9月28日，快手可灵AI推出Kling 4.0内测版本，将单次原生视频时长延长至30秒，画质提升至4K，同时上线首个“轻量版”模型Kling 4.0 Flash，主打生成速度快、成本更低，但API定价尚未公开。
10月8日，生数科技发布Vidu Q4 Preview，支持15张参考图、3段参考音频，同样支持4K直出，并延续“又好又快”特点——首发价格降至最低0.09元每秒。
将AI视频类比为赛车比赛：发动机动力充足后，大家开始比拼油耗。
除了降成本，产能持续提升，AI短剧从小成本试水走向精品化，AI漫剧、短剧等新品类快速崛起。
目前，内容端需求爆发吸引大量厂商入场，同时倒逼行业“卷标准”：人物情绪细腻度、叙事吸引力、整体质感能否支撑成片。
随着模型能力提升，过去被吐槽“AI味”的内容，现在已难以区分是人工制作还是AI生成：
以往需要动画团队手工制作数月的视频，交给AI后能完美呈现脚本故事：飞舞的日历堆成高楼，再缓缓向主人公倒塌……时间紧迫感扑面而来，令人“震惊瘫坐”。
还有古早新闻风格的搞笑题材，画面过噪的雪花点、特摄效果的打斗场景，都成为AI视频的“舒适区”。
从7月MiniMax H3打出“地板价”开始，价格普惠浪潮一波接一波。越来越多创作者有底气大量尝试用AI视频表达。从可灵到生数，成本优化成为新一轮模型竞争的关键。
但在工业应用中，比起一味卷低价，行业更需追求帕累托前沿——在最强与最便宜之间找到合适边界。
简单来说，行业所有人都在追求又便宜又好。
这一拐点，大模型行业去年已经历过。年初，DeepSeek以逼近第一梯队的能力、降低一个数量级的价格，使前沿模型从少数玩家专属变为人人可用的工具——行业竞争从“谁更强”转向“谁更值”。这一节点被称为“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，他们仍会将剧本按等级排序，优质剧本才用能力更强的模型。但这类模型价格超出承受范围。模型要攻智能，但短剧行业需要的是能负担得起，推动AI剧标准化制作。
比价格战更值得关注的是模型能力进阶的变化。
相比模型单点能力提升，现在能力进化更倾向于为电影工业化服务：内容连贯性、表演控制、镜头语言、特效与叙事配合——模型已不再停留于尝鲜阶段，开始真正融入剧组工作流。
卷价格、卷能力，两条战线同时开火，都指向同一结论——AI视频已进入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。表面是价格比拼，底层是性能与价格的综合竞赛。
最直观结果是，新模型效果持续向上，但价格开始明显下降。这也是视频行业DeepSeek时刻到来的信号。
尽管可灵Kling 4.0和Flash版完整价格尚未公布，目前仅小范围内测，但官方明确Flash版定位为“生成速度快，成本极具性价比”。这表明可灵也将性价比纳入新版本叙事。
参考可灵当前Q3 API定价，720P约0.9元/秒、1080P约1.2元/秒、4K约3元/秒，Flash版大概率将入门级价格再压一个台阶。
生数则从不同维度砍价。Vidu Q4 Preview首发优惠0.09元/秒起，官方估测同等预算下最高可生成约5倍内容。
从不同侧定价看，SaaS侧还有两个月限时优惠，部分规格可降至每秒几分钱级别；MaaS侧的图生视频720P约0.6元/秒、1080P约0.75元/秒，与上一代Q3 Pro（0.63元每秒）接近甚至更低。
字节Seedance新一代旗舰模型价格较上一代至少上浮50%：按报价，Seedance 2.0的720P无参考生成为46元/每百万token，Seedance 2.5同规格定价为70元/每百万token。
对比来看，生数在旗舰定价不涨反降，显得诚意十足。
随着厂商们新一轮定价露出水面，视频旗舰模型的入门价从“元”时代进入“分”时代。行业门槛已被厂商们自己打下来。
模型价格被中国厂商们打下去，“想用但怕贵”的其他行业才愿意为AI视频买单。
义乌市场数据显示，有饰品厂商借助AI生成多条风格视频在海外媒体投放，单条播放超百万，询盘转化率提升45%。
为什么偏偏是现在开始打价格战？答案藏在交付质量的变化中。
一年前的AI视频什么样？生成十次有八次不能用，“抽卡”是创作者日常，甚至公司专门设“抽卡师”岗位——将剧本拆成15秒镜头，一遍遍生成、筛选，还要根据画面表现重复调整提示词，才能得到一版符合要求的视频。
这时，谈降价没有意义。因为再便宜，生成十条才能用一条，用户实际使用成本根本无法降低。
转折点发生在今年年初。以Seedance 2.0为例，据中银证券研报，Seedance 2.0一次生成成功率最高可达约90%，而此前行业平均水平仅约20%。这意味着，“抽卡”不再是创作拦路虎。
《黑神话：悟空》制作人、游戏科学创始人冯骥表示，一般性视频的制作成本将无法再沿用影视行业传统逻辑，开始逐渐趋近算力的边际成本。
当成功率从20%爬到90%，AI视频就从“尝鲜”变为真正的“生产力工具”——玩具只谈好不好玩，工具才要讲性价比。
生数科技CEO骆怡航曾提及，AI视频生成的核心问题是一致性，解决这一问题，就可满足多种生产力场景的创作需求，实现高效、低成本的规模化生产。
现在，一致性这个最大瓶颈松动了，行业自然进入卷成本阶段。
这一幕在大模型行业似曾相识。
当领先的基模能力开始被多家追平，轻量模型、价格战就成了必选项；当视频生成质量过了及格线，比谁更便宜、更快，就成了下一个战场。
价格战的序幕已经拉开，但这只是DeepSeek时刻的第一层含义。更深层的变化，发生在能力层面。
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。
相比之前，现在大模型公司们更需要考虑的是如何让模型产出用户想要表达的效果。
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……这些本质上都指向一个问题——如何让创作者更好地表达内容。
今年，AI视频生成模型开始考虑如何融入真实工作流，只是彼此路线各有侧重：
拆解国内模型，字节Seedance系列倾向于长视频叙事、人物真实性和可控性，模型不仅将单次生成视频提升至最长30秒，还提供时间戳级局部编辑，将后期压缩进生成流程；可灵Kling系列更倾向于优化分镜能力和角色动作，高速运动、连续动作、跟拍、环绕等复杂镜头语言是其强项；生数Vidu系列则始终强调“为剧而生”，锁定短剧、漫剧等强叙事场景，核心是如何呈现剧本，即“导演能力”。
具体到案例，不同模型的优势就能体现出来。我们测试了“一对情侣吵架”的剧情，让Seedance 2.0和Vidu Q4 Preview以动画短篇剧风格处理。两个模型均遵循提示词完成所有对话内容。对比来看，Seedance 2.0在细节上把控得很好，比如女友撒娇配合了“捶床”动作，而Vidu Q4则更擅长动漫风格处理，整段视频画面处理颇有日式喜剧动漫风格。
三家路线不同，但终点一致——让AI视频从最初只负责“生成素材”，进一步能够交付“拿来即用”的成品。
以AI在影视行业的应用为切口，根据两款模型官方展示能力，光锥智能对比了Kling 4.0、Vidu Q4 Preview的能力变化：
首先是角色的“演技”。Vidu Q3时代已能通过分镜提示词驱动角色情绪变化，但Vidu Q4 Preview进一步强化了表达颗粒度：眼神、停顿、表情变化，都可按提示词加强人物表现张力。
例如在一段文戏测试中，面对停歇在手臂上的猎鹰，画面中主角不靠台词，轻微转头看向鹰，只靠对视眼神和短暂停顿，就展现出“命令”效果。
同时，音画同步作为行业标配能力，两款模型本次更新也将声音生成能力拉进了表演体系。
其中，Vidu Q4 Preview给人印象最深的是“复刻”参考音色的能力。市面上的AI短剧时不时会出现同一个人物上一秒还是霸总音，下一秒就变回冰冷AI声线。目前，Vidu Q4 Preview支持最多3段参考音频，可保持人物音色统一。比如将萝莉音喂给模型，就能复刻出同款音色。
可灵Kling 4.0本次迭代方向则选择优化人物台词和“口型”匹配度，避免观众“出戏”。
其次是运镜能力，镜头运动需服务于叙事和情绪。比如，靠推镜制造张力、环绕运镜营造氛围、跟拍镜头带来代入感。
这一项上可灵和Vidu各有侧重：可灵更擅长复杂运动变化，尤其打戏——在大场面驾驭、连续动作上的表现也是一贯优势。这段用猫咪当武器的战斗场面表现十分连贯合理：
Vidu Q4 Preview同样在运镜上再升级，强化武打、奔跑、追逐与对抗等高动态场景的同时，在跟拍、环绕、推进等动态运镜上表现更稳定，它还支持FPV第一人称视角创作。
最后是特效，Vidu Q4 Preview在处理爆炸、烟火、粒子、能量等高动态视效时，不再是浮于表面的展示，而是开始影响周围世界：火光可照到人物、烟雾可影响视线、爆炸冲击波会带起碎屑。以雪山崩塌这段为例，已很难看出是AI生成，这得给后期省下一笔特效费用。
总结这一轮竞争，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视频中间隔着的不仅是单一技术指标，它需要真正从行业需求出发，完成一整套工业化能力的补齐。
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》，被行业认为是动态影像技术走向成熟。
但电影真正成长为影响全球的文化与商业奇迹，却是半个世纪后的事情——好莱坞建立起了严密的制片厂体系、工业化的类型片式、精细的工种分配以及全球发行网络。
电影《火车进站》
艺术的繁荣需要标准化的生产来辅助落地，没有工业体系的支撑，电影早期只是手工作坊里的奢侈品。
今天的AI视频行业，正站在同样的关口。而推动AI视频模型成为电影工业化一部分的，是中国模型团队。
AI视频行业里，中国模型可以说包揽了第一梯队的绝大部分席位。 在Artificial Analysis的视频竞技场榜单上，Seedance、Vidu、Kling等中国模型多次位居前列。如今，排行榜上位列前茅的多数模型，都来自中国公司。
不仅性能领先，价格梯队上，海外头部模型的API价格仍普遍高于国内模型。
对比头部模型价格，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），价格也只能和国内中高端模型打平，但画质和能力差距明显。
但从下半年开始，在视频模型消耗结构上，轻量模型正在成为走量主力。以OpenRouter的token消耗排行作为参考，可以看到诸如Veo 3.1 Lite、Seedance 2.0 Fast等模型的消耗，超过了其他主流模型。
迭代快、场景深、价格狠——中国模型的“三板斧”砍下去，海外模型很难接得住。
把镜头拉远看，过去两年，国内AI视频行业完整走完了从追赶、并跑到分化的三段路。
2022年，扩散模型与Transformer的融合刚刚打开视觉生成的天花板。海外，Stability AI开源Stable Diffusion，催生了庞大的微调模型生态，但国内大厂彼时还没有把视频生成摆上牌桌，倒是AI创业公司率先发力，比如生数科技提出的U-ViT架构，它甚至早于Sora采用的DiT架构。
2024年，Vidu发布国内首个全面对标Sora的视频模型，可灵、即梦同期入场，国产模型第一次与OpenAI站上同一条起跑线。而当真实感不再是稀缺品、各家旗舰的画面都足以“骗过肉眼”之后，第一梯队随即分化——竞争重心变成了性价比和差异化能力。
聚焦到国内第一梯队，字节、可灵和生数代表了三条不同的路线：
字节正在“两手抓”，一方面靠Seedance在人物表现上的真实感给C端创作提供模型底座，通过豆包、即梦等入口触达海量用户；另一方面在B端尝试专业解决方案，比如面向影视行业的白模工具，往工业级生产工具方向走。
可灵走的是电影质感路线。Kling系列在画面细节、真实感与整体质感上持续投入，4K 60fps、21:9超宽画幅等规格的设置，它想直接对标专业影视制作工具。
Vidu走的是表现力加性价比的路线，对比其他两家，Vidu的优势更多集中在功能创新和效率优化上。比如首创的“参考生视频”和多主体一致性，后续变成了行业标配能力；同时从Q2到Q4，Vidu模型将生成效率持续压缩，比如Q2将生成时间压缩至10秒以内、Q3实现16秒声画同出；Q4将旗舰模型价格打到0.09元/秒起，让人人用得起。
落到产业，当表现力变得可负担，内容生产行业已经发生了实实在在的变化：
对于一些行业来说，随着成本降低，用户正在从怕抽卡变成可以多跑测试，让好创意在市场上批量跑。
以广告为例，以前一个SKU可能只做一两条视频，因为制作成本高，做完就上线，好不好全凭运气。现在成本下来了，可以做十条八条版本，A/B测试，看哪个转化高就用哪个。
聚焦到创作群体上，AI视频的门槛下放、质量提升，让个人制作者也有机会做出不输团队的作品，“创作平权”不再是口号。
AI短剧《被裁掉的女孩》就是一个典型案例。该剧由个人创作者菲菲飞原创，6月上线后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，通过使用性价比更高的模型，他们目前已经可以将单部AI短片成本控制在8000元左右。和动辄几十万的真人短剧相比，现在的作品成本正在大幅降低。
AI视频模型的进步，让会讲故事的人也能独立产出作品。
视频模型的“DeepSeek时刻”，是能力过线后的结果。它意味着前沿能力不再是少数玩家的专属，性价比成为新的竞争维度。
接下来，如何解决模型的表达能力，让AI进一步融入真实行业的内容生产中，是AI视频迈向工业生产时代的关键。
竞争的焦点只有一个——谁先进入生产者的工作流，谁就能先拿走下一个时代。
