30 秒短剧的真实账单：0.1 美元只是门票

📋 目录

• 💰 先看一组让人放松警惕的数字
• 🔍 第一层纠错：同一个模型有四套"官方价格"，且互不相同
• 📊 第二层纠错：token 计费公式决定了"单价更低≠更便宜"
• 🎯 第三层：真正的成本是抽卡倍率，而它没有公开数字
• 🧩 三层成本叠在一起，实际该怎么算
• ⚖️ 一个必须说清的分歧：模型选择由重试率决定，不由单价决定
• 🎬 一个容易被忽略的成本项：角色一致性是靠资产库摊薄的
• 🏗️ 领码 SPARK 融合平台视角
• 📌 三条可以直接用的判断标准
• 💬 你做 AI 视频，真实的重试倍率是多少？

💰 先看一组让人放松警惕的数字

按 BytePlus ModelArk 官方公开的价目表，Seedance 2.5 的价格是这样的：

30 秒 720p 片段，$6.93 左右。

看到这里，"AI 短剧成本已经很低了"这个判断就开始成立了。但这个判断只对了一半，而且是危险的那一半。

因为计费方式决定了一件事：上面这个数字算的是"一次成功生成"，不是"一条能用的片段"。

而第二篇实测文章里那句"AI 视频最大的浪费就是’某一帧错了整段重做’"，恰恰说明真实场景里，一次成功生成和一条能用的片段之间隔着一个不可忽略的倍率。

🔍 第一层纠错：同一个模型有四套"官方价格"，且互不相同

这是本文第一个必须点破的问题。不同渠道报出的 Seedance 2.5 单价差异接近 5 倍：

这四套数字都能找到出处，差异来自三个层面：

第一层：API 和消费者订阅不是同一个东西。 Convly 那个 $0.097/秒是 Dreamina（海外版即梦）年付高级套餐的折算单价；BytePlus 那个 $0.231/秒是 API 的token 计费结果。前者是你买会员按月摊出来的成本，后者是按次结算的目录价。 把两者放一起比大小，没有意义。

第二层：分辨率不同。 $0.103 是 480p，$0.231 是 720p，$0.569 是 1080p。这三个数不是"不同报价"，是三个不同的产品档位。 很多流传的"Seedance 只要 0.1 美元一秒"拿的是 480p 价，而短剧实际交付通常要用 720p 甚至更高——差 2.2 倍。

第三层：有些价格是促销价，已经过期。 这是最容易踩的坑。TechPilot 的记录里写得很清楚：Dreamina 的 90% off 首月 Basic 促销跑的是 2026 年 9 月 23 日至 10 月 9 日，已结束；$1.50 的首月方案同样已结束。该站明确提醒：“不要用那个首月促销价做预算。”

还有一条：seedance2-5.video 那个站点自己声明"不是字节官方站点，与 ByteDance 无关联，价格是它自己的"。 它的 720p 报价 $0.50~$1.10/秒虽然是第三方里相对透明的，但引用时必须带上"非官方"这个标签。否则就是拿转售商的加价当官方定价。

📊 第二层纠错：token 计费公式决定了"单价更低≠更便宜"

这是本文最技术、也最有价值的一段。BytePlus 并不按条收费，而是估算 token 消耗：

预估 token 数 = (输入视频时长 + 输出视频时长) × 宽 × 高 × 帧率 ÷ 1024
预估价格 = token 单价 × token 数量

看懂这个公式，就看懂了 Seedance 2.5 定价里最反直觉的一件事：带视频输入的单价更低，但总价可能更贵。

单价从 10.70 降到 6.40，看起来降了 40%。但因为公式里"输入视频时长"和"输出视频时长"是相加的，一段 2~30 秒的参考片段本身就要计入 token 总量。

结果：720p 带视频输入的成本上限（$4.84）比不带输入的示例（$1.16）高出 4.2 倍。

这就是"单价更低不代表请求更便宜"的机制所在。对照另一条第三方数据：单引号费率低 40%，总成本最高能高出 320%。

这条对实操的指导意义非常直接：如果你的工作流里有参考视频，就不要用"单价"做预算，必须用完整请求算。 而Seedance 2.5 的多模态参考能力（最多 30 图/ 10 视频 / 10 音频）恰恰是这个工具的核心卖点——你越是用它的强项，越不能用它的单价来算账。

🎯 第三层：真正的成本是抽卡倍率，而它没有公开数字

到这一步都是可算的。但接下来这一层，是整个 AI 视频成本核算里最大的黑洞。

Convly 的定价页面写得很直接：

“A usable shot commonly takes three to ten attempts, so multiply by your real retry rate before budgeting.”

（一条能用的镜头通常需要三到十次尝试，所以在做预算前请乘以你自己的真实重试率。）

三到十次。这个倍率意味着什么：

"AI 短剧一条 30 秒成本 7 美元"这个说法，真实的区间是 21 到 69 美元。 差了 10 倍。

而且这里有个容易被忽略的陷阱：BytePlus 只对成功生成的内容收费，被审核拦截或服务器报错的请求不收费。听起来很友好，但——

“A clip your reviewer rejects, however, is still a paid generation.”

（但你的审核人员否决的片段，只要生成成功，依然会被计费。）

生成成功的废片是照付的。 这意味着抽卡的成本不是"失败次数×单价"，而是"成功次数×单价"——你抽了 10 次拿到的都是能生成但不能用的片段，10 次全部计费。

还有一个反直觉的推论：抽卡倍率高的团队，用便宜的模型反而更省。 Concat Pro 的建议里提到，短片高数量草稿场景下，Seedance 2.0 Mini（约 $0.03~$0.09/秒）往往仍是更实用的默认选择。如果你的重试率是 8 倍，换一个单价 1/3 的模型，总成本可能更低。 这跟"越贵越好"的直觉完全相反。

而 Flova 这类流程编排工具的核心卖点，正是"减少无效生成"。原文的说法是"不用赌运气式地反复抽卡"。它没有给出抽卡率下降了多少的数字——这个数字如果真的存在，应该被大范围引用，但我没查到可确认的官方口径。 本文不予引用。

🧩 三层成本叠在一起，实际该怎么算

把三层叠起来，一次真实的短剧成本核算长这样。

对应的成本核算表：

结论很清楚：目录价是唯一可查的部分，而它在真实成本里的占比可能不到 1/3。 因为抽卡倍率是最大的变量，也是唯一没有公开数字的变量。

⚖️ 一个必须说清的分歧：模型选择由重试率决定，不由单价决定

把上一节那个反直觉的推论展开。

Concat Pro 给了一个具体的对比逻辑：“The model that needs fewer retries is usually the cheaper one in practice.”（真正需要更少重试的模型，实际上通常更便宜。）

它同时列了横向对比：

Seedance 2.5 处在中位。但它相对 Seedance 2.0 的溢价也很明确：

这个 50% 的溢价买到了什么？ 三项能力：单次生成从 15 秒延到 30 秒、多模态参考上限从 9 提到 50、时间戳级编辑。

第三项是唯一直接对应成本的：时间戳级编辑意味着"改哪里算哪里"，而不必整段重做。 如果这个能力真的能把重试率从 8 降到 3，那 50% 的溢价非常划算；如果你的项目本来就是一次过的短片，那这笔溢价就是纯支出。

所以判断标准不是"哪个模型强"，而是"你的重试率是多少"。 这条判断在采购和工具选型里通用性很强。

🎬 一个容易被忽略的成本项：角色一致性是靠资产库摊薄的

前面三层都是显性成本，但短剧生产里还有一块成本经常被漏掉——角色一致性。

Seedance 2.5 支持最多 50 个多模态参考输入（30 图 / 10 视频 / 10 音频），这个能力在技术上确实能锁住形象。但用它锁形象的方式，是每次生成都把参考图重新喂一遍，也就是每次都重新付一次"输入侧"的 token 成本。

按公式算，输入侧时长相加进token 总数。参考素材越丰富，输入成本越高。这是一个和"减少抽卡"直接冲突的激励：你想让角色更一致，就得喂更多参考；参考喂得多，单次成本就上去。

Flova 这类工具的解法是"资产库"——角色的形象、师父的设定、场景卡、风格参考，都作为独立的元素卡片存在画布里。做完这条片子后，这些确认过的角色和场景存进资产库。下一集直接带进新项目，Agent 基于已有设定继续工作。

原文的说法是：

“不用从头解释’画师长什么样’‘浮世绘要什么色调’。”（腾讯新闻原文）

但这里有个必须追问的问题：资产复用到底省的是 token，还是省的人工？

从机制上看，两种情况都可能：

• 如果资产库只是"预置好参考图"，每次生成还是要把图喂进去，那token 成本一分没省，省的是"写提示词描述角色"的人工。
• 如果资产库改变了调用方式（比如固定引用而非每次输入），那才可能省 token。

官方材料没有说明这一点，我也没查到可确认的口径。 本文不推测。但这条不确定性本身很重要——它决定了你把资产库当成"省钱工具"还是"省事工具"，两者的期望值完全不同。

可以确定的是另一个：资产库对一致性的价值是可验证的。一篇实测提到短剧最翻车的现场是"上一集是短发的男主，下一集变成卷发了"，解法是多模态参考锁形象加 Skill 锁风格，两层锁叠加才能压住。

这里也解释了为什么"生成前一帧对了，后面还是会错"：一致性不是一次调用的事，是跨集、跨项目的持续约束。而持续约束需要存下来，不能靠每次重新描述。

🏗️ 领码 SPARK 融合平台视角

这期谈的成本核算，落到企业数据场景里有一个完全同构的问题：AI 生成类工具的成本，从来不在"单价表"上，而在"返工率"上。

iPaaS 接数据 —— 把成本因子接进来，而不是把单价接进来。

现在大多数成本核算的做法是：记下每次调用的单价，算总量。这是把成本当成一个标量在记，而它实际上是一个由多个可观测因子共同决定的函数。

接进平台的数据应该是：单次调用价格、输入规模、输出规模、重试次数、成功率、人工介入次数。有了这五项，才能算出真实的单位交付成本。 只有单价没有重试率，等于用"目录价"给自己做预算。

治理中心前置 —— 生成前声明约束，而不是事后返工。

Seedance 2.5 的多模态参考能力越强，token 成本越高——这跟"局部编辑能省额度"是同一枚硬币的两面。能力越强，约束不写清楚的后果越贵。

放到企业数据治理上完全同理：一个字段的口径不在入库前声明，就要靠人工在事后核对；一次核对成本可能不高，但如果这条数据每天被读一万次，返工成本就被放大了万倍。 前置声明的成本和事后返工的成本，差的不是倍数，是数量级。

全域守卫划权限 —— 让重试率可归因。

这一条是本文最想强调的。重试率是所有 AI 工具成本里最关键的指标，但它在大多数团队里是一个不可归因的数字。 你知道这个月失败了 300 次，但不知道这 300 次分散在哪些人、哪些业务场景、哪类数据。

全域守卫在这里的价值是：当失败可以追溯到具体的人、具体的输入、具体的规则，就能定位到"到底是模型不行、prompt 写得不对，还是数据本身有歧义"。 这三者的解法完全不同——第一种换模型，第二种改 prompt，第三种改数据规范。不归因的成本核算，只会得到"上个季度超预算了"这个没有行动价值的结论。

与 Dify 分工 —— 平台管成本事实，AI 管生成。

平台负责把"真实单位交付成本"算准并且可追溯，AI 负责生成。分工线在这里特别重要：因为真实成本里那一大块（重试、返工、人工介入）恰恰是最需要记账的部分，而它恰好是最不适合交给模型去"感觉"的部分。

要克制的是：平台能让成本可算、可归因、可对比，但"抽卡倍率多少算合理"这个基准线，仍需业务专家定。 同一类素材在创意场景抽 3 次是正常，在金融合规场景抽 3 次就可能说明上游数据有问题。平台给不了这个阈值，它只能保证不同场景的成本被分别记清楚。

📌 三条可以直接用的判断标准

补一条容易被当成理所当然的："抽卡率降了 40%"这类效率数字，必须先问它是按 token 算还是按金额算。 按 token 算的 40%，在分辨率从 480p 提到 720p 之后可能变成负收益。任何百分比效率提升，都要问它的分母是什么。

第 3 条看起来是废话，但我见过太多预算表里还留着"首月 1.5 美元/90% off"的过期价。这类数字一旦进了预算表，就会一路活到下次复盘。

💬 你做 AI 视频，真实的重试倍率是多少？

我很好奇这个数字。因为所有定价页面都只给单次成本，没有一家敢公布"平均重试次数"——而这恰恰是决定账单的变量。

如果你做过 AI 短剧或 AI 视频量产，说说你的实际重试倍率：是一个镜头抽两次就能用，还是要抽五次以上？以及有没有出现过"全部生成成功但全部不可用"的情况（那种成本最离谱，因为全部计费）？

另外，如果你发现某个工具宣传"效率提升 XX%"，记得追问一句：这个 XX 是按目录价算的，还是按实际交付成本算的？ 这两者的差距，通常就是宣传材料里不会提的那部分。

本文基于 BytePlus ModelArk 官方公开价目表（2026-10-08 更新）、Dreamina 订阅方案、第三方转售平台报价，以及 Flova 官方发布内容与多方实测报道整理。价格为实时变动项，引用时须带时点；文中"抽卡倍率 3~10 倍"为第三方平台经验值，非字节官方口径。