바이트댄스 시댄스 2.5·미니맥스 H3, 같은 날 출시…참조파일 50개 대 벤치마크 2위

7월 31일(현지시각) 바이트댄스와 미니맥스가 나란히 새 AI 영상 생성 모델을 내놨다. 바이트댄스는 시댄스(Seedance) 2.5를, 미니맥스는 H3를 같은 날 공개했다. 일주일도 지나지 않아 알리바바도 큐원 클라우드(Qwen Cloud)에 Wan 3.0을 별다른 발표 없이 슬쩍 올려놓으면서, AI 영상 생성 시장 최상위권 다툼이 단 며칠 사이 세 개 모델로 늘어났다. 세 모델은 성격이 뚜렷하게 다르다. 시댄스 2.5는 30초 분량의 긴 영상과 50개 참조 파일 입력을, H3는 검증된 벤치마크 성적과 가장 저렴한 요금을, Wan 3.0은 침묵 속 저가 정책을 무기로 삼는다.

같은 날 출격한 두 모델, 전략은 정반대

바이트댄스는 시댄스 2.5를 “차세대 오디오-비디오 동시 생성 모델”로 소개했다. 화면과 소리를 한 번의 생성 과정에서 함께 만들어낸다는 뜻이다. 버전 번호도 2.0에서 2.1~2.4를 건너뛰고 곧바로 2.5로 뛰어올랐는데, 이는 소소한 업데이트가 아니라 세대 교체급 변화라는 신호로 읽힌다. 모델은 30초 분량 단일 클립 생성을 핵심 무기로 내세운다.

미니맥스 H3는 공식 명칭이지만 실제로는 이 모델을 구동하는 앱 이름을 따 하이루오(Hailuo) 3.0으로 더 많이 불린다. 하이루오03이라는 표기도 함께 쓰인다. 미니맥스는 같은 날 상하이에서 열린 세계인공지능대회(WAIC)에서 H3를 공개했다. 미니맥스는 상하이에 본사를 둔 AI 스타트업으로, 올해 1월 홍콩 IPO를 통해 약 6억1900만 달러(약 8,350억원, 1달러 1,349원 기준)를 조달하고 기업가치 약 40억 달러(약 5조 4,000억원)를 인정받으며 상장했다. 알리바바와 텐센트가 투자자로 이름을 올리고 있다.

참조 파일 50개로 확대된 시댄스, 벤치마크로 승부하는 H3

시댄스 2.5는 이미지 30장, 영상 10개, 오디오 10개까지 총 50개 파일을 동시에 입력받을 수 있는 참조 시스템을 갖췄다. 30초 분량 클립을 만든 뒤 두 차례 연장까지 지원해 실질적으로 훨씬 긴 서사를 구성할 수 있다.

H3는 이미지 9장, 영상 3개, 오디오 3개까지 총 12개 파일을 한 번에 입력받는 “@ 참조” 방식을 자체적으로 도입했다. 사용자가 프롬프트에 @이미지1, @영상1처럼 태그를 달아 각 소재의 역할을 지정하면 모델이 캐릭터 얼굴, 카메라 움직임, 배경음을 조합해 하나의 장면으로 합성한다. 결과물은 네이티브 2K(2,560×1,440) 해상도에 32kHz 스테레오 오디오, 24fps로 출력된다. 다만 독립 테스트에서는 4~8초 분량 클립에서 캐릭터 일관성이 가장 안정적이었고, 15초로 길어지면 얼굴이나 의상이 조금씩 흔들리는 현상이 나타났다.

성적표에서는 H3가 앞선다. 독립 벤치마크 기관 Artificial Analysis 집계에서 H3는 텍스트-투-비디오 부문 2위(1238 엘로), 이미지-투-비디오 3위, 영상 편집 부문 1위를 기록했다. 1위 구글 제미나이 옴니 플래시(1244점)와는 단 6점 차이다. 시댄스 2.5는 아직 순위가 매겨지지 않았지만, 전작 시댄스 2.0이 1224점으로 3위에 올라 있어 계열 전체 성적은 나쁘지 않은 편이다.

H3는 오픈AI 소라2, 구글 비오 3.1과도 자주 비교된다. 소라2는 물리 시뮬레이션이 강하고 최대 25초 클립을 지원하지만 다중 소재 참조를 받지 않고 요금이 더 높으며, 오픈AI는 단독 제품을 단계적으로 종료한다고 밝힌 상태다. 비오 3.1은 4K 해상도에서 가장 정제된 영상을 뽑아내지만 오디오를 입력값으로 받지 않고 고품질 등급일수록 요금이 급격히 오른다. 두 모델과 견줘도 H3는 참조 입력 범위와 비용에서 우위를 갖는다.

분당 요금으로 보면 승자는 H3

가격 경쟁도 승부처다. H3는 2K 출력 기준 초당 13센트, 분당으로 환산하면 7.80달러다. 768p 등급은 초당 9센트로 비공개 베타 중이다. Wan 3.0은 480p 초당 5센트, 720p 초당 10센트, 1080p 초당 20센트로 책정돼 분당 각각 3달러, 6달러, 12달러 수준이다. 세 모델 중 480p 기준으로는 가장 저렴하다.

시댄스 2.5는 초 단위가 아니라 토큰 단위로 과금한다는 점에서 차별화된다. 바이트댄스 산하 볼케이노 엔진(Volcano Engine) 기준으로 영상 입력이 없는 생성은 100만 토큰당 70위안, 영상 입력이 있으면 100만 토큰당 42위안이다. 바이트댄스가 공개한 예시에 따르면 5초 분량 클립은 480p 기준 약 3.36위안, 720p 기준 약 7.56위안이 든다.

조용히 등장한 Wan 3.0과 남은 승부

알리바바 산하 퉁이랩(Tongyi Lab)은 완(Wan) 시리즈를 빠르게 이어왔다. 2025년 초 Wan 2.1을 시작으로 올해 4월 Wan 2.7까지 내놓은 이 랩은 8월 초 별다른 발표문이나 기술 보고서 없이 wan3.0-video라는 이름의 모델을 큐원 클라우드에 요금표와 함께 슬쩍 올려놨다. 480p·720p·1080p 세 등급으로 나뉘어 있고 DashScope API로 곧바로 호출할 수 있지만, 정작 품질을 증명할 자료는 전혀 공개되지 않았다.

Artificial Analysis 순위표에서 Wan 3.0은 아예 이름을 찾을 수 없다. 상위 27개 모델 안에도 들지 못했다. 측정 가능한 완 시리즈 중 가장 성적이 좋은 Wan 2.7조차 1161점으로, 1위 제미나이 옴니 플래시보다 83점 낮다.

접근성 면에서는 세 모델 모두 이미 실사용 단계에 들어섰다. 시댄스 2.5는 바이트댄스의 지멍(Jimeng, 해외명 Dreamina)과 더우바오(Doubao) 프로 버전에 탑재됐고, API는 중국 내 볼케이노 엔진 아크(Ark)와 해외용 바이트플러스 모델아크(BytePlus ModelArk)를 통해 열렸다. H3는 하이루오 앱과 미니맥스 허브(MiniMax Hub) 데스크톱 앱, 전 세계 대상 미니맥스 오픈 플랫폼 API에서 쓸 수 있다. Wan 3.0은 큐원 클라우드의 국제용 DashScope 엔드포인트로 호출 가능하다.

용도별로 보면 선택은 갈린다. 참조 자산이 풍부한 브랜드 필름이나 스토리 중심의 광고를 만든다면 50개 파일 한도와 타임스탬프 연출 기능을 갖춘 시댄스 2.5가 유리하다. 검증된 벤치마크 성적과 상대적으로 낮은 비용을 동시에 원한다면 H3가 현재로선 가장 근거 있는 선택지다. Wan 3.0은 저가라는 장점은 뚜렷하지만, 품질을 뒷받침할 독립 평가 자료가 나오기 전까지는 판단을 미루는 편이 안전하다.