文｜周鑫雨
编辑｜苏建勋
2025 年 4 月中旬，快手与字节这两个一直是对手的公司，在 AI 视频生成这个领域，又一次碰到了一起。
4 月 14 日，字节跳动的视频生成基础模型 Seaweed 低调地上线了官网，并且释出了技术报告。
Seaweed生成的视频。图源：Seaweed官网
字节在视频领域想要达到“四两拨千斤”的效果。首发的模型 Seaweed-7B 以 70 亿的参数，实现了超越 140 亿参数同类模型的效果。并且它的训练效率相当高，同类模型训练通常需百万 GPU 小时，而 Seaweed-7B 只用了 66.5 万 H100 GPU 小时。
Seaweed-7B训练效率。
字节比较低调，而快手在视频生成领域想要营造的声势，比字节的要大很多。快手在视频生成领域想营造的声势，与字节低调形成对比，显得浩大得多。快手在视频生成领域要营造的声势，相较于字节的低调，是浩大得多的。
4 月 15 日，在发布会上。快手的高级副总裁、主站业务与社区科学线负责人盖坤，面对到场的几百人。他用极高的评价为快手在视频生成领域的成绩定下了基调。
“‘可灵’吹响了整个视频生成赛道的挑战号角。”“在我们之后，各个厂商纷纷开始发布视频生成模型。”
创造了上线三个月服务超过 260 万用户的记录。
字节和快手在视频领域首次有了交手。“可灵”发布后，一度让字节处于追赶者的地位。到 2024 年 11 月 8 日，字节才重回视频领域第一梯队，Seaweed 和 PixelDance 上线了视频生成平台即梦 AI。
不少业内人士给出评价，2024 年在视频性能方面，奋力追赶的字节，最终与快手大致处于持平状态。
一年后的这次同台较量，快手显然也不肯让出技术第一的位置。
全球处于大幅领先的状态。持续保持领先。请让我再次重复这两句话。
交出新答卷时，盖坤的几句话再度让场子热闹起来。他宣布了快手在多模态领域的如下探索成果：有图像生成的基座模型“可图 2.0”；还有视频生成的基座模型“可灵 2.0”；以及多模态编辑功能 MVL。
“可灵2.0”生成的视频。图源：快手
“可灵 2.0”在视频生成能力方面，其文生视频能力以及图生视频能力，都要比谷歌的视频模型 Veo2 更强。在与老对手 Sora 的竞争里，“可灵 2.0”文生视频模型的胜负比例竟然达到了 367%。
“可灵2.0”能力。
DeepSeek 掀桌这一行为，已经让行业有所察觉，即模型对 AI 产品的上限有着决定性作用。在 2025 年，很多厂商的举动是回归模型。
字节和快手，当下在 AI 视频生成产品方面的野望存在差异。据悉，字节对于“即梦”的期望是打造 AI 时代的抖音，这是一个未来更面向消费者（ToC）的产品。而快手则把商业化的希望主要押注在 B 端。
2025 年，尽管情况如此，两家厂商仍有共识。他们的共识是打磨视频基座模型，并且要抢滩进入第一梯队。
《晚点》有报道称，字节的图像视频创作平台“即梦”的负责人是张楠。张楠 2025 年的 OKR 里，有一条是着重打磨模型效果。2025 年“可灵”团队的目标，在盖坤说出的 4 个字中得以浓缩，这 4 个字就是“持续领先”。
字节和快手方面，至少从技术层面来看，视频生成领域的战火会一直燃烧且越来越旺。
拼性能，更拼落地
4 月的这次“交手”，对于字节快手而言，不只是一次视频模型性能的较量。
视频模型落地存在困难，这是一个已经被多次提及的困境。模型效果没有达到预期只是其中一个方面，价格昂贵是视频模型普遍存在的问题。例如，OpenAI Sora 为了覆盖高昂的推理成本，推出的订阅费高达 200 美元。
可见，与“炫技”的 2024 年相比，2025 年的视频模型竞技场更注重实用，也更体现实惠。
比如，字节的 Seaweed-7B 在性能方面相较于快手的上一代模型“可灵 1.6”稍显逊色，不过其优势在于部署成本相当低。仅需 40GB 显存的单 GPU，就能够达成高分辨率（1280x720）视频的生成。
这意味着，中小团队和个人创作者，也能负担得起AI视频创作。
字节和快手在实用性方面的共识是：仅拥有一个视频生成模型，当下是不能够满足用户创作需求的。
在“可灵 2.0”的发布会上，快手发布了图像生成模型“可图 2.0”。这个模型增强了指令遵循能力和审美能力，在竞技场上超越了 Midjourney v7、Rave 和 FLUX1.1 pro 这三个主流模型。
“可图 2.0”生成的图片，其 prompt 描述的是一个摆满白色桌子的宴会厅，宴会厅周围坐着的人正在享用一顿美餐。图源为快手。
快手技术副总裁以及可灵 AI 负责人张迪认为，图像能力在视频模型落地的过程中是不可或缺的。
他给出了一组数据：在“可灵”生成的视频里，图生视频所占比例为 85%。这表明，在视频创作的实际情形中，更多的用户更倾向于通过图片来确定风格以及添加关键帧，从而获得更稳定的视频生成效果。
“多模态编辑 MVL 功能”是“可灵”这次发布的。工作人员介绍说，这也是为了满足创作者的实时视频编辑需求。
多模态编辑MVL功能。
多模态编辑 MVL 功能支持的不只是文字 prompt 。它还支持图像和视频模态的动作描述文件。例如，用户能够通过上传一段新视频，把新视频里的人物添加到原有的视频上。
快手注重图像，而字节发挥了文本处理方面的优势。Seaweed-7B 把字节的“长上下文调优技术”与长叙述视频生成技术“VideoAuteur”相结合，使得生成的视频能够依据用户的全局文本描述以及分镜描述，从而保持一致性。
“全村的希望”和“一个都不能落下”
字节有在视频领域登顶的野望，快手也有在视频领域登顶的野望，它们的野望是相同的。然而，从它们折射出的业务处境来看，却是不同的。
大众熟知的“精兵作战”的故事之外，“可灵”从诞生开始到成为热门，在快手的业务发展历程中，具有一定的偶然性。
《智能涌现》有相关了解，到 2024 年初的时候，文生视频的一项重要技术，被可灵团队给攻破了。在 2024 年 3 月，盖坤首次见到了“可灵”的演示版本。
公司对于 AI 的商业化预期，原本就不是很高。《智能涌现》了解到，快手的商业化业务负责人王剑伟（Thomas）在 2024 年第四季度的 OKR 里，“AI 商业化”不是“O（目标）”，只是“增长”之下的一个“kr（关键成果）”。
快手已有很长时间未出现新的故事了。快手是一家靠短视频业务发展起来的互联网公司，与不断拓展疆域的字节相比，它的业务版图并不宽广。到 2023 年，快手营收的核心依然是围绕短视频平台的线上营销、直播以及电商。
但“可灵”的出现，让快手看到了短视频之外的新增长曲线。
快手财报表明，从 2024 年 9 月起开放 API 服务，到 2025 年 2 月这段时间，可灵 AI 的累计营收达到了 1 亿元以上。在用户方面，盖坤在此次发布会上透露，当下“可灵”拥有 2223 万用户，其月活用户增长了 25 倍，全球的企业和开发者客户数量也已超过 15 万。
“可灵”不仅能够自身创造收益，还在对快手的其他业务起到撬动作用。快手商业化营销服务平台“磁力引擎”的一名员工曾向《智能涌现》透露，“可灵”为快手的广告业务带来了显著的增长态势。
大客户每月花费十几万进行投流，其广告物料能够通过 AI 生成。一个剪辑师一天最多能剪辑 10 条广告物料，然而可灵却可以生成几千条。我们在一天之内，就能够将这几千条广告物料利用算法分发到用户的推荐流中。
“可灵2.0”的发布，对快手来说，是“全村希望”的延续。
字节在视频生成赛道上，相较于单点奇袭的快手，有着更重的好学生包袱。
两年来，在人、算力以及金钱方面，字节在 AI 领域投入了大量兵力，这是有目共睹的。然而，在文本模型领域有 DeepSeek，在视频模型领域有可灵，语音模型和 MiniMax 的海螺 AI 打得十分激烈——字节虽然在各个方面都有所涉足，但似乎并没有牢牢抓住。
2025 年开春之后，字节内部开始进行一场改革。2025 年 3 月，原 Google Fellow 吴永辉成为 AI 部门“Seed”的新领导。在部门全员会上，他提到要强化组织文化，营造开放、包容且自信的团队研究氛围，还要提升技术的开放程度。
Seaweed-7B的发布，是字节AI改革后的一个注脚。
3 月豆包首次公开文生图技术报告之后，Seaweed 成为了字节在视频领域首个公开技术报告的模型。需要注意的是，之前被字节视为机密的研究团队，包括蒋路、冯佳时、杨振恒、杨建超，这次以技术报告署名的方式，首次一起走到了台前。
重振旗鼓后，双方的较量，才刚刚开始。
欢迎交流！
