AI视频的“DeepSeek时刻”会很快到来吗？

今年春节期间，DeepSeek发展迅猛，之后全球都在探寻下一个能与之媲美的存在。

2月底，阿里开源通义万相Wanx 2.1模型，仅6天便超越DeepSeek – R1，登上模型热榜和模型空间榜榜首。此后，腾讯混元、阶跃星辰、昆仑万维等新的开源视频生成大模型也纷纷亮相。

“下一个DeepSeek”会在AI视频领域诞生吗？

无论是专业AI视频创作者，还是传统影视工业、短剧产业链以及网文平台等IP所有者，都对此极为关注。

所谓“下一个DeepSeek”，可简单理解为“模型效果处于第一梯队且开源”。关键问题在于，一个足够出色的开源视频大模型，是否会让当下的视频生成头部平台大幅降价，使视频生成变得极为廉价？

若真如此，后续又会引发怎样的连锁反应？

开源凶猛

一切要从X（推特）上突然涌现的大量AI美女视频说起。

2月25日，阿里巴巴宣布开源通义万相2.1视频生成模型，这不仅巩固了中国在全球AI开源领域的领先地位，还点燃了技术爱好者的热情。

该模型支持文生视频、图生视频任务，通过低显存需求降低了技术门槛，还支持无限长1080P视频编解码。其14B版本在权威评测Vbench中超越了Sora、Luma等海外知名模型。

更重要的是，Wanx 2.1模型的开源许可方式极为宽松，且具备许多之前开源乃至闭源模型都难以实现的能力。

它是“全球首个支持中文文字特效生成”的视频模型，能深入理解“中国风”指令，比如生成水墨晕染的“福”字视频。还能精准模拟物理规律，像雨滴溅落的动态效果。

经X网友实测，该模型对于一些特定指令，在模型层未屏蔽过多关键词，生成内容更加开放多元，引发了大量自发传播。

万相2.1开源6天内就登上Hugging Face趋势榜，也就是DeepSeek爆火前所在的榜单。它与之后开源的文本大模型QWQ – 32B先后称霸榜单，阿里被一些开发者称为“源神”。

开源如同鲶鱼搅动市场，国内其他重要的开源视频大模型也在近几个月密集发布：

腾讯混元HunyuanVideo – I2V已开源推理代码和权重，有130亿参数，支持5秒短视频生成，新增对口型、舞蹈动作驱动功能，支持中英文生成，宣称在文本一致性、运动质量等方面表现领先。

阶跃星辰Step – Video – T2V开源模型支持复杂场景生成，实测在人物动作和物理规律模拟方面表现出色，例如芭蕾舞动作生成。

昆仑万维SkyReels – V1面向AI短剧创作，基于13B参数微调好莱坞影视数据，支持T2V和I2V，能生成电影级光影和表情动作。开源一周内，Hugging Face下载量超2.4万次。其短剧应用DramaWave和FreeReels全球下载量达2309万次，内购收入流水超780万美元，若实现实拍和AI短剧混合推送，盈利空间可观。

闭源的视频大模型也不示弱。1月底，生数科技公布Vidu 2.0版本，生成速度最快不到10秒，单秒视频成本仅“4分钱”；官网还推出错峰模式（低峰时段不限量生成，且不扣积分）。

生数近期动作不断，先是老总唐家渝挖来原字节火山引擎AI解决方案负责人骆怡航加盟并担任新CEO；接着入驻联想小天，通过PC预装拉新；还与两位好莱坞导演组建的新动画工作室合作，计划合拍AI动画大片。

字节除主打即梦品牌外，去年底开始大力推广“豆包”客户端试水视频生成入口，并在今年春节前后全量上线。豆包视频生成功能免费，但每天限10次，与即梦相比，在清晰度和能力上有一定限制。

价格战前夜？

DeepSeek通过技术优化，普及了原本昂贵的推理模型，大幅压缩成本，API定价仅为OpenAI同类模型的3%。

这迫使国内外闭源大模型厂商紧急调整。OpenAI将GPT – 4.5、深度研究等功能从200美元/月的最高档会员下放，o1释放思维链供用户参考。百度原本收费50元/月的文心一言会员4月1日起全面免费。阿里通义、腾讯混元大模型API价格下调至每百万tokens 0.1元左右。

目前，国内视频生成领域的两大头部平台可灵和即梦，会员定价坚挺，分别为66元/月和69元/月。虽包年稍便宜，有时有折扣，但总体单次生成费用约0.6元/秒。

由于缺乏局部修改功能，创作者需多次随机生成来完成内容制作，单个镜头常需反复生成几十次。

由传统广告公司转型AI短剧的夫子AI团队表示，他们开通了可灵和即梦的包年会员，两家年费共5594元（平均每月约466元）。他们制作的AI短剧《我在阴间送外卖》，单个镜头需“抽卡”30次以上，每次约3.5元，单镜头成本超100元，整部短剧制作成本约5000元，最终播放量超90万，虽无直接收入，但吸引了商业客户咨询。

由广告人转型AI科幻短片的希希叔叔，选择制作非系列化单集短片，如《失败者宇宙》，降低对画面一致性的要求。他每月花约200元开通可灵 + 即梦会员，单部短片成本控制在2000元以内。作为个人创作者，他通过会员积分和“闲时折扣”压缩成本，一部短片制作周期约7天。

由UI设计师转型AI短剧的丹尼，主要靠本职工资支撑创作。他制作的《白骨精前传》“抽卡”花费约5000 – 6000元，平均每月投入超1000元。他尝试过海外服务，但Runway价格是可灵的10倍（约1美元/5秒视频），所以坚持使用国内平台。

对比海外定价，国外平台费用平均约为国内的5 – 6倍。谷歌最新发布的Veo 2视频生成模型，每秒0.5美元的定价更贵，4秒钟就要15元。

参照DeepSeek引发的低价风潮，一个广泛普及的视频生成大模型，有望使头部闭源模型的API价格降至原来的1/10；企业服务可能从万元级项目制转向百元级订阅制，“大模型施工队”可能再次面临失业。

若开源视频大模型复制DeepSeek的发展路径，当前可灵、即梦等，乃至Sora、Veo等海外模型的商业模式都可能面临巨大挑战。

视频的特殊性和普遍性

万相2.1虽优秀，但还未达到让友商纷纷接入的程度，所以价格战尚未打响。实际上，目前市面上的AI视频大模型，效果都无法完全替代真人实拍，“油性”即“AI味儿”很重，更不用说乱码和幻觉问题。

即便有商业化想法，人们也不敢给AI短片定与人工短片相同的价格。湖南台风芒App播出的《兴安岭诡事》制作成本60万，全集解锁只需5.9元，与真人微短剧不在同一水平。该剧最终播放量达5000万次。

有人乐观地将万相2.1比作DeepSeek的V3或V2阶段，期待一个视频版“R1”能带来业界期盼已久的变革。

但实际情况可能没那么简单。

目前国内AI视频创作者使用的平台各有特色。可灵的核心优势是真实的人类动作和高清晰度。可口可乐广告团队认为可灵生成的人类动作更自然，画面清晰度领先于其他工具（如Leonardo、Runway）。

娱乐资本论此前报道，创作者董嘉琦提到可灵对文本的语义理解能力更强，模型迭代快，能快速响应复杂需求；擅长生成符合东方审美的场景和人物，适合广告、短剧等需要真实感和高完成度的场景。

创作者朱旭评价，即梦对物理世界的运动逻辑（如物体碰撞、光影变化）模拟更精准，适合现实类短片、纪录片风格内容。即梦也较早推出首尾帧控制功能。

生数Vidu在动漫风格化、多主体参考功能上表现出色（如生成多角色互动镜头）。就像其在《毒液：最后一舞》的水墨宣传片中展示的，生成的镜头运镜更有创意，适合抽象或艺术化表达，受二次元动画、艺术实验短片作者欢迎。

Runway、Luma等国外工具常用于欧美风格创作。

所以，专业视频团队很难完全摆脱对定价较高的“两巨头”的依赖，就像作图领域虽有豆包替代，但MidJourney或Recraft的特定风格仍有一定受众。

目前开源视频模型的发展未达DeepSeek的高度，但视频生成领域的价格战或许已箭在弦上。

同属闭源模型的生数科技Vidu，推出2.0版后上线全新收费套餐，将每秒单价成本最低降至4分钱。以720P每秒单价计算，Vidu 2.0为0.258元/秒，不到行业平均价格的一半；官网“错峰模式”在半夜“抽卡”甚至全免费。

去年底，生数科技投融资负责人樊家睿对娱乐资本论表示，今年Vidu预计在生成速度、多元一致性和多模态真正融合方面有重大突破。“在生成速度上，Vidu将进一步‘逼近极限’。提高速度意味着提升性价比，AI视频生成会更普及、高效。”

大家都在思考“大模型全开源了，怎么盈利”的问题。其实即便没有开源冲击，闭源厂商也会在价格上竞争，因为视频大模型背后并无太多秘密。

正如Manus联合创始人张涛所说，看似强大的Sora也是“大算力出奇迹”的常规路线，是算力、算法、数据堆叠的结果。各家闭源厂商按常规发展，就能快速扩大规模、降低价格。

年初备受关注的Sora最终表现不佳。在国内视频生成模型的竞争中，国内模型效果迅速达到世界领先水平，获得全球客户认可。去年圣诞节可口可乐的广告就以可灵为主力工具。

根据AI产品榜2月份应用（不含网站端）数据，可灵海外版全球认知度更高，在出海总榜排第12位，海外版月活环比增幅达90.55%。相比之下，曾经热门的Luma月活下降31%，是2月统计中降速最大的应用。

当前问题是，该赛道的参与者还不够多。

API和本地部署问题

影响定价的另一个因素是，若云计算平台开放部署一些视频大模型的API，或用户在本地电脑安装较小模型，降低普通视频制作成本，是否会促使头部模型降价？

春节期间，DeepSeek官网和官方API因流量涌入而瘫痪，但“一鲸落，万物生”，云计算提供商越早部署R1，用量增长越快。

微软、腾讯、百度都迅速在云服务和C端产品接入DeepSeek。硅基流动日均调用量突破千亿token，较半年前增长十倍，从小型云服务商变得广为人知。

在视频生成模型方面，近期知名的开源模型已在HuggingFace和魔搭等平台开放使用。若厂商有自己的云，也会第一时间部署。

作为没有自有云的小厂，阶跃的模型和Vidu等类似，优先服务于自家官网平台，当前首要任务是让更多人使用。

不过，这些服务都未出现用量“国运级别”的暴涨。

当然，中小型云服务商乐意接入更多开源模型，以锁定用户。去年11月，硅基流动上线Lightricks开源的视频生成模型LTX – Video，这是基于DiT架构的2B参数模型，能在832*480分辨率下生成24 FPS的视频。

但现实问题是，目前对视频生成模型API的调用缺乏通用方案。Chatbox、Cherry Studio等网页UI或客户端，只覆盖文字对话或文生图界面，视频生成界面和参数尚未统一。

而且，从文本、图片到视频，token的消耗和浪费成倍增加，用户用量相应减少。

视频还有一个问题，每次预览“抽卡”成果都会给服务器带来较大负担。娱乐资本论曾探讨国内视频网站画面模糊的原因，提到平台因服务器成本压力，不得不降低码率，用锐化等方法处理。

云服务商需要进行性能调优，例如硅基流动的OneDiff加速库可使Stable Diffusion出图效率提升3倍。但如何将此类经验应用到视频领域，为普通用户节省成本，形成对商用模型的竞争，尚无定论。

本地部署模型虽免费不限量，但此前存在性能不佳的问题。

DeepSeek – V3和R1有大量社区用户结合llama、qwen进行蒸馏，使其能在PC、Mac甚至手机上运行。这是两年多来，用户首次能断网使用基本可用的模型，本地大模型不再只是摆设。

但在图片和视频生成方面，还未达到这一水平，目前本地小模型使用仍很困难。用户能本地部署Stable Diffusion已久，但Midjourney并未因此降价。

通义万相2.1小型的1.3B版本可在消费级显卡（如RTX4090）运行，生成480P视频只需4分钟，但无法保证解决画质、一致性、细节和幻觉问题。

总之，视频和图片一样，若不能局部修改，只能靠“抽卡”生成，现有模型仅靠画风和连续性的细微差异，将维持各自的市场地位。

AI视频创作彻底下沉

根据AI产品榜2月份应用数据，国内总榜中即梦排第9，月活环比增加106%；Minimax的海螺排第19（分拆改名前数据），环比月活增加10%，且海螺以日均使用时长6.63分钟排在国内时长榜第2位；可灵独立客户端排第23，月活环比增加113%。</p