想在自己机器上跑 Seedance 这类视频生成模型，最容易卡在两件事上：一是不知道自己这台机器到底够不够，二是不知道够了之后值不值得。视频模型的显存和时长是按帧数、分辨率、时长三个变量一起涨的，直接抄别人的配置表基本会翻车。这篇给你一条能自己算、自己验的路子，从显存口径开始，到先跑通再决定要不要买卡。
想在自己机器上跑 Seedance 这类视频生成模型，最容易卡在两件事上：一是不知道自己这台机器到底够不够，二是不知道够了之后值不值得。视频模型的显存和时长是按帧数、分辨率、时长三个变量一起涨的，直接抄别人的配置表基本会翻车。
这篇给你一条能自己算、自己验的路子：先用几个问题筛掉不该自己部署的情况，再从显存口径开始反推你这台机器能跑到哪一档，最后决定是租卡还是买卡。数字不用记，去站内对应页面按你自己的参数核对就行。
先判断你是不是本地部署的目标人群
本地部署不是「更高级的用法」，它只是一种取舍：你换来了数据不出内网和批量跑固定风格的稳定，付出的是环境维护、显卡折旧和出故障时没人替你兜底。先把自己归到下面哪一边，再往下看硬件，能省掉大量无用功。
- 适合：素材涉密或明确不能出内网，走外部接口不合规
- 适合：要长期批量跑同一种固定风格，参数基本固定、不想每次重新调
- 适合：手上已经有闲置工作站，且有人愿意花时间调环境和排错
- 不适合：偶尔出几条片子，用量小到用外部接口更省事
- 不适合：需要第一时间用上新版本，模型迭代快而你又不想反复重装环境
- 不适合：没有运维人力，出问题只能自己查，而你没有这块时间
一个自查问题：如果你只是「想省钱」，那先把每月调用量、单价和你自己的时间成本列出来再比。去 /tools/model-cost-calculator 算一遍，把调环境的小时数也折进去，结论往往和直觉相反。
按分辨率、时长、帧数三件事反推显存
视频模型的显存占用主要跟分辨率、时长和帧数走，参数量只是其中一项，所以不能直接套语言模型那套「参数量乘量化倍数」的公式。你真正要估的是「单条任务峰值显存」——跑一条最短的完整任务，看它顶到多少。
- 测基线用最低档参数跑一条你自己的真实素材，用显存监控工具记录峰值。这条数字是你后面所有估算的起点。
- 往上调一档只动分辨率，看峰值怎么变；再只动时长，看怎么变。判断是接近线性增长还是到了某个点直接爆。
- 算并发并发数上去显存是叠加的，不是共享的。要同时跑几条，就把单条峰值乘上条数，再留出系统和其他进程的余量。
- 对照口径把参数填进 /compute/sizing 和 /models/deploy，核对你这台机器能落在哪一档，不要靠感觉。
| 显存不够时的动作 | 代价 |
|---|---|
| 降分辨率 | 画质和细节直接下降 |
| 缩短时长 | 要拆段生成再拼接，一致性要额外处理 |
| 降帧率 | 运动不连贯，后期补帧更费事 |
| 换量化版本 | 画质与一致性有损失，需要逐条比对 |
| CPU offload | 速度明显变慢，内存占用上升 |
量化会带来画质与一致性的损失，值不值得取决于你的用途：做内部预览可以接受，交付给客户的成片就要慎重。去 /tools 看当时可用的换算与比对工具，别凭截图判断。
买卡还是租卡的判断线
这条线的分界不是预算多少，而是需求是否稳定、素材能不能出内网。只有零星几条需求时，租卡按量跑，先把效果验证清楚，再谈长期成本。有稳定批量需求、且素材不能出内网，才轮到考虑买卡。
- 显存容量
- 决定你能不能跑这个分辨率时长组合，是第一道硬门槛
- 显存带宽
- 决定跑得有多快，容量够但带宽低会一直等
- 长时间高负载稳定性
- 批量跑几小时和跑几分钟是两回事，散热和供电要跟上
买卡别只看算力数字。消费级卡和专业卡在跑视频模型时的差别，主要就体现在显存上限和长时间高负载的稳定性上。具体规格去 /compute/gpus 对照，行情和有没有货分别看 /compute/gpu-rental 和 /compute/availability，数字以页面当时为准。
跑通验证的四步顺序
在你决定买任何硬件之前，先用租来的机器把这四步走完。这四步的意义是：用最小的代价摸到边界，而不是先花钱再发现跑不动。
- 真实素材跑通拿一条你自己的素材做端到端，别用官方 demo 素材判断效果，demo 素材通常是挑过的。
- 记录基线与耗时记下单条任务的耗时和峰值显存，这是你后续所有估算的基线，也是判断要不要买的依据。
- 摸边界分辨率、时长各往上调一档，看显存是线性涨还是直接爆，找出你这台机器或这台租用机器的上限。
- 核对许可证确认权重和代码的许可是否覆盖你的用法，尤其是商用和二次分发。去 /safety 和 /models 核对当时的条款。
什么情况下这条路不成立
前面讲的都是「有条件自己跑」的前提。下面这些情况出现任意一条，本地部署的性价比就不成立，早点转向租卡或外部接口更划算。
- 需要频繁切换最新模型版本，而模型持续迭代、你不想反复重装环境
- 产出质量不稳定，需要人工二次修片，人工时间超过你本来想省的部分
- 机器是共享的或还要兼做别的活，长时间占满显存会影响其他人
- 只有一台笔记本、没有独立显卡，这种情况直接去 /compute/platforms 评估租卡
- 你把调环境的时间看得比调用费更贵，那这笔账一开始就算错了
判断标准其实很简单：如果本地部署省下的调用费，覆盖不了你投入的硬件、电力和维护时间，那它就不是省钱，只是把钱换了个地方花。具体数字按你自己的工作量和站内当时的行情页核算，不要照搬别人的结论。
先租卡把端到端跑通、把单条任务的峰值显存摸清楚，再决定要不要买卡——顺序反了，多半要交学费。下一步把你的目标分辨率和时长填进站内的配置核算页，先看落在哪一档，再决定租还是买。→
常见问题
Seedance 2.0 本地部署最低要什么配置？
没有一句话能回答，因为门槛取决于你打算生成多长、多高分辨率的视频。正确做法是先定目标参数，再去 /models/deploy 按分辨率和时长算单条任务的峰值显存，加上系统和其他进程的占用，才是你的实际门槛。别人能跑通不代表你换个分辨率也能跑。
显存差一点，能不能靠量化或者 offload 硬跑？
可以试，但要接受代价。量化会牺牲画面细节和帧间一致性，CPU offload 会显著拉长单条任务的等待时间。先用最小任务验证能不能出片，再决定是降参数还是换卡。如果验证下来质量不达标，这就不算一条可用的路，去 /compute/gpus 重新挑卡更省事。
我怎么知道该买卡还是继续租？
看三个量：每月稳定任务条数、素材是否必须留在内网、你愿意为等待时间付多少。条数少又不涉密就租；条数稳定且必须内网再算买卡账。买卡的成本不只是硬件，还要算电费和折旧，去 /compute/tco 有长期成本的口径可以参考。
