Wan3.0 上线了，可灵、即梦、Vidu 还香吗？四个国产视频模型按活儿分战场

Wan3.0 这两天正式上线，热闹了一圈。评论区里最多的一句话是「所以现在到底该用哪个」。

这个问题没法一句话回答，但可以拆。国产 AI 视频这一年已经从「能不能生成」跨过到「能不能交付」，四家主力——阿里的通义万相、快手的可灵、字节的即梦、生数科技的 Vidu——分头长成了不同的形状。下面按你实际要交付的东西来分，不按厂商分。

先把四个模型的底子摆出来

Wan3.0（阿里通义万相）。8 月 6 日开公测，8 月 24 日正式上线。单次生成 30 秒，1080P。最特别的一条是输入端：除了文本、图片、音频、视频，它首次支持 doc、xls、ppt、pdf、md 直接扔进去。API 定价按分辨率分三档，480P 0.3 元/秒、720P 0.6 元/秒、1080P 1.2 元/秒。入口在阿里云百炼、千问 AI 平台、万相官网和千问 APP。

可灵 3.0（快手）。今年 2 月发布，当月登上全球视频大模型排行榜第一。硬指标里最扎眼的是原生 4K——3840×2160 是真出图，不是超分上去的。时长可到 3 分钟。用户规模是四家里最大的：2026 年 5 月月活突破 5000 万，日生成视频超过 300 万条。国内会员 66 元/月起，每天送 66 个免费积分；海外订阅 10 到 100 美元不等。

即梦 Seedance 2.5（字节）。7 月发布，即梦作为官方入口第一时间接入。支持最长 3 分钟，加了视频编辑能力、参考生成（一次最多参考 50 个素材）和精准时间戳指令。价格结构比较复杂：Seedance 2.0 VIP 档折算下来约 1.38 元/秒，即梦会员打折后一条 15 秒视频约 4.58 元，比火山引擎 API 纯生成模式（1 秒 1 块）便宜一半以上。

Vidu Q3（生数科技）。1 月 30 日发布，全球首个支持 16 秒音视频直出。在 Artificial Analysis 的榜单上排到中国第一、全球第二。它的独门是「声画同出」——一次生成对话、旁白、音效、音乐四类音轨，和画面对齐。另外有个像素级文字渲染引擎，中英日文字能直接生成在画面物体表面。价格：免费版按积分制（每月大约 3 条带水印），Creator 15 美元/月、Pro 49 美元/月、Team 99 美元/月，API 1080P 约 0.3 元/秒。

战场一：做电商短视频、广告片

这类活的特征是：时长短（15~30 秒）、要求画面稳、产品不能变形、一天要出几十条。

Wan3.0 在这里的优势不是模型能力，是流程。你有一份产品规格表、一份 PPT 提案，直接丢进去就能起片，中间省掉「人工把资料翻译成提示词」这一环。做过批量出片的人都知道，这一环才是真正的瓶颈——模型跑得再快，写提示词的人一天也只有八小时。公测期间它已经进了短剧、影视和广告的规模化出片流程，这个信号比跑分实在。

可灵在这块的口碑主要来自稳定性和素材量。5000 万月活意味着社区里模板、参数、踩坑经验最全，遇到问题搜得到答案。原生 4K 对电商详情页那种要放大看细节的场景确实有用。

即梦的杀手锏是「一次参考 50 个素材」。做品牌向内容的时候，你要求模特长这样、衣服是这件、背景是那个门店、色调按品牌手册来——参考素材一多，大部分模型就开始各种串味。50 个这个量级基本能兜住一整套 VI。

这一档我推荐的顺序：批量出片、素材是文档形态 → Wan3.0；要 4K、要社区支持 → 可灵 3.0；品牌一致性要求苛刻 → 即梦 Seedance 2.5。

战场二：做知识类、口播类、需要声音的内容

这里 Vidu Q3 基本没有对手。

「16 秒音视频直出」这个描述容易被低估。市面上大部分方案是画面归画面、配音归配音，最后靠剪辑对齐，口型永远差那么一点。Vidu 是在生成阶段就把对话、旁白、音效、音乐四条轨和画面一起算出来的，对齐问题从根上就不存在。

那个像素级文字渲染引擎也是这个场景的刚需。知识类视频少不了要在画面里打字——书本封面、屏幕内容、招牌、字幕板。文字渲染是 AI 视频最经典的翻车点，能把中英日文字直接生成在物体表面而不糊成乱码，这一条能省掉大量后期。

代价是 16 秒的上限。做一条 3 分钟的解说，你得拼十几段，中间的连贯性要自己管。所以它更适合做短的、信息密度高的段落，或者作为长片里的特定镜头补充。

战场三：做长内容——短剧、微短片、连续叙事

这是可灵和即梦的主场，两家都能上 3 分钟。

可灵的思路偏「工业化」。它的用户里有相当比例是真的在批量做短剧的团队，产品迭代跟着这批人的需求走，工作流工具比较全。原生 4K 在这个场景也有实际意义——短剧最终要上大屏或者被平台二次压缩，源素材分辨率高一档，成片抗压能力就好一档。

即梦的 Seedance 2.5 加了两个东西对长内容特别关键：视频编辑能力和精准时间戳指令。前者意味着不满意的片段可以改而不是重生成，后者意味着你可以指定「第 4.2 秒镜头开始推」。做叙事内容的人都知道，节奏是靠这种精度堆出来的，全靠重摇骰子是做不出片子的。

Wan3.0 的 30 秒上限在这一档明显吃亏，但它的「细粒度一致性」——角色、道具、声音、空间关系、风格能稳定保持——意味着你分段生成再拼接的时候，串味的概率比较低。属于用工作流补时长的路子。

战场四：只是想低成本试试水

可灵的每天 66 个免费积分是四家里最实在的长期免费额度，不用充值就能持续玩下去。Vidu 的免费版每月大约 3 条带水印视频，量太小，只够验证一下效果。Wan3.0 在千问 APP 里有灰度开放，走 API 的话 480P 那档 0.3 元/秒，一条 10 秒 3 块钱，试错成本可以接受。即梦的会员体系比较绕，建议先算清楚积分换算再买。

把价格摊平了看

价格这一栏要小心横向比。可灵和即梦是会员积分制，实际单价取决于你买哪一档、跑什么模式；Wan3.0 和 Vidu 的 API 按秒计费更透明。真要比成本，得按「一条成片平均要生成几次才满意」来算——返工率的影响远大于标价差异。

口碑上的几句实话

Wan3.0 被企业用户反复提到的三个词是「稳定、真实、有质感」。第二个词最有分量——真人质感的稳定输出一直是 AI 视频的老大难，糊弄不过去。但它上线才一天多，社区反馈还没形成规模，一些反馈里也提到 30 秒上限对短剧场景不够用。

可灵的评价最一致，4.7 分左右，主要来自中文提示词理解准确和界面友好。批评集中在两点：高峰期排队、以及积分消耗比预期快。

即梦在专业创作者里的评价偏两极。喜欢的人认为它的可控性是国产里最强的；不喜欢的人抱怨价格体系太复杂，同一件事在即梦和火山引擎两个入口价格能差一倍以上，摸清楚要花时间。

Vidu 的评价里最常出现的是「快」和「音画同步真的能用」。抱怨基本都指向 16 秒——很多人说愿意为更长的版本掏钱。

如果只让我给一句话

手上是文档和资料、要批量出商业片，用 Wan3.0；做短剧、要长片、想找现成的工作流和社区，用可灵 3.0；对画面控制精度有洁癖、参考素材一大堆，用即梦 Seedance 2.5；做需要说话、需要在画面上打字的知识类内容，用 Vidu Q3。

四家现在的差距已经不在「谁画得好看」这个维度上了——都挺好看。真正拉开距离的是工作流：素材怎么进去、结果怎么改、改完怎么接到下一段。挑工具的时候多花点时间看这三件事，比看跑分有用得多。

相关对比：《Kimi K3 和 DeepSeek V4 到底怎么选？一个堆到 2.8T，一个把价格摁在地板上》、《GPT-5.6 Sol、Claude Opus 4.8、Gemini 3.1 Pro：两个月都用下来，我给的选择清单》