MiniMax H3 vs Seedance 2.0：怎么选？
这两个模型都已在 EvoLink 上提供。它们都能从文本生成视频、控制首尾帧，并使用图像、视频和音频参考。现在真正需要比较的，已经不是“已上线模型”和“未来模型”，而是两种不同的生产方案：一边是结构集中的 H3 三路由契约，另一边是覆盖 Standard、Fast 和 Mini 的 Seedance 2.0 模型家族。
在没有使用相同输入做配对测试之前，不能诚实地断言谁是通用的画质冠军。更可靠的选择方法，是先比较工作流差异，再用同一个创意任务测试两个模型，最后根据首次通过率、延迟和总生产成本分配路由。
最大区别：聚焦的 2K 控制与更宽的生产模型家族
MiniMax H3 可以理解为一个聚焦的模型，提供三个明确入口：
- 文生视频；
- 图生视频，可使用首帧、尾帧或同时使用两者；
- 参考生视频，可输入图像、视频和音频参考。
当前三个 H3 路由都输出 2K 视频，并支持 4–15 秒时长。对于希望统一交付规格、又不需要单独草稿模型的产品团队，这种结构更容易理解和管理。
Seedance 2.0 则是一个更宽的路由家族。EvoLink 在文生视频、图生视频和参考生视频工作流中，都提供了 Standard、Fast 和 Mini 档位。当前 Standard 路由提供更多分辨率选择，Fast 和 Mini 则能为团队提供更低成本或更快的迭代路径。Seedance 还在受支持的路由中提供同步音频控制，并在部分文生视频路由中支持可选的联网搜索。
这种差异会直接影响产品架构：
- H3 缩小了模型选择范围，并把 2K 设为默认生产目标。
- Seedance 2.0 允许产品区分低成本草稿、快速预览、参考素材密集型生产、同步音频和更高分辨率的最终交付。
相应的代价是复杂度。Seedance 的更多变体让团队可以更细致地控制成本和体验，但也需要更清晰的路由规则。H3 需要做的选择更少，但并不是每一次草稿生成都需要固定 2K。
MiniMax H3 vs Seedance 2.0 核心参数对比
下表依据当前 EvoLink 路由契约整理。分辨率更高或功能更多，并不自动等于视频质量更好。
| 对比维度 | EvoLink 上的 MiniMax H3 | EvoLink 上的 Seedance 2.0 | 对生产的意义 |
|---|---|---|---|
| 主要结构 | 3 种工作流 | 文本、图像和参考工作流均覆盖 Standard、Fast、Mini | H3 更简单；Seedance 路由选择更多 |
| 文生视频 | 独立 H3 路由 | Standard、Fast、Mini 变体 | Seedance 可区分草稿与最终生成 |
| 图生视频 | 首帧、尾帧或两者同时使用 | 1 张图作为首帧，或 2 张图作为首尾帧 | 两者都支持可控关键帧转场 |
| 参考生视频 | 图像、视频和音频 | 图像、视频和音频 | 两者都支持多模态参考生产 |
| 参考素材上限 | 最多 9 张图像、3 个视频和 3 个音频文件 | 最多 9 张图像、3 个视频和 3 个音频文件 | 输入数量本身不能决定谁更好 |
| 时长 | 4–15 秒 | 4–15 秒 | 区间相同，时长已不再是区分点 |
| 输出画质 | 2K | 取决于路由；Standard 提供 480p、720p、1080p 和 4K 选项 | H3 固定；Seedance 支持从草稿到最终交付的画质档位 |
| 生成音频 | 与视频一同生成，没有参数可以控制 | generate_audio 控制是否生成同步音频 | 两者都出声；只有 Seedance 允许你拒绝它 |
| 联网搜索 | 当前 H3 路由没有该参数 | 部分 Seedance 文生视频路由可选 | 当工作流需要当前网络信息时，Seedance 可补充相关上下文 |
| 最适合的默认角色 | 可控的 2K 生产镜头 | 分档生成、同步音频和更广泛的产品路由 | 应按工作流选择，而不是按模型新旧选择 |
MiniMax H3 和 Seedance 2.0 分别是什么？
MiniMax H3
MiniMax H3 也常被搜索为 Hailuo 3 或 Hailuo 03，是 MiniMax 新一代视频模型。在 EvoLink 上，它不是把所有能力塞进同一个复杂路由，而是按三种输入契约组织。
文生视频路由给模型最大的创作自由；图生视频路由明确约束开场和结尾构图；参考生视频路由可以组合多张图像、多个视频和音频文件，用来传达身份、动作、风格、节奏或声音语境。
H3 当前固定输出 2K，因此定位相对清楚：它适合希望采用较高且统一的交付档位、不想为每次请求单独选择分辨率的团队。
Seedance 2.0
Seedance 2.0 是字节跳动推出的原生多模态音视频生成模型家族。当前 EvoLink 接入覆盖文生视频、图生视频和参考生视频，并提供 Standard、Fast 和 Mini 变体。
这里真正重要的是它的家族结构。团队可以先用较轻的路由迭代提示词或批量生成草稿，再把选中的任务提升到 Standard 路由和更高的输出档位。Seedance 还提供明确的同步音频生成、多模态参考输入，以及在部分文本工作流中可选的联网搜索。
因此，Seedance 并不是一个单一路由。它的价值在于：同一个模型家族可以承接草稿、快速预览、音视频生成、参考素材密集型生产和最终交付等多种体验。
能力深度对比
文生视频与场景调度
两个模型都可以从文本提示词开始生成。公平测试应该使用同一份镜头说明，其中包括主体、动作、环境、运镜、光线、风格和目标时长。
如果产品希望第一次调用就获得 2K 结果，H3 是更直接的选择。如果产品需要先低成本探索创意，再决定是否进行最终渲染，Seedance 会更灵活。Fast 和 Mini 可以把“这个创意是否值得继续”与“这是不是最终交付文件”拆成两个阶段。
当提示词依赖当前的公开信息、产品、地点或事件时，Seedance 的可选联网搜索可能有帮助。但不应为每次请求默认开启：联网检索会引入额外延迟、成本和事实波动。H3 当前路由则让生成需求保持自包含。
测试文生视频时，应优先评分提示词遵循度，而不是只看画面是否漂亮。一个好看但改变了指定动作、运镜、产品或结尾的片段，并不是成功结果。
首尾帧控制
现在已经不能再简单地说“H3 有关键帧，而 Seedance 没有”。当前 EvoLink 的两个图生视频路由，都可以使用 1 张图作为首帧，或使用 2 张图作为首尾帧。
真正需要比较的是转场过程：
- 模型能否在两个端点之间保持产品或角色身份？
- 中间过程是否符合物理逻辑？
- 运镜能否同时兼容两张图的构图？
- 最后一帧是否足够准确，可以继续用于下一个剪辑？
关键帧之间可能发生冲突。如果两张图里的主体比例、机位高度、透视、光线方向或几何结构变化太大，两个模型都可能满足首尾端点，却让中间过程出现变形。除非创意本身就是形态变化，否则首尾帧最好设计为同一个镜头中的相邻状态。
图像、视频和音频参考
在当前 EvoLink 参考工作流中，H3 和 Seedance 2.0 都支持最多 9 张图像、3 个视频和 3 个音频参考。正因为数量上相近，参考素材上限不应该被当作主要差异。
更值得测试的是参考绑定是否准确：
- 哪张图负责控制身份？
- 哪个参考素材负责产品形状或服装？
- 哪个视频负责身体动作或镜头运动？
- 每个音频文件分别承担什么作用？
- 当两个来源互相冲突时，模型如何处理？
Seedance 的参考提示词使用带编号的明确引用标签，因此更容易在提示词中说明各素材的职责。H3 路由使用有序输入数组和自然语言说明。无论使用哪个模型，都应该给素材做版本管理，并记录每个素材的预期作用，这样才能诊断失败生成。
更多参考素材不一定带来更多控制。少量、相互一致的参考素材，通常比一组在光线、身份、风格或时间节奏上互相冲突的素材表现更好。
音频与时间同步
generate_audio 选项，意味着每个任务都可以要或不要音频。H3 没有这样的参数：它的音频不是一次请求能控制的。在 H3 这一侧，这个输入有一种值得测试的用法：官方的参考生视频示例同时传入一段参考视频和一段参考音频，并把台词写进提示词，附上「使用 Audio 1 的声音并同步口型」的指令。台词在文本里，音色来自你自己的文件。这条路由仍然要求至少有一张参考图或一段参考视频，只传音频会被拒绝。
音频测试至少应分为以下几层：
- 是否出现正确的声音或人声意图；
- 对话或节拍是否与可见动作同步；
- 剪辑和运镜是否遵循预期节奏；
- 噪声、发音或意外环境音是否需要修复；
- 音频节省的后期时间，是否多于重试增加的时间。
如果成片最终必须是无声的，这现在就是 Seedance 的一个加分项，而不是中性因素：用 H3 时，生成音轨必须在后期被剥离或替换，这一步应该计入成本估算。
分辨率、时长与档位设计
H3 当前只提供一个输出档位：2K。这减少了配置选择，也有利于团队统一审核流程，但早期提示词探索可能会因此支付不必要的成本。
Seedance Standard 提供更宽的画质阶梯，Fast 和 Mini 则聚焦于更低成本或更快的工作流。这种结构适合建立“草稿到成片”的策略：
- 使用较低档位探索提示词；
- 尽早淘汰较弱创意；
- 只提升已经选中的任务；
- 按交付要求渲染最终候选；
- 比较每个通过验收素材的总成本，而不是单次调用价格。
两者都从 4 秒起、都到 15 秒，时长已经不构成选型理由。请改用其他维度判断：输出档位、草稿路由，以及生成音频的可控性。
什么时候 MiniMax H3 更合适？
以下情况可以优先选择 H3：
- 每个通过验收的结果都需要 2K 交付文件；
- 产品只希望提供三个清晰的模型选项；
- 文本、关键帧和多模态参考已经覆盖所需工作流；
- 每条交付物本来就要声音，自带音轨可以省掉一道独立的音频工序；
- 团队更偏好固定的画质策略，而不是从草稿到成片的模型阶梯；
- 工作负载适合 MiniMax 的生成结果，并且已经接入 Hailuo 模型家族。
对于可控的产品转场、由参考素材指导的角色镜头、高质量短视频，以及不希望用户理解 Standard、Fast、Mini 和多个分辨率选项的应用，H3 尤其容易说明其价值。
但它并不自动适合生成草稿。如果大部分创意最终都会被淘汰，固定 2K 输出可能会让团队在确认创意是否可用之前，就投入更多算力和审核成本。
什么时候 Seedance 2.0 更合适？
以下情况可以优先选择 Seedance 2.0：
- 部分交付物必须在无声状态下生成；
- 产品需要 Standard、Fast 和 Mini 选择；
- 用户需要在画质、速度和成本之间做取舍；
- 低成本草稿工作流需要衔接更高质量的最终路由；
- 可选联网搜索能够支持依赖当前信息的视频创意；
- 同一个应用既服务轻量创作者，也服务生产团队；
- 多模态参考和生成音频需要放在同一个工作流里。
当产品本身需要丰富的路由选择时，Seedance 是更强的模型家族级平台。但如果用户不知道应该选哪个档位，这种丰富度也会变成缺点。好的产品设计应该按任务隐藏不必要的变体，而不是直接向用户展示 9 个模型 ID。
五个真实生产场景
1. 已确定结尾的产品形态变化
验收指标应包括几何结构、Logo、表面材质、物理合理性，以及最后一帧能否继续用于下一个剪辑。
2. 由源视频指导的角色表演
两个参考路由都能组合身份图像与表演视频。如果结果需要直接进入固定 2K 审核流程，H3 更有吸引力。如果表演还需要生成对话、音效或跟随音乐节奏，Seedance 会更合适。
测试时应检查模型是否保留了目标动作，同时避免把动作参考视频里无关的背景、镜头抖动、体型或服装也带入结果。
3. 带对话和声音的短广告
如果声音会在独立配音或后期流程中完成，H3 仍然可能适用。此时应该比较“H3 的 2K 画面加后期音频”与“一次 Seedance 音视频调用”，哪种方案能获得更好的最终验收素材。
4. 数百条社交视频变体
只把选中的创意提升到 Seedance Standard 或 H3。当某个选中创意需要可控 2K 输出时，H3 可以成为最终镜头路由。这种混合策略通常比强迫一个模型同时承担探索和最终交付更合理。
5. 高分辨率最终交付
H3 提供一致的 2K 路由。Seedance Standard 在当前 EvoLink 契约中提供更广的画质范围，其中包括更高的输出选项。
不要只根据分辨率标签做决定。应以原始尺寸检查交付文件。更高分辨率可能会暴露不稳定的手部、纹理闪烁、面部漂移、边缘伪影和文字不一致，而这些问题在较小预览中可能并不明显。
提示词和参考素材应该如何调整？
两个模型应保留相同的创意需求，但输入结构需要适配各自路由。
| 创意任务 | H3 输入设计 | Seedance 2.0 输入设计 | 评测重点 |
|---|---|---|---|
| 纯提示词场景 | 使用一份完整、自包含的镜头说明 | 探索时从 Mini/Fast 开始，最终输出使用 Standard；仅在必要时开启联网搜索 | 遵循度、构图、运动、每条验收视频成本 |
| 首帧动画 | 用源图作为首帧，并描述会发生什么变化 | 使用 1 张图；根据草稿或最终交付角色选择档位和画质 | 身份、背景稳定性、运镜 |
| 首尾帧转场 | 提供两张兼容图像，并描述中间动作 | 提供 2 张图，在目标档位上测试 | 端点准确度和中间帧合理性 |
| 表演迁移 | 图像负责身份，视频负责动作；仅在职责清晰时添加音频 | 在提示词中明确引用带编号的图像、视频和音频参考 | 正确绑定和非预期继承 |
| 音频驱动广告 | 声音随片子一起返回，第一轮就要评审语音和时间点 | 开启 generate_audio 并补充音频参考 | 时间同步、对话、声音相关性、修复成本 |
| 高产量变体 | 只有在 2K 草稿合理时才直接生成 | 初始任务分配给 Mini/Fast，再提升优胜版本 | 单位成本学习量和通过率 |
一个完整提示词仍然应该描述主体、动作、环境、运镜、视觉处理和时间节奏。参考素材应该承担那些难以通过文字稳定表达的信息。不要重复描述图像中的每个可见细节；提示词应重点说明哪些内容要移动、改变、保持不动，或从哪个来源借用。
常见失败模式与取舍
| 失败模式 | H3 风险 | Seedance 2.0 风险 | 缓解方法 |
|---|---|---|---|
| 首尾帧转场变形 | 不兼容的端点迫使模型生成不合理的中间过程 | 同样可能发生关键帧冲突 | 使用透视、比例和光线相互兼容的相邻状态 |
| 参考身份冲突 | 有序素材在面部、产品或风格上互相冲突 | 带编号参考绑定到冲突的身份或职责 | 只保留一个身份锚点，并移除弱参考 |
| 动作参考压过构图 | 源视频带入不需要的镜头或姿态 | 各档位都可能发生同类继承 | 使用更干净的动作片段，并明确哪些内容不能迁移 |
| 音频与动作漂移 | 生成音频可能出现时间、发音或场景意图错误，而且无法关闭 | 开启 generate_audio 时可能出现同样的漂移 | 同时评测音频与画面，并保留后期声音回退方案 |
| 长镜头一致性下降 | 15 秒 2K 镜头让身份和动作有更多时间漂移 | 较长的多模态片段可能累积镜头和音频漂移 | 降低场景复杂度，或在自然剪辑点拆分 |
| 草稿成本过高 | 固定 2K 对淘汰创意来说可能过度 | 选错档位或画质会抵消模型家族的成本优势 | 按生命周期阶段路由，并记录每条验收视频成本 |
| 产品复杂度 | 路由更少会限制用户选择 | 9 个变体会增加用户和接入逻辑的理解成本 | 提供基于任务的预设，而不是裸露模型 ID |
| 高分辨率暴露瑕疵 | 2K 让细小缺陷更明显 | 1080p 或 4K 也会暴露同类问题 | 检查原始文件，并加入局部放大审核 |
模型提供的输入类型和路由选择越多，请求日志就越重要。每一次评测都应保存模型 ID、档位、画质、提示词、输入版本、时长、音频设置、延迟、失败记录和审核结果。
如何进行公平对比？
只使用一条文本提示词并不够，因为这样会忽略两个工作流真正不同的能力。至少应设置六条测试轨道：
| 测试轨道 | 共同设置 | 主要评分指标 |
|---|---|---|
| 纯文本 | 相同镜头说明和尽可能接近的时长 | 提示词遵循度和构图 |
| 首帧 | 相同源图与运镜要求 | 身份和动作稳定性 |
| 首尾帧 | 相同且兼容的两个端点 | 转场合理性和尾帧准确度 |
| 多参考 | 相同的身份、风格、产品和动作素材 | 参考绑定准确度和冲突处理 |
| 音频驱动 | 相同对话、节奏或音频意图 | 同步、相关性、发音和修复时间 |
| 草稿到成片 | 相同创意目标和验收规则 | 获得一个通过验收素材的总成本与时间 |
不要用 Seedance Mini 草稿与 H3 2K 最终渲染直接比较，再把结果称为模型画质测试。两次调用的目的应尽可能一致。如果输出档位无法完全匹配，应明确说明差异，并评估这种差异所代表的产品决策。
每次尝试都应评分：
- 提示词与参考素材遵循度；
- 身份和产品一致性；
- 手部、面部、接触和物理互动；
- 运镜准确度；
- 时间稳定性；
- 适用情况下的音频同步；
- 首次通过率；
- 排队与生成时间；
- 失败、重试和内容审核结果；
- 审核与后期制作时间。
条件允许时，应对审核者隐藏路由名称。一个需要淘汰五次才能产生一条惊艳样片的模型，可能不如峰值画质稍低但验收通过率更稳定的模型实用。
标价之外的生产成本
建议使用以下公式：
accepted_output_cost =
generation_charges
+ input_processing
+ retries
+ audio_or_editing
+ reviewer_timeH3 的固定 2K 工作流可能减少选择和接入成本，但也可能在本应作为草稿淘汰的创意上花费更多。Seedance 的分档设计可能降低早期成本，但前提是产品能正确提升任务，并避免在多个档位之间进行不必要的重复生成。
音频也会改变成本对比。如果一次 Seedance 生成能同时交付可用画面和声音，就可能替代单独的配音、音效和对齐工作。如果生成音频需要反复修复，看似“一次完成”的优势也会消失。
应该比较每个通过验收素材的生产成本，而不是每次提交生成的标价。
推荐的 EvoLink 路由策略
| 工作负载角色 | 推荐起始路由 | 提升或回退规则 |
|---|---|---|
| 可控的 2K 最终镜头 | MiniMax H3 | 当音频或其他画质档位重要时，用 Seedance Standard 作为挑战路由 |
| 低成本创意探索 | Seedance Mini 或 Fast | 把选中创意提升到 Seedance Standard 或 H3 |
| 必须无声的交付物 | 关闭 generate_audio 的 Seedance 2.0 | H3 加一道音轨剥离工序 |
| 首尾帧转场 | 两者都测试 | 按端点准确度、中间帧合理性和每条验收视频成本路由 |
| 参考素材驱动的角色表演 | 两者都测试 | 需要生成音频时使用 Seedance；适合固定 2K 交付时使用 H3 |
| 依赖当前信息的文生视频 | 在确有必要时使用 Seedance 联网搜索 | 对自包含需求关闭检索 |
| 简单产品接入 | H3 的三路由结构 | 只有在用户需要额外选择时才加入 Seedance 档位 |
在模型适配器之上，保留一层统一的产品任务契约：
text_scenekeyframe_transitionreference_performanceaudio_videodraft_variantfinal_render
通过配置把这些任务映射到具体模型 ID。不要让通用别名在没有提示的情况下改变档位、分辨率、音频行为或可接受的输入。提交前验证不受支持的组合，并为每个生产关键任务保留经过测试的回退路由。
最终结论
更强的生产策略可能会同时使用两者。Seedance 可以探索创意、生成音视频并服务不同成本档位；H3 可以把选中的镜头带入一致的 2K 参考控制工作流。正确的默认路由，是能在可接受总成本下带来最高通过率的路由，而不是功能列表最长的模型。
常见问题
MiniMax H3 比 Seedance 2.0 更好吗？
并不是所有工作流都如此。H3 提供聚焦的 2K 契约和三个明确模式；Seedance 2.0 提供更多档位、输出选择、同步音频和可选联网搜索。视觉质量仍需要使用相同输入做配对测试。
MiniMax H3 和 Seedance 2.0 最大的区别是什么？
H3 是一个固定输出 2K 的三路由模型。Seedance 2.0 是一个更宽的模型家族，拥有 Standard、Fast 和 Mini 变体、多个分辨率选项，以及明确的同步音频生成。
两个模型都支持首尾帧生成视频吗？
支持。当前 EvoLink 的 H3 和 Seedance 2.0 图生视频路由都可以使用首帧、尾帧，或同时使用两者。
两个模型都支持图像、视频和音频参考吗？
支持。当前参考工作流最多支持 9 张图像、3 个视频和 3 个音频文件。不能只提交音频参考，至少还要包含一张图像或一个视频参考。
哪个模型更适合生成带对话或同步声音的视频？
两者都会生成同步音频，所以请用真实脚本把两个都测一遍。Seedance 额外提供了关闭音频的能力，当同一条流水线里有些交付物必须保持无声时，这一点很重要。评判标准应该是目标语言下的说话人准确度、口型同步和发音，而不是「谁有音频」。
哪个模型更适合低成本草稿？
Seedance 2.0 Fast 或 Mini 是更自然的起点，因为这些档位面向更快或更低成本的迭代。H3 当前输出 2K，没有单独的草稿档位。
哪个模型支持更长的视频？
当前 EvoLink 路由中，两者最长都支持 15 秒。Seedance 最短从 4 秒开始，H3 最短从 5 秒开始。
哪个模型支持更高分辨率？
H3 当前输出 2K。Seedance 的画质取决于所选路由和档位；当前 Standard 路由提供更宽的画质阶梯，其中包括更高的输出选项。由于不同路由的分辨率和价格可能变化，请以实时产品页为准。
团队应该如何比较 MiniMax H3 和 Seedance 2.0 的价格？
应比较一个通过验收素材的完整成本，包括生成、输入处理、重试、音频或剪辑，以及审核时间。不要把低档位 Seedance 草稿与 H3 2K 最终渲染直接比较。
可以通过一个 EvoLink 接入同时使用两个模型吗？
可以。EvoLink 的统一视频生成工作流允许产品把不同任务分配给不同模型 ID，同时在一个平台中管理 API Key、任务轮询、回调和用量。模型特有的输入参数仍需明确验证。
