視頻生成模型大盤點：誰能定義下一代內容？

你被AI視頻包圍了嗎？

新眸原創·作者 | 簡瑜

過去兩個月，不少人被一段“動物跳水”短視頻刷了屏——在標準跳水臺上，大象、小豬、柯基輪番登場，以高難度的動作跳入水中，甚至耳邊還會伴隨有專業的賽事解說和人群歡呼，從動作編排到入水細節，視頻的逼真程度堪比電影特效。

不僅是“動物跳水”，諸如動物擬人化情景演繹、切割不同材質物品的解壓視頻等一類AI生成視頻，早已開始席卷抖音、小紅書、B站等各大內容平臺。

而這樣的視效水平，過去只存在于制作精良的影視作品中。

在這些視頻背后，不僅形成了圍繞“腳本制作——關鍵幀創作——視頻生成”的一連串工作流，甚至還催生出一批靠AI視頻創作變現的“數字導演”。

事實上，早在2022年，市面上就開始出現了一系列AI生成視頻，但當時的視頻畫面，往往存在失真、怪異、觀感差等各種問題，只在小范圍內有所傳播。

轉折點出現在2024年。OpenAI在二月發布Sora，以DiT（Diffusion + Transformer）架構為核心，突破了視頻生成在時長、清晰度、邏輯一致性等方面的瓶頸，讓“AI生成視頻”第一次真正具備了走向大眾市場的可能。

之后越來越多的廠商開始借鑒DiT或其他混合模型架構的模式，陸續發布對標 Sora 的閉源模型產品，如24年6月推出的Runway Gen-3、Luma Dream Machine；7月底全面上線的快手可靈等。

時間來到下半年，視頻生成類模型更是呈現了井噴式的增長。阿里、字節等巨頭紛紛押注，智譜、MiniMax等創業公司也快速跟進。曾經因技術瓶頸被質疑的AI視頻，儼然已經成為了AI模型商業化最擁擠的賽道之一。

01

大小廠“諸侯混戰”

各自的牌面有多大？

與已經經歷三年演進和淘洗的大語言模型不同，無論是性能表現還是市場格局，AI視頻生成模型仍處在“諸侯割據”的早期階段。

自2024年起迎來密集爆發后，這一賽道在模型能力、用戶心智乃至具體落地場景上，都尚未形成類似ChatGPT、Claude、Gemini等在LLM領域的頭部壟斷格局。

目前，視頻生成模型雖尚未建立統一的評測體系，但“時序一致性”“幀畫質”“提示詞遵循度”“生成穩定性”等，往往成為通用測評關鍵詞。而從多個測評榜單的變化趨勢來看，各個模型之間仍存在較為明顯的排名波動，領先優勢尚未固化。

以今年4月和7月的AGI-Eval（由多所國內頂尖高校和研究機構聯合發布）榜單為例，僅僅三個月時間，前十排名便發生大幅洗牌，能維持榜上位置的僅剩Pika 1.5、MiniMax的 Video-01、愛詩科技的PixVerse V4。而其他原本上榜的模型，或被自家迭代版本替代，或已被后來者趕超。

值得一提的是，榜單上除了有阿里、字節等互聯網大廠，minimax、愛詩科技等創業公司也赫然在列，且國內廠商的出現率明顯略高于國外廠商。

圖片來源：AGI-Eval官網

另一方面，由于模型生成路徑的不同，文生視頻（Text-to-Video）與圖生視頻（Image-to-Video）在測評維度上也存在較大差異。據國際測評機構Artificial Analysis今年7月的榜單，僅有一半模型能同時躋身兩類前十，也進一步說明當前的模型能力仍處于尚未定型的快速演進期。

圖片來源：Artificial Analysis官網（截止2025.8.6）

當下，有不少聲音認為大語言模型已進入“技術平臺期”。GPT-5遲遲未能發布、Claude 4經歷長達11個月的版本跨度、DeepSeek新產品遲遲未現……相較之下，在視頻生成模型中，模型迭代仍處于初期向成熟過度的爆發地段，大廠與創業公司都在以2至4個月的頻率推陳出新。

以快手可靈為例，從2023年6月上線至今，平均不到兩個月就推出了一次新功能；2025年上半年更是完成了從1.6到2.1之間的兩次模型大版本迭代。Minimax旗下的海螺，自從去年8月上線以后，也在三個月內實現了三次迭代，并于今年6月再次推出新模型海螺02。

盡管整體格局尚未完全明朗，但就國內廠商而言，近半年以來，快手、字節、MiniMax、愛詩科技等在各類評測中的排名基本都能維持在前10之列，位列第一梯隊。

這一趨勢同樣體現在用戶側的使用排名中。據POE榜單顯示，快手可靈、MiniMax海螺長期市場份額位于前列。而字節即夢由于新版本上線時間較晚（2025年6月），在5月榜單中尚未露面。

圖片來源：

Poe，《報告：2025年春季人工智能模型使用趨勢》

02

AI視頻生成的爆發式崛起：

內容土壤、成本革命與平臺競速

某種程度上說，AI視頻生成之所以能在近一年時間里迎來井噴式增長，是一種“天時地利人和”的結果。

除了Sora帶來的技術瓶頸突破，視頻內容的持續擴張，構成了AI視頻落地最堅實的“土壤”。據QuestMobile數據，截至2024年9月，中國移動視頻行業的月活用戶已達11.36億，增速明顯，視頻內容正成為流量的核心載體。

更關鍵的是，AI大幅降低了視頻制作的人力成本、時間成本與技術門檻。無論是實拍視頻中所涉及的導演、演員、場地、后期等復雜流程，還是動畫視頻所需的渲染、建模、特效等高技能工序，AI視頻都能在幾秒鐘內“一鍵生成”。

典型的例子，一部由迪士尼、皮克斯出品的頂級動畫電影，其每分鐘制作成本高達200萬美元，而AI模型生成的相似畫面，目前已可將單位成本壓縮至每分鐘300美元左右。

盡管現階段的視頻生成模型在效果穩定性、劇情連貫性上仍有明顯短板，通常只能輸出幾秒至幾分鐘的片段，但這卻恰好匹配了短視頻、短劇等輕內容場景的要求。

短視頻不僅在時長要求上需求更低，用戶注意力碎片化，也使得內容形式本身具備了更高容錯率。AI工具也就自然而然成為了短視頻剪輯師、MCN機構乃至普通創作者的增效神器。

為了快速占領創作者市場，不同于語言大模型從閉源走向開源的策略路徑，視頻生成廠商則選擇反其道而行之，從開源起步，給予用戶一定的免費使用權限，在拉新沉淀用戶習慣后，在通過訂閱制實現商業變現。

例如，快手可靈、字節即夢、騰訊混元均通過贈送積分、免費次數等方式引導C端訂閱。百度繪想則在2025年7月初推出時開放了免費試用；而通義萬相則以模型源碼的形式上傳至GitHub的方式進行開源分發。

背靠內容平臺的分發資源和用戶流量，字節、快手等內容大廠在國內C端用戶占據上更具優勢，已開始構建起“模型生成—內容創作—平臺分發”的閉環生態，將AI能力直接注入短視頻作者鏈條中，實現用戶對視頻模型的自然滲透。

相比之下，諸多創業公司如愛詩科技PixVerse、MiniMax海螺等，則將目標用戶對準了海外市場。

以愛詩科技為例，此前有公開數據表示，PixVerse總用戶已經達到了6000萬以上，月活用戶超1600萬，而這一數據公開時愛詩還尚未發布國內產品，并且單就用戶量來看，PixVerse已經成為了全球用戶量最大的AI視頻生成產品。

從模型性能來看，國內創業公司在多項榜單中表現優于海外競爭者。但在國內市場缺乏天然流量入口和品牌優勢的背景下，出海成為了他們繞過強平臺、尋找藍海的最優解。

除此之外，生數科技Vidu則選擇將目標放在了B端市場，于今年四月和飛書、百度搜索達成了合作。而在此之前，也分別與AR，VR等設備廠商、影視動漫網站等開展了合作。

03

模版還是工具？

AI視頻生成走向分岔路

通過在社交軟件上的相關評論可以發現，同樣面向短視頻創作，快手和抖音呈現出了不同的內容優勢，可靈在國風、二次元方面占優勢，而即夢善于寫實、藝術領域的內容生成。

兩者之所以選擇出各自的垂類賽道，一定程度上迎合了各自平臺的內容特色。以真實生活記錄為內容導向的快手，在模版選擇上更加接地氣，而以娛樂化、潮流化為趨勢的抖音，則在風格化能力上更為突出。

來源：可靈官網

來源：即夢官網

但無論是可靈還是即夢，當AI視頻生成模型服務于短視頻創作時，模版特效和提示詞設計的效果和穩定性，成了AI視頻生成類教程里逃不開的關鍵詞。

換句話說，“選得快、改得少、出片穩”才是決定工具使用頻率的核心變量。

事實上，愛詩科技PixVerse之所以能夠在海外獲得如此高的用戶量，一定程度上也得益于其模板化的視頻生成思路，通過提供眾多5s左右的“模版特效”，簡化創作者的生成路徑，類似的功能，在海螺、可靈中也有相似。

模版特效的優勢在于能夠極大降低創作者的制作門檻，做出符合平均水平的視頻效果。但與此同時，它的副作用也同樣明顯：確實能跑量，但無法拉長生命周期。一旦用戶審美疲勞，內容熱度轉瞬即逝，ROI表現也難以持續。

而這恰恰是AI視頻在內容平臺中面臨的結構性困境——效率很高，但很難留下“經典”。

從這個角度來看，AI視頻依然要去探索長時間、高質量視頻的模型生成模式。

作為2018年就開始推出第一個視頻生成模型的老大哥，Runway走在了更前面，根據官方數據顯示，盡管過去一年，Runway的官網訪問量不足可靈的二分之一，但ARR卻幾乎達到了可靈的六倍。

Runway的商業邏輯，與短視頻模式走向了截然相反的路徑，通過與電影公司等高附加值產業合作，生產較為高品質的影視內容作品。

區別在于，Runway將視頻生成更多定位為“創意效率工具”，而非低門檻生產工具。它的核心功能主要有中間幀控制、AI角色的表情與動作復刻、視頻擴展等，在實現效率的同時，核心的創意輸出依然由人類自身所掌控。

當市面上開始涌現出越來越多的AI產品，留給行業和時代的問題，更需要從對AI效率轉化性能的評價，轉向厘清AI工具的使用邊界，讓真正的增量內容從中生長出來。

本文系新眸原創，申請轉載授權、商務合作請聯系微信： ycj841642330，添加好友請備注公司和職位。

更多內容，點擊下方關注