字节跳动发布5款AI模型：30秒视频生成，成本降低80%

字节跳动在6月23日举行的年度FORCE大会上发布了五款新AI模型，一举打破AI视频生成30秒的壁垒，并以五分之一的价格在编程能力上对标Claude Opus 4.7。

字节跳动旗下云业务火山引擎总裁谭待在京举办的发布会上表示："Seedance 2.5是首款能从单一提示词生成长达30秒原生视频片段的模型，内置场景转换和节奏变化功能。它最多可同时接收50个多模态参考输入——包括图像、音频、3D模型——并支持生成后的局部编辑，且不会降低视觉一致性。"

此次发布的核心产品Seedance 2.5，能够以原生4K分辨率和10位色深生成长达30秒的单段视频片段，这较之此前大多数AI视频工具所面临的15秒上限实现了重大飞跃。据CEO梁汝波介绍，该模型还引入了3D白模预览功能——这一灵感源于与字节跳动合作期间一位电影导演提出的需求。用户可在生成后对背景或产品等单个元素进行编辑，而无需重新生成整段视频。字节跳动通过在一则商业广告中更换口红颜色且不改变场景的方式展示了这一能力。该模型预计将于7月初上线。

竞争格局远不止视频领域。字节跳动的旗舰语言模型Doubao 2.1 Pro在SciCode科学推理基准测试中取得59.8分，超越Claude Opus 4.7和GPT-5.5；在NL2Repo代码仓库级生成测试中取得47分，领先于GPT-5.5和Gemini 3.1。据火山引擎介绍，其每百万输入token定价为6元（0.83美元）、每百万输出token为30元（4.14美元），较Anthropic的Claude Opus系列成本降低约80%。此外，定价为Pro版本一半的Turbo变体则瞄准高频企业级工作负载。

全栈AI攻势

字节跳动的布局并未止步于文本和视频领域。该公司还预览了用于图像生成的Seedream 5.0 Pro，该模型新增了交互式编辑功能——用户可通过绘制箭头或圈选区域来修改特定元素——以及多层分离功能，可递归分割图像图层并自动填充背景。该模型支持10多种语言（包括英语、西班牙语、阿拉伯语和日语）的高密度文本排版，并配有适应相应文化的字体设计。

在音频方面，Doubao音频生成模型1.0可仅凭文本生成完整的电影配乐，单次推理即可自动推断角色声音特征、情感表达、方言口音、背景氛围音和音效。一段演示展示了一段近一分钟的武侠动作片段，其中包含了前后一致的角色声音、雨景氛围和兵器碰撞声——全部由模型生成，无需人工分层处理。

此次发布还对今年2月推出的上一代模型Seedance 2.0进行了原生4K升级。

商业落地与企业采用

谭待表示，火山引擎云业务目前占据中国公有云市场49.5%的份额。字节跳动豆包模型家族的日均token调用量已达到180万亿次，较两年前增长了1500倍，仅过去一年就增长了10倍。自去年12月以来，年度token消耗超过1万亿的企业客户数量已翻倍至200家。

字节跳动还推出了AI版权商业化平台，香港电影人周星驰成为首位合作伙伴。据谭待介绍，用户可以在抖音、即梦和剪映上使用官方模板对周星驰的经典影片（包括《食神》和《长江7号》）片段进行二次创作——首日便产生了超过1万件创作作品。

企业级应用已覆盖多个行业。特斯拉已将豆包集成至其全系车型，用于基于语音的车辆控制，采用了字节跳动的实时语音模型。梅赛德斯-奔驰新款电动CLA也嵌入了豆包，用于自然语言交互和情感识别。在金融服务领域，中金公司基于字节跳动的HiAgent平台构建了一款数字投顾智能体，整合了300多位分析师的研究成果。中国移动则联合推出了面向政府和金融客户的机密模型服务，采用国产计算基础设施。

对投资者的意义

字节跳动的全栈AI发布——涵盖文本、视频、图像和音频——预示着一场定价与能力的全面竞赛，对西方AI领军企业和中国竞争对手均形成压力。Doubao 2.1 Pro在编程能力上与Claude Opus 4.7持平的同时成本降低80%，压缩了高端模型供应商的利润空间；而Seedance 2.5的30秒生成能力则超越了OpenAI的Sora及其他仍被限制在15至20秒的竞品。该公司49.5%的公有云市场份额和180万亿次的日均token调用量表明，企业级采用的步伐正超过多数分析师的预期。对于追踪AI基础设施建设的投资者而言，字节跳动以激进价格捆绑多模态模型的能力，加上其在抖音、即梦和剪映上的分发渠道，打造了一个在规模上可与任何西方AI平台比肩的垂直整合型竞争对手。

本文仅供参考，不构成投资建议。