字节的 Seedance 2.0 和阿里的 HappyHorse 1.0 这俩视频模型宣传语都快糊成一样了，都带原生音频、都能到 15 秒，光看规格分不出高下。我干脆在 Segmind 上给两边喂完全一样的六条提示词，都按 10 秒、720p、16:9、固定种子 42 生成，十二条片子逐帧对着看、音频并排听，一共花了差不多 19.6 美元额度。
跑下来结论挺清楚：Seedance 强在多镜头叙事和精准还原美术方向，色彩分级、构图、浅景深它跟得最准，角色和场景全程稳，还能关音频、上 21:9 这种宽画幅。HappyHorse 强在对口型和「让提示词里那个动作真的发生」——有条提示词要求手只拿起蓝杯子，Seedance 基本没动，HappyHorse 老老实实把手伸进去把杯子拿走了。它音频也更响更满，直接能丢进时间线。
价格两边都是每条十秒几美元的量级，都在同一个 API 后面，换模型就改一行。要做会说话的数字人、对口型、多语言配音就先上 HappyHorse；要做多镜头短片、卡死美术 look、参考驱动就先上 Seedance。就一次生成一个种子，别当基准测试看，真上生产记得每条多抽两三个变体。