Seedance 2.5, Kling 3.0, Veo 3.1 i Wan 3.0 przez API - który model do jakiego klipu

Jeśli masz minutę: długie ujęcia z dźwiękiem do 30 sekund robią Seedance 2.5 i Wan 3.0, krótkie, filmowe kadry w 1080p lub 4K daje Veo 3.1, a sceny złożone z kilku planów w 4K - Kling 3.0. Kadraris obsługuje całą czwórkę przez jedno API do generowania wideo: ten sam klucz, to samo konto, inna wartość w polu model. Dla tych, którzy chcą generować na własnej karcie, zostaje Wan 2.2 z otwartymi wagami. Poniżej zebrałem parametry z katalogu i od producentów, ceny i skrypt, który puszcza ten sam prompt we wszystkich modelach.

Skąd biorę dane

Parametry pochodzą z dwóch miejsc - z naszego katalogu (schemat każdego modelu) i ze stron producentów: Google (Veo), Kuaishou (Kling), ByteDance Seed (Seedance) i Alibaby (Wan). Tam, gdzie API producenta daje więcej opcji niż nasz katalog, zaznaczam to. Ceny w tekście wstawia automatycznie cennik, więc zawsze są aktualne.

Oceny jakości to moje subiektywne wrażenia. Najczęściej robię pionowe rolki i krótkie ujęcia produktów, więc przez taki filtr patrzę.

Cztery modele w jednej tabeli

Pozostałe różnice:

• Producent: Seedance - ByteDance Seed, Kling - Kuaishou, Veo - Google DeepMind, Wan - Alibaba.
• Rozliczenie: Veo liczy cały 8-sekundowy klip, trzy pozostałe - każdą sekundę.
• Najniższa rozdzielczość: Seedance i Wan zaczynają od 480p, Kling i Veo od 720p. Wan oferuje też 2K.
• Mocna strona: Seedance 2.5 - długie ujęcie i mnóstwo referencji, Kling 3.0 - kilka planów w jednym prompcie, Veo 3.1 (Quality) - światło i kadr, Wan 3.0 - 30 s w 4K i film z dokumentu.

Dokładne dozwolone wartości (które rozdzielczości, jakie długości) podaje publiczny GET /v1/models/{id} w polu input_schema. Sprawdzam go za każdym razem, zanim zmienię parametr w kodzie. I uwaga na wielkość liter: Wan chce rozdzielczości w formie 720P, a Seedance, Kling i Veo - 720p.

Seedance 2.5 - jedno długie ujęcie

Premiera była 31 lipca 2026. U nas jeden przebieg trwa od 4 sekund do pół minuty, w trzech rozdzielczościach do 1080p, z dźwiękiem tworzonym równocześnie z obrazem. Wzorców możesz dać sporo: 30 grafik, 10 filmów i 10 plików audio na zadanie. Umie też edytować gotowe nagranie i przedłużać klip.

To mój pierwszy wybór przy rolkach. Kiedy całość to jedno ciągłe ujęcie, twarz bohatera i otoczenie po prostu nie mają kiedy się zmienić. Haczyk: długi klip długo się generuje, a jeśli ruch nie wyjdzie, płacisz za całość. Dlatego prompt sprawdzam najpierw na 5 sekundach w 480p. Poradnik z kodem: Seedance 2.5 przez API.

Kling 3.0 - kilka planów naraz

Kling 3.0 trwa od 3 do 15 sekund, ma trzy poziomy jakości z 4K na szczycie i trzy formaty kadru: poziomy, pionowy i kwadrat. Dźwięk włączasz polem generate_audio - wtedy model dokłada dialogi, tło i muzykę zgrane z obrazem.

Gdy w jednym prompcie opiszesz kilka ujęć (np. "zbliżenie dłoni, potem szeroki plan kuchni"), Kling złoży je w jedną scenę, a postać zostanie spójniejsza niż przy sklejaniu osobnych generacji. Osobnego trybu multi-shot (własny opis i czas dla każdego ujęcia) w Kadrarisie na razie nie udostępniamy.

Ważne przy polskich projektach: oficjalnie Kling 3.0 obsługuje dialogi po chińsku, angielsku, japońsku, koreańsku i hiszpańsku. Polski się w niej nie pojawia - kwestie po polsku przygotuj więc oddzielnie.

Veo 3.1 - osiem sekund, ale jakich

U nas Veo 3.1 ma jedną długość - 8 sekund - trzy rozdzielczości (najwyższa 4K) i dwa formaty: poziomy i pionowy. Płacisz za klip: jedna generacja to jedno 8-sekundowe ujęcie, a 4K jest droższe od 720p i 1080p. Dźwięk powstaje zawsze i jest wliczony, przełącznika nie ma. Możesz dorzucić do 3 obrazów wzorcowych.

Czego nie ma u nas, a jest w API Google: klipów 4- i 6-sekundowych, ustawiania pierwszej i ostatniej klatki oraz przedłużania (extensions).

Gdy chodzi o światło, skórę i powierzchnie, Veo podoba mi się najbardziej ze wszystkich czterech. Ogranicza go długość - 20-sekundowa rolka to trzy klipy i pilnowanie, żeby do siebie pasowały.

Wan 3.0 - pół minuty w 4K

Alibaba wydała Wan 3.0 w sierpniu 2026. W katalogu jest razem z mocniejszym Wan 3.0 Video Prime, a starszy Wan 2.7 Video robi do 15 s w 1080P.

Klip z Wan 3.0 może mieć od 2 sekund do pół minuty, w pięciu rozdzielczościach od 480P po 4K, a dźwięk jest domyślnie włączony. Jako wzorce przyjmie 5 filmów i 5 nagrań audio, a także plik PDF, prezentację albo adres strony internetowej, które zamieni w film. Stawka rośnie z rozdzielczością - najtańszy wariant świetnie nadaje się na szkice.

Wagi Wan 3.0 nie są otwarte. Ostatnia otwarta wersja to Wan 2.2 (Apache 2.0) - uruchomisz ją na własnym GPU, jeśli masz mocną kartę, czas i potrzebę setek klipów testowych. Prąd i godziny pracy karty też kosztują, tylko inaczej.

Porównania parami:

• Wan 3.0 czy Seedance 2.5
• Wan 3.0 czy Kling 3.0
• Wan 3.0 czy Wan 3.0 Prime

Test A/B: jeden prompt, cztery modele

Model najlepiej wybrać na własnym materiale. Puszczam ten sam opis we wszystkich czterech i oglądam wyniki obok siebie:

import os
import time
import requests

API = "https://kadraris.com/v1"
HEADERS = {"Authorization": f"Bearer {os.environ['KADRARIS_API_KEY']}"}

PROMPT = ("A barista pours latte art in a small cafe, morning light through the window, "
          "slow push-in, quiet cafe ambience")

JOBS = [
    {"model": "seedance-2.5", "input": {"prompt": PROMPT, "duration": 8, "aspect_ratio": "9:16"}},
    {"model": "kling-3.0", "input": {"prompt": PROMPT, "duration": 8, "aspect_ratio": "9:16"}},
    {"model": "veo-3.1", "input": {"prompt": PROMPT, "duration": 8, "aspect_ratio": "9:16"}},
    {"model": "wan-3.0", "input": {"prompt": PROMPT, "duration": 8, "resolution": "720P", "aspect_ratio": "9:16"}},
]

# zlecamy wszystkie cztery zadania
tasks = {}
for job in JOBS:
    r = requests.post(f"{API}/generate", headers=HEADERS, json=job, timeout=30)
    if r.status_code != 202:
        print(job["model"], "odrzucone:", r.json()["error"]["message"])
        continue
    t = r.json()
    tasks[t["id"]] = job["model"]
    print(job["model"], "szacunek:", t["estimated_cost"])

# co 10 s sprawdzamy, które już skończyły
while tasks:
    time.sleep(10)
    for task_id, model in list(tasks.items()):
        t = requests.get(f"{API}/tasks/{task_id}", headers=HEADERS, timeout=30).json()
        if t["status"] == "succeeded":
            print(model, "gotowe:", t["output"][0]["url"], "koszt:", t["cost"])
            del tasks[task_id]
        elif t["status"] == "failed":
            print(model, "nieudane (0 zł):", t["error"]["message"])
            del tasks[task_id]

Ustawiłem 8 sekund, bo to długość wspólna dla całej czwórki (Veo i tak ma stałe 8). Niepasujące ustawienia serwer wyłapie od razu i zwróci 422 ze wskazaniem pola - zadanie wtedy w ogóle nie startuje. Jeśli generacja ruszy i się wysypie, zablokowana kwota też wraca.

Wzór na test to 8 sekund każdego modelu na sekundę plus jeden klip Veo (od 14,61 zł za film). Tabela pokazuje jednak stawki minimalne, a skrypt zamawia Seedance i Wana w 720p, Klinga w domyślnym 1080p. Przy tych ustawieniach cała czwórka to ok. 55 zł: Seedance ok. 27 zł, Veo ok. 15 zł, Wan ok. 7 zł, Kling ok. 6 zł. Ile dokładnie, zobaczysz w estimated_cost, a inne zestawy ustawień sprawdzisz w kalkulatorze.

Prawdziwy koszt ujęcia, które trafia do montażu

Cennik to dopiero początek rachunku. Z mojej praktyki: zanim jakieś ujęcie trafi na oś montażu, generuję je przeciętnie dwa lub trzy razy. Biorę więc pod uwagę:

1. Stawka za sekundę lub za klip - z tabeli wyżej.
2. Liczba powtórek - im wierniej model realizuje opis przy twoich tematach, tym mniej prób.
3. Porażki - status failed oznacza 0 zł. Za udany technicznie, ale nietrafiony klip płacisz jak za każdy inny.
4. Czekanie - długi klip to kilka minut, więc tańszy model z pięcioma podejściami bywa w praktyce droższy.

Rolkę rozpisaną na grafikę, film, podkład i głos policzyłem w poradniku ile kosztuje rolka AI.

Cztery konta u producentów czy jedno API

Możesz też iść prosto do źródła: Google ma Gemini API, Kuaishou własne API Klinga, ByteDance swoją platformę, a Alibaba chmurę z Wanem. Tyle że to cztery rejestracje, cztery rachunki i cztery różne kształty JSON-a.

W Kadrarisie masz jeden klucz, jeden przebieg zadania (POST /v1/generate, potem GET /v1/tasks/{id}) i jedno saldo w złotówkach. Wpłata BLIK-iem lub kartą, faktura na życzenie przy doładowaniu, środki bez terminu i bez opłaty miesięcznej. Przy zakupie na firmę przyda się poradnik o fakturze VAT za API AI. Technicznie: generowanie i statusy zadań.

Ściąga: model do zadania

• Pionowa rolka jako jedna ciągła scena z dźwiękiem: Seedance 2.5.
• Pół minuty w 4K jednym ujęciem: Wan 3.0 (jedyny z czwórki, który na to pozwala).
• Prezentacja, PDF lub strona zamieniona w film: także Wan 3.0.
• Spot reklamowy z cięciami między planami: Kling 3.0.
• Jedno efektowne ujęcie produktu w najwyższej jakości: Veo 3.1.
• Masowe próby bez płacenia za API: Wan 2.2 na własnej karcie.
• Brak pewności: odpal powyższy skrypt na swoim opisie - to koszt paru klipów zamiast tygodni prób na oko.

Budżet dla konkretnej liczby klipów policzysz w kalkulatorze. Jeśli nie programujesz, porównaj modele ręcznie w Kadraris Studio - instrukcja jest w poradniku pierwsze wideo w Studio.

Pytania

Dlaczego Wan odrzuca moje 720p?

Bo Wan oczekuje wielkiej litery: 720P. Seedance, Kling i Veo przyjmują 720p. Przy błędzie dostaniesz 422 z nazwą pola, zanim zadanie wystartuje, więc nic nie zapłacisz.

Który z czterech modeli jest najtańszy na szkic?

Wan 3.0 w 480p. Niewiele drożej wychodzi Kling 3.0 w 720p bez dźwięku. Seedance 2.5 nawet w 480p kosztuje za sekundę ok. 3 razy więcej niż Wan, a Veo 3.1 zawsze liczy pełny klip 8-sekundowy.

Czy 4K dostanę w każdym modelu?

Nie. 4K dają Veo 3.1, Kling 3.0 i Wan 3.0. Seedance 2.5 kończy na 1080p - jeśli potrzebujesz wyższej rozdzielczości z tego modelu, możesz przepuścić klip przez narzędzie do powiększania wideo.

Jak sprawdzić aktualną listę modeli wideo z kodu?

Publiczny GET /v1/models zwraca cały katalog, a GET /v1/models/{id} schemat konkretnego modelu. Oba działają bez klucza, więc możesz je odpytać przed założeniem konta.