可灵Vidu Q4密集出手：AI视频价格从元跌到分

视频模型迎来的DeepSeek时刻，核心不在便宜，而在于便宜的同时还好用。

9月28日，快手可灵AI的Kling 4.0进入内测阶段，单次原生视频时长被拉到30秒，画质做到4K；同期上线的还有首个“轻量版”模型Kling 4.0 Flash，出片速度是主打，价格同样打算往低走，只是其API定价眼下还没公开。

到了10月8日，生数科技发布Vidu Q4 Preview，可支持15张参考图、3段参考音频，同样是4K直出，并且沿用了过去“又好又快”的路子——首发价格被压到最低0.09元每秒。

拿赛车来打比方，AI视频眼下发动机已经够猛，接下来比的是谁更省油。

除了压成本，产能也在持续爬坡，AI短剧正从小成本试水转向精品化，AI漫剧、短剧这些新品类则在快速起量。

内容端需求一爆发，大批厂商跟着进场，反过来也逼着行业去卷“标准”：人物情绪够不够细腻、叙事能不能抓住人、整体质感能不能撑住成片。

模型能力往上走之后，过去常被吐槽“AI味”的画面，现在已经很难看出是真人手搓还是AI生成：

以前要一个动画团队手搓几个月的视频，如今交给AI，脚本故事就能被完整讲出来：一张张飞舞的日历垒起高楼，再缓缓朝着主人公的方向倒塌……时间的紧迫感扑面而来。

古早新闻报道风格的搞笑题材同样如此，画面过噪的雪花点、特摄效果的打斗场景，都成了AI视频的“舒适区”。

价格普惠这波浪潮，从7月MiniMax H3打出“地板价”起就一浪高过一浪。越来越多创作者终于敢大量用AI视频来完成表达。从可灵到生数，成本优化也就成了最新一轮模型角力的关键项。

不过在工业应用里，一味卷低价并不是行业最需要的，大家更看重帕累托前沿——也就是在最强与最便宜这对矛盾需求之间，找到一条合适的边界。

说白了，行业里所有人追的都是又便宜又好。

这样的拐点，大模型行业已经经历过一回。去年年初，DeepSeek用逼近第一梯队的能力、砍掉一个数量级的价格，把前沿模型从少数玩家的专属变成人人用得起的工具——竞争从此由“谁更强”转向“谁更值”。这个节点被叫作“DeepSeek时刻”。

视频模型的DeepSeek时刻，本质不是低价，而是物美价廉。

有AI短剧行业人员告诉光锥智能，他们现在仍会把手中剧本按等级排序，优质剧本才用能力更强的模型。可这类模型的价格又超出了他们的承受范围。模型要攻智能，短剧行业需要的却是花得起，好推动AI剧的标准化制作。

比价格战更该关注的，是模型能力进阶带来的变化。

眼下模型的能力进化，比起单点提升，更偏向为电影工业化服务：内容连贯性、表演控制、镜头语言、特效与叙事的配合——它已经不停留在尝鲜阶段，而是真正融进了剧组的工作流。

卷价格、卷能力，两条战线同时开火，指向的都是同一个结论——AI视频已经走进电影工业化生产时代。

大模型十一混战，视频行业Deepseek时刻已至

多家头部AI视频模型公司选在国庆前后密集出手。表面看是价格比拼，底层其实是性能和价格的综合竞赛。

最直观的结果是，新模型效果继续往上走，价格却开始明显往下走。这同样是视频行业DeepSeek时刻到来的信号。

可灵Kling 4.0和Flash版本模型的完整版价格尚未公布，目前也只是小范围内测，但官方给Flash版明确了“生成速度快，成本极具性价比”的定位。可见可灵也把性价比写进了新版本的叙事里。

参考可灵当前Q3的API定价，720P约0.9元/秒、1080P约1.2元/秒、4K约3元/秒，Flash版大概率会把入门级价格再往下压一个台阶。

生数则从别的维度砍价。Vidu Q4 Preview首发优惠0.09元/秒起，官方估测同等预算下最高能生成约5倍内容。

先看两边的定价方式，SaaS侧给出的限时优惠持续两个月，部分规格算下来每秒只要几分钱；MaaS侧则按规格区分，图生视频720P约0.6元/秒、1080P约0.75元/秒，这一档已经和上一代Q3 Pro的0.63元每秒持平，甚至还要低一点。

字节的Seedance新一代旗舰则是另一种走法，价格比上一代至少贵了50%。按公开报价，Seedance 2.0的720P无参考生成是46元/每百万token，Seedance 2.5同一规格涨到70元/每百万token。

两相对照，生数在旗舰档位上没有跟涨，反而往下调，姿态摆得很实在。

新一轮报价陆续摆上台面后，视频旗舰模型的入门价已经从“元”那一档滑进了“分”那一档。这道门槛，是厂商自己动手拆掉的。

中国厂商把模型价格压下来之后，那些“想用又怕贵”的行业才肯掏钱为AI视频买单。

义乌市场的数据能说明一些情况：有饰品厂商用AI生成多条不同风格的视频投到海外媒体上，单条播放量超过百万，询盘转化率抬升了45%。

为什么价格战偏偏在这个节点打响？答案要从交付质量的变化里找。

一年前的AI视频是什么光景？生成十次有八次没法用，“抽卡”成了创作者的日常，有的公司甚至专门设了“抽卡师”这个岗位——把剧本切成15秒一个镜头，反复生成、反复筛，再照着画面效果一遍遍改提示词，最后才能凑出一版能用的视频。

那种情况下谈降价没有意义。生成十条才挑得出一条，价格再低，用户的实际使用成本也降不下来。

转折出现在今年年初。中银证券研报提到，以Seedance 2.0为例，一次生成的成功率最高能到约90%，而此前行业平均只有20%上下。也就是说，“抽卡”这道坎不再是创作的拦路虎。

《黑神话：悟空》制作人、游戏科学创始人冯骥认为，往后做一般性视频，成本算法不会再照着影视行业那套老规矩走，而是越来越贴近算力的边际成本。

成功率从20%爬到90%，AI视频的身份随之改变，从“尝鲜”变成了真正的“生产力工具”——玩具只讲究好不好玩，工具才要算性价比。

生数科技CEO骆怡航此前谈到，AI视频生成卡在一致性上；只要一致性解决了，各类生产力场景的创作需求都能覆盖，规模化生产也就有了高效、低成本的实现路径。

眼下一致性这个最大的瓶颈开始松动，行业顺理成章地卷起了成本。

这一幕在大模型行业里并不陌生。

领先的基模能力被多家追平之后，轻量模型和价格战就成了绕不开的选择；视频生成的质量一旦过了及格线，接下来比的自然是谁更便宜、谁更快。

价格战才刚拉开序幕，但这只是DeepSeek时刻的第一层含义。更深的变化，落在了能力层面。

从可生成转向可交付，AI视频进入工业时代

当前，AI视频行业已进入从可生成转向可交付的关键阶段。对于用户来说，能生成只是及格线，做出符合需求的产物才是竞争力。

和过去相比，大模型公司现在要操心的，是怎么让模型产出用户真正想表达的效果。

比如AI演戏被诟病的“演技”、镜头运动没有节奏、特效像贴上去的……这些说到底都指向同一件事——如何让创作者更好地把内容表达出来。

到了今年，AI视频生成模型开始琢磨怎么嵌进真实工作流，只是各家路线侧重不同：

拆开国内模型来看，字节Seedance系列偏向长视频叙事、人物真实性和可控性，单次生成最长提到30秒，还给出了时间戳级的局部编辑，把后期环节压进生成流程；可灵Kling系列更愿意打磨分镜能力和角色动作，高速运动、连续动作、跟拍、环绕这类复杂镜头语言是它的长处；生数的Vidu系列则一直强调“为剧而生”，盯住短剧、漫剧这些强叙事场景，核心是剧本怎么呈现，也就是“导演能力”。

落到具体案例上，各家模型的长处就显出来了。我们测了一段“一对情侣吵架”的剧情，让Seedance 2.0和Vidu Q4 Preview按动画短篇剧的风格来处理。两个模型都照着提示词把对话内容完成了。对比下来，Seedance 2.0在细节上拿捏得不错，比如女友撒娇时配上了“捶床”的动作，而Vidu Q4更擅长动漫风格的处理，整段视频的画面颇有日式喜剧动漫的味道。

三家走的路子不一样，可目标却是一个——AI视频不能只停留在“生成素材”，得把能直接用的成品交出来。

拿AI在影视行业的落地当切入点，参考两款模型官方公布的能力，光锥智能对比了Kling 4.0、Vidu Q4 Preview各自的变化。

头一项是角色的“演技”。Vidu Q3那会儿已经能靠分镜提示词带动角色情绪起伏，到了Vidu Q4 Preview，表达的颗粒度被进一步拉细：眼神、停顿、表情变化，都能按提示词去强化人物的表现张力。

比如一段文戏测试里，主角面对停在手臂上的猎鹰，全程没有台词，只是微微转头看向鹰，仅凭对视的眼神和短短一顿，就把“命令”的效果演了出来。

音画同步如今是行业标配，这次两款模型更新，都把声音生成能力拉进了表演体系。

Vidu Q4 Preview最让人记住的一点，是“复刻”参考音色。市面上的AI短剧常出岔子：同一个人物上一秒还是霸总音，下一秒就变回冷冰冰的AI声线。现在Vidu Q4 Preview最多支持3段参考音频，人物音色能保持统一。把萝莉音喂给模型，它就能复刻出同款音色。

可灵Kling 4.0这轮迭代，选的则是优化人物台词和“口型”的匹配度，免得观众看着“出戏”。

第二项是运镜。镜头怎么动，得为叙事和情绪服务。推镜能制造张力，环绕运镜能营造氛围，跟拍镜头则带来代入感。

这一项可灵和Vidu各有各的侧重：可灵更擅长复杂运动变化，尤其是打戏，大场面驾驭、连续动作上的表现一直是它的优势。下面这段拿猫咪当武器的战斗场面，连贯合理：

Vidu Q4 Preview在运镜上也做了升级，武打、奔跑、追逐与对抗这类高动态场景被强化，跟拍、环绕、推进等动态运镜表现也更稳，另外它还支持FPV第一人称视角创作。

第三项是特效。Vidu Q4 Preview处理爆炸、烟火、粒子、能量这些高动态视效时，不再只是浮在表面的展示，而是开始影响周围世界：火光能照到人物，烟雾能挡住视线，爆炸冲击波会带起碎屑。以雪山崩塌那段为例，已经很难看出是AI生成的，后期特效费用怕是能省下一笔。

把这一轮竞争拢一拢：可灵Kling 4.0卷的是动作和运镜，Vidu Q4卷的是“演技”和导演级别的表达能力。

从生成到标准交付，AI视频中间隔的不只是一个技术指标，它得真正从行业需求出发，把一整套工业化能力补齐。

AI视频，推动创作进入工业化时代

1895年，卢米埃尔兄弟在巴黎放映《火车进站》，行业普遍把这看作动态影像技术走向成熟的节点。

可电影真正长成影响全球的文化与商业奇迹，是半个世纪后的事——好莱坞建起了严密的制片厂体系、工业化的类型片模式、精细的工种分配，还有全球发行网络。

电影《火车进站》

艺术的繁荣，需要标准化的生产来托底。没有工业体系撑着，电影早期不过是手工作坊里的奢侈品。

今天的AI视频行业，正站在同一个关口上。推着AI视频模型走进电影工业化里的，是中国模型团队。

在AI视频行业，中国模型几乎包揽了第一梯队的大半席位。Artificial Analysis的视频竞技场榜单上，Seedance、Vidu、Kling等中国模型多次排在前列。眼下榜单靠前的多数模型，都出自中国公司。

性能领先之外，价格梯队上，海外头部模型的API价格仍普遍比国内模型贵。

拿头部模型的价格比一比：Google的Veo 3.1 Fast含音频约0.15美元每秒，完整版约0.4美元每秒；即便是3月底发布的轻量版Veo 3.1 Lite（720P，0.05美元每秒），价格也只够和国内中高端模型打平，画质和能力却差得明显。

不过从下半年起，视频模型的消耗结构里，轻量模型正变成走量主力。参考OpenRouter的token消耗排行，Veo 3.1 Lite、Seedance 2.0 Fast这类模型的消耗，已经超过其它主流模型。

迭代快、场景深、价格狠——中国模型这“三板斧”砍下去，海外模型很难接得住。

把视线放远一点，国内AI视频这两年里，从追着别人跑，到并排跑，再到各走各的路，三个阶段一个没落下。

2022年那会儿，扩散模型和Transformer一结合，视觉生成一下子被顶到了新高度。海外Stability AI把Stable Diffusion开源之后，微调模型生态迅速膨胀。国内大厂当时还没把视频生成当回事，牌桌上先坐下的是AI创业公司——生数科技拿出的U-ViT架构，比Sora后来用的DiT架构还要早。

到了2024年，Vidu推出国内第一个全面对标Sora的视频模型，可灵、即梦也在同一时期进场，国产模型头一回和OpenAI站到了同一条起跑线上。等真实感不再稀罕、各家旗舰的画面都能“骗过肉眼”，第一梯队就分开了——比的不再是谁画得像，而是性价比和差异化。具体到国内这几家，字节、可灵、生数各自选了不同的路。

字节是“两手抓”。C端这边，Seedance在人物表现上的真实感充当模型底座，再通过豆包、即梦这些入口铺到海量用户面前；B端那边试的是专业解决方案，像面向影视行业的白模工具，朝着工业级生产工具的方向去。

可灵盯的是电影质感。Kling系列一直在画面细节、真实感和整体质感上加码，4K 60fps、21:9超宽画幅这些规格摆出来，目标就是专业影视制作工具。

Vidu则把表现力和性价比捆在一起。和另外两家比，Vidu的长处更多落在功能创新和效率优化上：首创的“参考生视频”和多主体一致性，后来都成了行业里的标配；效率方面，从Q2到Q4一路往下压——Q2把生成时间压到10秒以内，Q3做到16秒声画同出，Q4直接把旗舰模型的价格打到0.09元/秒起。

表现力一旦变得便宜，内容生产这行就真有了变化。最直接的一点，成本降下来之后，用户不用再怕抽卡，可以多跑几轮测试，把好创意放到市场上批量跑。

广告就是个例子。过去一个SKU可能只做一两条视频，制作太贵，做完就上线，效果好不好全看运气。现在成本低了，十条八条版本都能做，A/B测试跑起来，哪个转化高就用哪个。

再看创作群体，AI视频门槛往下走、质量往上走，个人制作者也能拿出不输团队的东西，“创作平权”不再只是喊口号。

AI短剧《被裁掉的女孩》就挺典型。这部由个人创作者菲菲飞原创的作品，6月上线，7月抖音播放量破2亿，第二季8月上线，两季全平台总播放量预计已过5亿。

有从业者告诉光锥智能，用性价比更高的模型，现在单部AI短片成本能控制在8000元左右；真人短剧动辄几十万，两边的差距正在被大幅拉开。模型在进步，会讲故事的人也能自己把作品做出来。

视频模型的“DeepSeek时刻”，是能力过线之后自然发生的。前沿能力不再是少数玩家的专属，性价比成了新的竞争维度。

接下来要看的，是模型的表达能力怎么解决，AI怎么进一步融进真实行业的内容生产——这是AI视频走向工业生产时代的关键。

竞争焦点就一个：谁先进入生产者的工作流，谁就能先拿走下一个时代。