Seedance 2.0 vs Fast vs Mini：便宜的那档够用吗？（2026）

ByteDance 把 Seedance 2.0 分成三档发布：Seedance 2.0、Seedance 2.0 Fast 和 Seedance 2.0 Mini。同一个模型家族，三种价格。

想要结论的话：默认用 Mini，把省下来的钱花在多抽几次上。 六条提示词跑下来，没有哪一档稳定胜出——贵的那档漏掉了便宜那档抓到的细节，反过来也一样——所以这个选择与其说是哪个模型更好，不如说是你能负担多少次尝试。需要 1080p 和 4K 时再升到完整版 Seedance 2.0，这是唯一一个不靠掷硬币的优势。Fast 比 Mini 贵 60%，却从没拉开过明显差距。

一条 5 秒片段要多少钱：

加粗的两行价格差不多。也就是说，大约 $0.36 买到的要么是低分辨率下的顶配模型，要么是高分辨率下的最便宜模型——这是两个旋钮，不是一个，而几乎所有人只会去拧档位那一个。我们在下文测了另一个，结果并不像价格暗示的那样。

能力相同，价格三种

ByteDance 自己的文档说，这三档「支持的功能基本相同」，规格表也印证了这一点——除了分辨率上限，其余全部一致：4–15 秒时长、全部六种画幅比例、原生音频、首尾帧控制、九张参考图、三段参考视频、视频编辑与续接。

唯一的功能差异：Fast 和 Mini 止步于 720p。 旗舰版可以到 1080p 和 4K。

三者的价格比是干净的 2 : 1.6 : 1。Mini 正好是旗舰版的一半，而 Fast 尴尬地卡在中间。

而多出来的钱并没有买到额外能力。让三档生成同一条 5 秒 720p 片段，它们计费的工作量完全相同——各 108,900 个视频 token——价格不同只是因为费率不同：每百万 token 分别为 7.0、5.6 和 3.5，旗舰版的 1080p 输出则单独在 7.7 这一档。所以旗舰版必须在画面上把钱赚回来，靠更锐利的细节，或者靠交出你要求的构图和细节。它到底做到没有，就是这篇文章剩下部分要讲的。

我们怎么测的

我们用完全一致的参数——720p、五秒、开音频——把六条提示词跑遍三档。然后把要求最苛刻的那条镜头延长到 10 秒和 15 秒，加了一轮 480p 来测分辨率那个问题，再加一条 1080p 作为最高档的样本。28 条片段，$22.19，全部列在下面。

每条提示词都印在它生成的片段上方，你可以自己拿去跑任意一条。

有两点要说清楚。每条片段都是一次生成——没有挑选，没有取平均。而且你自己跑同样的提示词也拿不回这些片段。Seedance 不会重复一次生成，即使给同一个 seed 也不会——ByteDance 自己也这么说：同一个 seed 值产出的是「相似的结果，但不保证完全一致」。我们在三档上都验证了这一点。

让一张照片动起来

让一张照片动起来——宠物、宝宝、或者你自己——是大家最想从 AI 视频里得到的东西之一，而我们能找到的所有分档对比里都没有它。我们给三档同一张源照片和九个随手写的英文单词：

make the dog dance, keep his face the same

三档都保住了狗的身份——同一张脸，同样的毛色，同一个房间。区别在于镜头里发生了多少事。旗舰版的尾巴在整段里摇动，头也会歪；Mini 基本一直坐着。 说清楚：没有哪一个真的在跳舞。但其中一个在努力——Mini 忠实地还原了主体，然后对它做得更少。这是我们最常看到的模式，不过每条提示词只抽了一次，我们没法告诉你它有多可靠。

口播镜头

竖屏、有台词、手机式构图——这是量最大的真实使用场景，也是对口型出问题时最明显的场景。这一条请把声音打开。

A woman in her late 20s sits in a bright home kitchen, holding a small skincare bottle up to the camera, talking directly to the viewer like a friend. Natural handheld phone framing, vertical. She says: "Okay so I've been using this for three weeks and I genuinely cannot go back. Two drops, morning and night, that's it." Warm daylight from a window on her left. Casual, unpolished, real — like a TikTok, not a commercial. No text on screen.

三档都交付了要求：竖屏手机构图、一个真实的厨房，以及可信的台词表演——三档的口型都对得上。除此之外它们很难区分——每一档都保持了眼神接触，把瓶子留在画面里，并且五秒内一直是同一个人。旗舰版的厨房最亮、反差最大；Mini 的偏暗偏平，高光与阴影之间的过渡最柔。这是取向的差别，不是质量的差别。

在这个量最大的使用场景上，便宜那档没有让你看到任何损失。

产品镜头

反光台面上的一瓶香水是这类对比里的默认演示素材——wiro 让它浮在黑色水面上，Cutout 在黄金时刻的光线里推近一瓶——所以我们也跑了一条。这里本来是我们最看好旗舰版轻松取胜的地方。

Luxury perfume bottle on a polished marble surface, slow camera orbit, golden light, water droplets on the glass, cinematic product commercial

它没有。按提示词而不是按审美来评判，旗舰版和 Mini 都交出了每一个要素：瓶子立在抛光的深色大理石上、金色光线、玻璃上凝着水珠。并排看，石材、纹理和布光几乎分不出来——Mini 在背景里打了几道光束，旗舰版保持素净，差别仅此而已。

Fast 才是那个异类。它渲染出三者中最写实的大理石和最厚重的水珠，然后把瓶子平放在一边，用极端微距去拍，标签糊成一片摊在画面顶部。而它的价格是 Mini 的一倍半。

这就指向了真正决定你账单的东西：你一定会重生成镜头，而每一次重生成都要计费。 没有人能每次第一发就拿到可用的片段。这——而不是标价本身——才是便宜那档真正的理由：花掉一次旗舰版尝试的钱，Mini 给你两次尝试。

运动，以及对提示词的理解

skateboarder doing a kickflip down a set of stairs, camera following him, city street, afternoon

三档都做出了看得过去的 kickflip，板和人的动作都合理。它们分道扬镳的地方是提示词描述的环境——一条城市街道，和一段楼梯。Fast 和 Mini 都找到了：Fast 给了一个带台阶和扶手的城市广场，Mini 给了一条有店铺和红绿灯、画面里带台阶的街道。旗舰版两个都没找到，把滑手放在了郊区人行道上从路缘石上蹦了一下。

不过它们也都没读懂方向。提示词说的是沿着楼梯往下做 kickflip，而 Fast 和 Mini 都让他往上走——动作对、障碍物对、方向反了。这些模型最弱的地方是提示词遵循度，而不是画面保真度，而且它并不跟着价格走：至少两个便宜档找到了那段楼梯。这也是更好的提示词写法能修好的弱点（我们的导演语言指南讲了哪些措辞是有效的）。

它们意见不合的地方

角色测试是把三档拉得最开的一条。同一个男人，单一顶光，头向左转再转回来——这个镜头同时考验转头时的身份一致性和强侧光。

A man in a green jacket stands in a parking garage under a single overhead light. He turns his head fully to the left to look at something off-camera, then turns back to face front. Same face throughout, no changes to his features. Camera static, medium shot.

每一档都在转头过程中保住了那张脸。区分它们的有两点，而且指向相反的方向。

构图。 提示词写的是「中景」。旗舰版给了中景。Mini 拉远成了一个几乎看不清脸的远景——技术上是同一个场景，实际上是另一个镜头。如果你在剪一条序列、需要镜头之间能接上，这个失误就是要付代价的那种。

方向。 提示词说他把头转向左边。按句子最自然的读法，也就是这个男人自己的左边，Mini 是唯一做到的一档——旗舰版和 Fast 都把他转向了另一边。如果理解成镜头的左边，结论就反过来。无论怎么理解，三者互相之间都不一致，而且便宜那档并不是那个异类。

这里得把话说明白，因为这是差异看起来最锋利的地方：这个页面上的每一条片段都是第一次尝试。 Seedance 不会给你两次同样的镜头，所以远景而不是中景、或者头转错了方向，可能只是这一次抽卡的结果，而不是这一档的特性。任意一条重新生成，结果都可能不一样。我们展示的是每一档的一次抽卡，而不是每一档的性格——其中几条我们大概只是运气好，往两个方向都是。

时长会不会有影响？

十五秒里有个人一动不动，什么也证明不了，所以我们写了一条真的必须往前走的镜头——四个独立的节拍、一个中途改变形态的运镜、一次物件交互，以及结尾的一句台词：

A woman in a mustard-yellow jacket pushes open a glass door and walks into a sunlit coffee shop. She crosses to a window table, pulls out the chair, and sits down. She opens a laptop, types for a moment, then looks up off-camera and says: "You're late." The camera starts wide at the door, tracks with her across the room, and settles into a medium shot as she sits. Warm morning light through the window, wooden interior, other customers out of focus behind her.

同一条提示词，三档，15 秒：

每一档都走完了四个节拍，并且全程保住了角色。 她进门、穿过店内、坐下、打开笔记本电脑并说出台词，在一个连续镜头里完成，$1.14 的那次生成和 $2.27 的那次一样。差别是氛围上的而不是结构上的：Fast 在整段中间推进了一层厚重的逆光雾霾，另外两档则保持通透。

有一个细节值得留意，因为正是这类东西决定一条镜头能不能用：提示词说她走向的是靠窗的桌子。在 15 秒里只有 Fast 真的把她安排在了靠窗位——旗舰版让她坐在店中央的一张桌子上，离窗户很远。

现在是同一条提示词压进 5 秒：

我们本以为短版本会损失点什么。没有哪一档漏掉节拍——尽管靠窗的桌子在三条里又有两条不见了。三档仍然让她走进来、坐下、说出台词——只是速度快了三倍。模型压缩的是节奏，而不是截断剧本。所以如果你想让一条镜头喘口气，你就得花钱买秒数，因为在更短的时间里要求同样的动作，你拿到的就是同样的动作，只是被赶着演完。

再看 10 秒这个中间地带，节奏落得刚好——而且三档终于都把她安排在了靠窗的桌子：

所以时长不会让这些模型退化——它只会让它们更贵。15 秒片段的价格几乎正好是 5 秒的 3 倍，而且你没办法从一条废掉的镜头里救出好的那一半。

秒数买到的是结构，不只是时长。一次 15 秒的生成扛下了全部四个节拍——进门、穿过、坐下、笔记本电脑——运镜在同一个镜头内从远景过渡到中景。把提示词写成分镜表，Seedance 也会在一次生成内切换不同景别，ByteDance 的指南就演示了这一点。分开生成给不了你这个：每一次都会自己选角、自己挑一家咖啡馆。

大多数人忽略的那个旋钮

回到那张价格表。2.0 在 480p 是 $0.35。Mini 在 720p 是 $0.38。 基本是同样的钱，方向相反的取舍：低分辨率的完整模型，还是高分辨率的便宜模型。

那么该拧哪个旋钮？按这些证据，保住像素。三档在这些提示词里大多打平，所以从旗舰版降到 Mini 你损失不大——而从 720p 降到 480p 损失的分辨率是找不回来的，而且 TikTok 和 Reels 会把你交上去的东西再压一遍。这样一来，480p 那笔交易就没什么理由了。旗舰版确实做到了提示词里唯一明确点名的那个景别，而 Mini 拉远了——但那只是一次抽卡，不是被证明的习惯，拿它来换掉一半像素，依据太薄。

下面是这个阶梯的顶端，只有旗舰版，作为参考。1080p 的价格是同一条镜头 480p 的 5.3 倍：

速度：「快 2 倍」的说法是错的

你去搜 Seedance 2.0 Mini，会被告知它在质量相当的前提下比 Fast 快 2 倍。ByteDance 从来没这么说过。它自己的文档是用速度来卖 Fast 的——「兼顾成本与生成速度」——而卖 Mini 纯粹靠价格：「追求最佳性价比，请使用 Seedance 2.0 Mini。」发布时的说法同样是关于成本的，大约是 Seedance 2.0 的一半，这部分完全属实。速度那一半是别人加上去的，而且不成立。

Mini 比 Fast 快约 10%，不是 2 倍。真正的速度故事在顶端：同一条片段，旗舰版比 Mini 多花约 40% 的时间。如果你在反复迭代，这个差距累积起来远比价格差距明显。

关于价格还有一件事

这里的每个价格都是 ByteDance 自己的费率。折算成 720p 成片每秒的成本，大约是旗舰版 $0.15、Mini $0.08——和 OpenRouter 列出的旗舰版 $0.1512 是同一个数。大多数人是通过转售商而不是直连去用 Seedance 的，在你花时间去优化调用哪个变体之前，先看看他们每秒收多少更值得。我们的价格在定价页。

那到底该用哪一个？

每条提示词只生成一次，而且模型不会重复自己：请把下面的内容当成一个很强的先验，而不是一次测量。价格差异是精确的。质量差异各自都是一次掷骰子，第二次尝试可能把任何一条的排序都推翻。

默认用 Mini。 它在口播镜头和产品镜头上和旗舰版打平，在每一条长镜头里都保住了角色，还找到了旗舰版压根没去找的那段楼梯。它失手的地方——远景而不是中景、一只基本坐着不动的狗——旗舰版也在别处失手。以一半的价格，花掉一次旗舰版尝试的钱，它给你两次尝试。

需要 1080p 或 4K 时为旗舰版付费。 这是唯一一个在所有场景里都成立的优势，因为它是一项能力，而不是一次判断。在遵循提示词这件事上，它并不比便宜那档好，而且经常更差：它同时漏掉了楼梯和城市街道，在 15 秒那条里丢了靠窗的桌子，还把那个男人的头转错了方向。它还慢了大约 40%。它确实做到了提示词明确点名的那个景别，而 Mini 拉远了。那是它唯一明显领先的地方，而且只有一次抽卡——不是你能拿来做预算的习惯。

Fast 是最难说得通的一档。 它产出了整轮里最差的一条片段——侧躺着、标签糊掉的香水瓶——但也产出了仅有的两条把她安排在提示词要求的靠窗桌位上的片段。它在 15 秒那条的中间推了一层逆光雾霾，同时它也找到了那段楼梯。问题就在这种不稳定：比 Mini 贵 60%，你付的溢价买到的是一次掷硬币，而这里没有任何迹象说明这枚硬币是偏向你的。

保住分辨率，降档位，别反过来。 旗舰版在 480p 的价格和 Mini 在 720p 差不多，而且是更差的买卖：三档在这些提示词上大多打平，但 480p 就永远是 480p，上传后还要再被压一次。而按这些证据，反向的交易也没有很强的理由。

然后别读了，自己去掷骰子。 这一切底下的发现是：没有哪一档稳定胜出，这就把选择从审美问题变成了算术题——重要的是拿到你要的那条镜头需要几次尝试，再乘以每次尝试的成本。Mini 上六次尝试的花费正好等于旗舰版三次，而且你拿到的是同一份要求的六种不同解读，而不是三种。同一个模型、同一条提示词，靠窗的桌子在十秒里出现、在十五秒里消失，实际情况就长这样。

所以，拿你真正要用的提示词，在便宜那档上跑三四次，看看回来的是什么。如果其中一条就是那条镜头，那么对这条镜头来说档位问题已经有答案了。如果一条都不是，那也值得早点知道——这就是我们能告诉你的诚实边界，因为这个页面上的每一条片段都只生成了一次。

刚接触这个模型？先看如何使用 Seedance 2.0。想拿它跟别的模型比、而不是跟它自己比？那是 Seedance vs Veo vs Kling。