更多细节。例如，用户可将人物声音、人物设定图及分镜图发给Vidu Q4 Preview，模型即可根据参考图和音频生成完整的漫剧短片。

03.Vidu味儿遇上国漫崛起，一场历史性机遇

传神新Q4的发布，引发广大用户对独特Vidu味儿的讨论——所谓“Vidu味儿”，就是动漫感、速度感、爆发力，用体验用户的话说，就像“把想象力点燃，直接推上天”。这种味道首先体现在动作与镜头上：角色转身，发丝顺势甩开；金币飞散，粒子有方向、有层次；镜头追着人冲出去，又懂得在一个眼神上停住。它不只拍出动作的形，还想拍到动作背后的神。

这种表现吸引了一些原本在Vidu创作者计划（CPP）中做抽象艺术的创作者，也开始尝试不熟悉的动漫叙事；日本AI动漫创作者也在持续使用Vidu。横向对比中，大家反复谈到的都是Vidu“好燃”。但“好燃”只是表面。在这一轮视频模型竞争中，动漫并非顺手补上的“风格包”，而是值得单独争夺的主战场。

之所以是主战场，因为它背后连着更大的文化机会。《哪吒》《黑神话：悟空》等成功作品的崛起，共同提醒行业：中国神话、历史和美学可通过新的视觉语言抵达全球观众。接下来的难题，是如何让更多原创角色和故事持续生长。日本动漫的国际传播提供了一个参照：真正带来文化影响力的，是角色、连载、电影、游戏、音乐和衍生消费相互支撑的长期IP经营。中国并不需要复制日漫，只需让地方传说、科幻想象与当代生活，有机会从一个设定、一支短片，进化成有人愿意追看和分享的作品。

要拿下这个主战场，最终要看模型能力。但动漫场景恰恰可以反过来将Q4 Preview主打的能力一次考全：文戏中，一个角色能否用细微表情接住上一句台词；武戏中，格挡、追逐和转身能否连贯；切镜后，人物与空间关系是否还在；烟火和能量效果，是在放大情绪，还是遮住动作。同时，多次生成的可用率、镜头衔接和后期修正也摆上台面，创作者才看得到差别所在。如果模型能让小团队用更低成本测试角色、分镜和高光动作，它帮助的就不只是“更快出片”，也可能是让更多有潜力的中国原创IP跨过第一轮试拍门槛。文化建设不会被一个模型包办，但创作者得到更多可负担的表达机会，是这条产业链真实的一步。

04.从能力突破到创作普惠，生数站在临界点上

技术的飞速发展，是否就能说明视频生成已迎来“DeepSeek时刻”？要回答这个问题，需先理清“DeepSeek时刻”意味着什么。2025年1月，DeepSeek-R1面世即爆火，它将最前沿的模型能力以近乎免费的方式开放，推动真正的技术平权。拆解来看，这个“时刻”意味着三件事同时发生：前沿性能、系统效率、大众可用性。

如今，视频生成模型正逐渐逼近这一时刻。生数科技同时铺设面向开发者的MaaS和面向创作者的SaaS两条路，让不同人群都能使用。Vidu Q4 Preview将门槛压至0.09元/秒起：MaaS图生视频720P价格为0.59元/秒、1080P为0.75元/秒、4K为2.43元/秒，均为全网最低。SaaS侧在Preview阶段还有两个月限时优惠，部分使用成本降至每秒几分钱。

对于行业而言，每秒几分钱与每秒几块钱之间的差距，是能否规模化落地的分水岭。漫剧行业拼产能，依靠高频日更、长篇连载模式，单集制作成本直接决定项目能否跑通；短剧行业依赖海量素材测试，在投流逻辑下，同一套剧情需产出多个版本投放测试，爆款靠试跑筛选，测试边际成本越低，团队敢于投放的素材版本越多。广告行业的痛点在于反复改稿，客户调整需求往往意味着成片推翻重做，过去每迭代一版都要额外付出成本，如今提案阶段就能一次性产出多套完整成片；影视行业受益于前期预演，概念预览、特效预演向来是预算消耗大户，若成本降至每秒几分钱，剧组在正式开拍前就能提前预览镜头效果。

用“价格战”概括这一现象难免偷懒，透过现象看本质，这其实是一次创作权力的下放。效率提升直接压低单次生成的算力成本与时间成本，为价格下探铺平路；定价则直接降低单次尝试的成本门槛，让多轮迭代成为日常，真正打开创意的试错空间。当创意的边际成本趋近于零，个人创作者、工作室和企业团队，第一次站到同一条成本起跑线上。视频模型的“DeepSeek时刻”，核心正在于此：让前沿能力走向更多创作者。

05.结语：视频模型的“DeepSeek时刻”，让前沿能力走向更多创作者

一切技术发展的最终目标，都不只是亮眼的参数，而在于让能力不再被预算和资源垄断。过去，一段有表现力的视频需要团队、设备和时间堆出来；现在，一个创作者加一台电脑，就能触及过去只有专业制作才能完成的画面。Vidu Q4 Preview以传神表现力和极致性价比，让这种平权有了落地的支点。当更多人拥有表达的能力，让创作回归想法本身时，视频模型的DeepSeek时刻，或许才真正到来。

本文来自微信公众号“智东西”（ID：zhidxcom），作者：王涵，编辑：漠影，36氪经授权发布。