如果你只有十秒鐘：在公開的 Artificial Analysis text-to-video 排行榜上，Seedance 2.0 以 1,219 的 Elo 排名第 1，而 Wan 2.7 則以 1,095 排名第 8——而且透過 API 執行時，Seedance 也是兩者中較便宜的選擇（$9.07/min 對 $16.90/min）。因此，對大多數追求完成後可直接發布、且具同步音訊短片的人來說，Seedance 2.0 是更強的選擇。Wan 2.7 以不同方式證明自己的價值：它屬於阿里巴巴的開放影片系列，這代表可進行本地部署，並且提供 Seedance 的封閉 API 所沒有的控制程度。
這兩個模型其實並不是在競爭同一種工作——所以結論取決於你的需求。
30 秒判定
Seedance 2.0 | Wan 2.7 | |
|---|---|---|
製造商 | ByteDance Seed | Alibaba (Tongyi Lab) |
排行榜 Elo（含音訊） | 1,219（#1） | 1,095（#8） |
原生同步音訊 | 是 | 否（以影片為重點） |
存取模式 | 封閉 API / Dreamina 應用程式 | 現為 API；開放權重系列（2.7 權重未確認） |
API 價格（Artificial Analysis） | $9.07 / min | $16.90 / min |
最適合 | 帶有聲音的完成版電影感短片 | 本地控制、自訂化、開放式工作流程 |
如果你的目標是獲得開箱即用的最佳結果，選擇 Seedance 2.0。如果你的目標是掌控並調整流程，選擇 Wan 2.7。
認識參賽者
Wan 2.7 是阿里巴巴通義實驗室開源影片家族中的最新成員——該系列在 2025 年 7 月推出了 Wan 2.2，作為首批開源 MoE 影片模型之一，權重可在 GitHub 和 ModelScope 上取得。有一個前提會影響下文所有內容：Wan 2.2 的權重已確認可下載，但 Wan 2.7 本身是否會釋出開源權重，阿里巴巴尚未確認——目前它只能在排行榜上被驗證為一個 API 模型（標示為 2026 年 4 月發布）。請忽略那些單一產品「wanXX」網站聲稱的解析度和 VRAM 數據；那些都不是官方資訊。
Seedance 2.0 來自 ByteDance Seed，也就是 Dreamina（即夢）app 背後的團隊——這就是為什麼排行榜將它列為「Dreamina Seedance 2.0 720p」。根據 ByteDance 的官方頁面，它的核心特色是 「音視頻聯合生成」：一個統一模型接收文字、圖片、音訊和影片，並輸出具備原生同步聲音的片段，同時可控制燈光、陰影和攝影機。它是封閉且託管的，ByteDance 也未公布官方的解析度或長度上限（排行榜將其標示為 720p，2026 年 3 月）。
基準測試正面對決
最值得信賴的比較，並不是來自任何一家公司的行銷宣稱——而是 Artificial Analysis 文本轉影片排行榜，這是一個 Elo 對戰場，人類會對隱藏來源的生成影片配對進行投票（在這個案例中，是「With Audio」排行榜）。
以下是這兩者的比較，以及周邊領域的脈絡：
排名 | 模型 | 製造商 | Elo | 發布時間 | API 價格 |
|---|---|---|---|---|---|
1 | Seedance 2.0 720p | ByteDance Seed | 1,219 | 2026年3月 | $9.07/min |
5 | Kling 3.0 1080p (Pro) | KlingAI | 1,104 | 2026年2月 | $20.16/min |
8 | Wan 2.7 | Alibaba | 1,095 | 2026年4月 | $16.90/min |
10 | Veo 3.1 | 1,093 | 2026年1月 | $24.00/min |
來源：Artificial Analysis「Text to Video Leaderboard (With Audio)」，Global board，擷取於 2026 年 6 月 29 日。Elo 反映盲測的人類兩兩投票；「API price」是 Artificial Analysis 為各模型供應商列出的每分鐘費率，並非通用價格——費率會因供應商而異，且會隨時間變動。請在編列預算前確認目前價格。
有兩件事特別值得注意。第一，差距很大：124 Elo 分將 Seedance 2.0 與 Wan 2.7 分隔開來——這不是四捨五入的誤差，而是明確、由人類投票表達的偏好，而且 Seedance 以異常大的幅度領先整個領域。第二，在這份列表中，Seedance 2.0 每分鐘的價格比 Wan 2.7 更便宜，這顛覆了通常「品質越好，價格越高」的假設。Wan 2.7 的樣本數（2,775 票）也低於 Seedance 的（9,303 票），因此它的評分所對應的信心區間更寬——隨著更多票數加入，數值可能會有些波動。（如果你也在考量 Kling，而它位於兩者之間、排名第 5，我們的 Kling 3.0 API pricing guide 會詳細拆解其各個方案。）
功能比較
基準測試會對輸出品質進行排名，但它們無法反映你與每個模型合作的方式。這就是兩者真正分歧的地方：
功能 | Seedance 2.0 | Wan 2.7 |
|---|---|---|
原生同步音訊 | 是 — 音視訊聯合生成 | 否 — 僅影片 |
輸入類型 | 文字、圖片、音訊、影片 | 文字、圖片（影片線稿） |
攝影機／燈光控制 | 在官方文件中特別強調 | 可用，依工作流程而異 |
自架部署 | 否（僅提供託管 API） | 系列支援；2.7 權重尚未確認 |
微調／自訂化 | 僅限 API 參數 | 若 2.7 權重釋出則可能可行（如 Wan 2.2） |
每分鐘 API 成本 | $9.07 | $16.90 |
最佳輸出環境 | 託管式，一站式 | ComfyUI / 本地流程（若自架部署） |
最大的功能差異在於音訊。Seedance 2.0 會以一個流程連同影片一起生成聲音；Wan 2.7 則只會提供無聲畫面，音訊需另外搭配。如果你的交付成果是有對話、環境音或音樂的片段，那確實能節省工作流程——不只是品質分數上的差異。
您應該選擇哪一個？
這取決於你要優化的是什麼：
獨立創作者／社群行銷人員 → Seedance 2.0。 你想要的是最好的成品片段，包含聲音、速度快，而且每個月並不會跑成千上萬次生成。它在排行榜上名列前茅，包含同步音訊，每分鐘成本更低，而且設計上是供直接呼叫而非透過設定來使用。（預算更緊嗎？更輕量的 Seedance 2 Mini 也涵蓋了許多相同的需求。）
代理商／客戶專案 → Seedance 2.0。 邏輯相同，但要求更高：最高的盲測投票品質加上原生音訊，意味著更少的修改回合與更少的後期製作。
開發者／擁有自訂管線的工作室 → Wan 2.7（先驗證）。 如果你可以自架、微調，並整合到像 ComfyUI 這類工具中，你就能以部分品質換取控制權，以及在大規模使用時不需要按分鐘計費。
重視隱私或高用量 API 使用者 → 傾向 Wan 2.7。 自架能把資料留在內部，並將按分鐘計費的 API 成本轉為固定運算成本——但請先確認 Wan 2.7 的權重是否 वास्तव可供你下載使用。
許多團隊會同時使用兩者：Seedance 用於客戶交付，Wan 用於實驗性或自架主機的工作。這樣的分工完全合理。
有一點值得再三提醒：Wan 2.7 是新的，而它公開的實績（以及投票數）仍然不多。如果你打算把生產工作流程押在它上面，請先用你自己的 prompts 驗證後再決定採用。
常見問題
Wan 2.7 比 Seedance 2.0 更好嗎？
在公開的 Artificial Analysis 排行榜上，沒有——Seedance 2.0 以 124 Elo 分領先，而且每分鐘成本更低。不過，「更好」取決於任務：Wan 2.7 在開放、自架且可自訂的工作流程方面更勝一籌。
Seedance 2.0 會產生音訊嗎？
是的。其核心特點是「音視頻聯合生成」——根據 ByteDance 的官方 Seedance 2.0 頁面，它會在同一過程中原生生成同步聲音。
Wan 2.7 是開源的嗎？
Wan 的早期模型（Wan 2.2）已確認為開源。Wan 2.7 延續了這條開放路線，但 Alibaba 尚未確認 2.7 的具體授權條款——在依賴它之前請先核實。
它們要多少錢？
在 Artificial Analysis 列表中，Seedance 2.0 的價格為 $9.07/min，而 Wan 2.7 透過 API 的價格為 $16.90/min。價格會因供應商而異，並且可能變動，因此在編列預算前請確認目前的費率。
哪一個能更快取得可用的片段？
對大多數使用者來說，Seedance 2.0 是一個代管、即開即用的 API，會回傳帶有聲音的完成影片片段。若您自行架設，Wan 2.7 在大規模使用時可能更快，但需要進行設定。
重點結論
就原始品質而言，它還差得遠——Seedance 2.0 目前拿下了這個基準。但有兩件事會決定這個領先是否能維持：阿里巴巴是否會釋出 Wan 2.7 的開放權重（這會讓自架主機的人獲得一個品質提升，而封閉的 Seedance 在價格上無法匹敵），以及當 Wan 2.7 的投票數追上 Seedance 時，它的 Elo 會如何落定。在那之前，請根據工作流程而不是忠誠度來選擇：託管式、即用即成的偏向 Seedance，開放且可控的偏向 Wan——而且考慮到 Wan 2.7 才剛推出，先用你自己的提示詞跑一遍再決定是否採用。