Seedance 2.5 vs 2.0: Das Upgrade ist die Eingabefreiheit, dazu die dreifache Rechnung, vor der niemand warnt

Wir betreiben einen Dienst für Videogenerierung mit vielen Modellen, und das heißt: Für jedes Modell, das wir ausliefern, bezahlen wir die Rechnung pro Generierung selbst. Bevor Seedance 2.5 neben Seedance 2.0 in den Katalog kam, haben wir beide durch denselben Messaufbau geschickt, mit dem wir unsere Routing-Entscheidungen treffen. Dieser Artikel ist genau diese Datenlage, veröffentlicht wie gemessen.

Alles Folgende stammt aus direkten API-Läufen zwischen dem 2026-08-08 und dem 2026-08-10, abgerechnet über unser eigenes Konto. Wo wir nur einen Lauf haben, sagen wir es. Wo uns eine Zahl überrascht hat, haben wir sie nachgemessen, bevor wir sie geglaubt haben.

TL;DR

• Bei gleicher Länge und jeweils günstigster gemessener Route kostet Seedance 2.5 pro Clip rund das 1.7-Fache von Seedance 2.0.
• Das eigentliche Upgrade ist nicht die Qualität pro Sekunde, sondern die Eingabefreiheit: 2.5 nimmt bis zu 30 Referenzbilder, 10 Referenzvideos und 10 Referenz-Audiospuren an und reicht bis zu 30 Sekunden Ausgabelänge. Bei 2.0 ist mit Erst- und Letztbildsteuerung Schluss.
• Referenzvideo wird wie Ausgabevideo abgerechnet, Sekunde für Sekunde. Hängen Sie einen 12.6-Sekunden-Clip an eine 5-Sekunden-Generierung, zahlen Sie 17.6 abgerechnete Sekunden. Wir haben nicht nur den Preis bestätigt, sondern den Mechanismus: zwei Läufe mit demselben Referenzclip bei unterschiedlicher Ausgabelänge, dazu der Anbieter, der in seiner Create-Antwort selbst billing_rule: "per_second" meldet.
• Wenn Ihre Last schlichtes Text-zu-Video mit 5 Sekunden ist, bleibt 2.0 die rationale Voreinstellung. 2.5 verdient seinen Aufpreis in dem Moment, in dem ein zweites Eingabe-Asset ins Briefing kommt.

Was sich tatsächlich geändert hat

Die Referenzeingaben sind über ihre Reihenfolge ansprechbar: Prompts verweisen auf „Bild 3" oder „Video 1", und das Modell löst das gegen die Reihenfolge auf, in der Sie eingereicht haben. Damit wird die Asset-Reihenfolge Teil des Prompts, was Folgen für das Produkt hat, wenn Sie darauf aufbauen (wir mussten unsere Upload-Oberfläche darum herum neu bauen).

Gemessen: Kosten pro Lauf

Gleicher Prompt, 5 Sekunden, 480p, ein Clip pro Lauf. Die Preise sind die Beträge, die unserem Konto am 2026-08-08 tatsächlich belastet wurden, in USD.

Zwei Dinge lohnen den zweiten Blick.

Erstens sind sich die beiden Routen für 2.5 uneinig darüber, welcher Modus der günstige ist. Route A ist bei schlichtem Text-zu-Video 29% billiger, aber 48% teurer, sobald ein Referenzvideo angehängt wird. Wer den gesamten Seedance-2.5-Verkehr über einen Anbieter schickt, weil dieser den Text-zu-Video-Vergleich gewonnen hat, zahlt bei jedem Referenzvideo-Job drauf. Wir routen inzwischen pro Modus, nicht pro Modell.

Zweitens kostet der Lauf mit Referenzvideo das 2.2- bis 3.2-Fache des schlichten Laufs. Das ist keine Sondergebühr, das ist Arithmetik, und damit sind wir bei dem Teil, den wir nirgends dokumentiert gefunden haben.

Der Abrechnungsmechanismus für Referenzvideo, festgemacht an zwei Läufen

Die Preisseite für den Referenzvideo-Modus sagt „pro Sekunde", ohne zu sagen, welche Sekunden. Nur Ausgabe? Ausgabe plus Eingabe? Ein pauschaler Aufschlag? Der Unterschied entscheidet, ob ein Dienst wie unserer die Hälfte zu wenig berechnet, also haben wir es gemessen.

Methode: derselbe 12.67s lange Referenzclip, derselbe Prompt, dieselbe Auflösung, zwei Läufe, Ausgabelänge einmal 5s und einmal 10s. Kontostand unmittelbar vor und nach jedem Create-Aufruf ausgelesen.

Der Sekundensatz stimmt zwischen beiden Läufen auf 0.04% überein, aber nur, wenn man die abgerechneten Sekunden als Ausgabe plus Referenzeingabe zählt. Die Create-Antwort des Anbieters meldet es zudem selbst, womit wir nicht gerechnet hatten:

"usage": { "billing_rule": "per_second", "credits_reserved": 277.7302 }

Rechnet man den Satz für Referenzsekunden unabhängig davon her, ergibt sich das 1.0024-Fache des Satzes für Ausgabesekunden. Referenzsekunden und Ausgabesekunden kosten dasselbe.

Noch eine Feinheit: Der Sekundensatz unterscheidet sich je nach Modus. Beim selben Anbieter läuft schlichtes Text-zu-Video mit $0.1374 pro Ausgabesekunde, der Referenzvideo-Modus mit $0.0842 pro abgerechneter Sekunde. Der Referenzmodus ist ein rabattierter Satz auf eine größere Sekundenzahl.

Praktische Konsequenz: Eine 5s-Generierung mit einem 12.6s langen Referenzclip rechnet 17.6 Sekunden ab. Wer seinen Nutzern allein nach Ausgabelänge berechnet, frisst bei diesem Job 54% zu wenig. Wir haben unsere Preislogik so umgebaut, dass Eingabesekunden serverseitig abgerechnet werden (per ffmpeg gemessen, nie vom Client übernommen), bevor wir den Modus freigeschaltet haben.

Was Generierung mit mehreren Referenzen tatsächlich produziert: drei Beispielläufe

Zahlen beschreiben Kosten. Sie zeigen nicht, ob das Modell einem Shot-Plan folgt. Wir haben drei Beispielclips durch die Referenzpipeline geschickt und veröffentlichen hier die Eingaben, die vollständigen Prompts (auf der jeweiligen Modellseite) und die unbearbeiteten Ausgaben, damit Sie unsere Lesart gegen Ihre eigene halten können.

Lauf 1: eine 30-Sekunden-Einstellung aus vier Produktbildern

Vier Referenzbilder gingen hinein: Frontansicht, Seitendetail, Ladecase und ein leeres Display-Set. Dieser Clip ist eine Wiederholung, und der gescheiterte erste Versuch hat uns mehr beigebracht als der geglückte: Unser erster Prompt schrieb vier Beats mit Zeitmarken vor („bei 6 Sekunden öffnet sich der Deckel"), und das Modell antwortete mit sieben toten Sekunden am Anfang, einem Deckel, der morphte statt zu klappen, und einem Produkt, das seine Form nicht hielt. Die Bild-für-Bild-Prüfung hat ihn abgelehnt. Der überarbeitete Prompt kürzte vier Beats auf drei Bewegungen, die sich eine durchgehende Kamerafahrt teilen, und ergänzte harte Vorgaben gegen Formänderungen.

Bild für Bild auf der Wiederholung (2026-08-19): Der Deckel hebt sich um sein tatsächliches Scharnier, während das Case stehen bleibt, der Ohrhörer behält vom Anheben bis zum letzten Bild eine konsistente Form, und Orbit, Anhebung und Rückfahrt lesen sich als eine einzige Einstellung ohne tote Zeit und ohne Schnitte. Die übertragbare Lehre aus dem gescheiterten ersten Versuch: Beat-Listen mit Zeitmarken laden zu harten Zustandswechseln ein. Weniger Bewegungen, die sich eine durchgehende Kamerafahrt teilen, plus ausdrückliche Vorgaben gegen Morphing, haben die 30-Sekunden-Einstellung zusammengehalten.

Lauf 2: eine Figur, zusammengesetzt aus vier Quellen

Eingaben: ein Ganzkörper-Charaktersheet, eine Gesichtsnahaufnahme, ein Flatlay der Jacke und eine leere Tempel-Location. Die Ausgabe musste alle vier in Bewegung konsistent halten.

Was in unserer Durchsicht dieses Laufs über die Bilder hinweg hielt: der Zopf, die Sommersprossen, die Schnallen und Nähte der Jacke und die Lichtschächte des Torbogens aus der Location-Platte. Der geskriptete Blick nach oben landet nahe der 5s-Marke. Das ist ein Lauf, kein Konsistenz-Benchmark, veröffentlicht als Beleg dafür, was ein einzelner Durchgang halten kann.

Lauf 3: Kamerabewegung aus einem Referenzvideo übertragen

Das Referenzset bestand hier aus einem Video (ein schlichter 180-Grad-Bogen um einen grauen Würfel, 8.2s, der nach dem oben beschriebenen Mechanismus als Referenzeingabesekunden abgerechnet wurde) und einem Standbild einer Teekanne. Die Anweisung: Übernimm die Fahrt, tausch das Motiv, bewege sonst nichts.

Die Ausgabe hält einen höhengleichen Bogen um die Teekanne, nah am Tempo der Referenz, und die einzige zusätzliche Bewegung ist der Dampf, den der Prompt verlangt hat. Der Bogen liest sich als ungefähr die geskripteten 180 Grad. Bewegungsübertragung plus Motivtausch hat in diesem Lauf auf Anhieb funktioniert.

Gemessen: Latenz

Je drei Läufe für Text-zu-Video, je ein Lauf für Bild-zu-Video, Wanduhrzeit von Create bis zur fertigen Ausgabe, 2026-08-08.

Die Streuung zählt mehr als der Median. Der schnellste Lauf von 2.5 war schneller als alles, was wir in der Seedance-Familie gemessen haben, der langsamste dauerte das Dreifache davon. Wenn Sie Nutzern eine Restzeit anzeigen, kalkulieren Sie mit der Streuung, nicht mit dem Idealfall. Der 317-Sekunden-Lauf für Bild-zu-Video auf Route A war über mehrere Kontrollen hinweg konsistent genug, dass wir Bild-zu-Video anderswohin routen.

Wo 2.0 weiterhin die richtige Wahl ist

Ein ehrlicher Vergleich braucht diesen Abschnitt.

• Schlichtes Text-zu-Video mit 5s: 2.0 liefert zu 60% des günstigsten gemessenen Preises von 2.5. Ohne Referenz-Assets im Briefing kauft der Aufpreis nichts.
• Morphs zwischen erstem und letztem Bild: Der positionsbasierte Zweibild-Vertrag von 2.0 ist ausgereift und hat unsere Produktions-Smoketests seit Juni überstanden. 2.5 kann dasselbe über seine Referenzliste ausdrücken, aber das ist ein neuerer Pfad mit weniger Laufleistung.
• Vorhersehbare Latenz: Die beiden gemessenen Läufe von 2.0 lagen Sekunden auseinander. Die Streuung von 2.5 ist zwei- bis dreifach.

Einschränkungen, damit Sie das richtig gewichten

• Die Stichproben sind klein: drei Läufe pro Text-zu-Video-Route, einer pro Bild-zu-Video-Route, zwei für das Abrechnungsexperiment. Das sind Daten für eine Routing-Entscheidung, kein Benchmark-Paper.
• Alle Kostenwerte für 2.5 wurden bei 480p und 5 bis 10 Sekunden gemessen. Die 30-Sekunden-Obergrenze haben wir nicht gemessen.
• Die Preise sind das, was aggregierte API-Routen unserem Konto an den genannten Tagen berechnet haben. Direkte Enterprise-Preise können abweichen. Anbieter ändern Preise ohne Ankündigung.
• Wir haben keinen kontrollierten Qualitätsvergleich gefahren. Dieser Artikel behandelt Kosten, Latenz und Abrechnungsmechanik, also das, was sich ohne Jury messen lässt.

Methode

Alle Läufe gehen durch denselben Aufbau, mit dem wir Routing-Entscheidungen treffen: direkte HTTP-Aufrufe an die Task-API des jeweiligen Anbieters, keine SDK-Schicht, Antwort-Umschläge roh protokolliert. Kosten werden aus Kontostanddifferenzen berechnet, die unmittelbar vor und nach jedem Create-Aufruf ausgelesen werden, nicht aus Preislisten. Latenz ist die Wanduhrzeit zwischen Task-Erstellung und dem ersten Poll, der eine fertige Ausgabe zurückgibt. Das Abrechnungsexperiment für Referenzvideo ist oben im Text beschrieben.

Beide Modelle laufen live auf Vidney: Seedance 2.5 und Seedance 2.0. Wir routen jeden Modus zu dem Anbieter, der für diesen Modus am besten gemessen hat, und genau deshalb gibt es diese Daten.