AREX Feed Article
Sora 2 下月关停、OpenAI 不给替代方案，中国模型已包揽全球视频生成前三
2024 年 2 月，OpenAI 用一段东京街头的演示视频让全世界记住了 Sora。2026 年 9 月 24 日，Sora 2 的 API 将永久下线。上，推荐替代模型一栏是空的。
8 月 7 日，日本 AI 博主 发布了一份五款主流视频生成模型的横向对比，涵盖 Sora 2、Veo 3.1、Kling 3.0、Seedance 2.0 和 HappyHorse 1.0。对比引用的 Artificial Analysis 榜单显示：综合排名前三已被中国公司包揽——快手 Kling v3 第一，阿里 HappyHorse 1.0 第二，字节跳动 Seedance 2.0 第三。带音频生成的榜单上，Seedance 第一，Veo 3.1 仅列第三。
Sora 2 的倒计时：没有替代品，没有回头路
OpenAI 的退场时间表清晰得残忍。3 月 24 日，OpenAI 通知开发者 Sora 2 模型及 Videos API 进入废弃流程；，Sora 的 Web 端和 App 端全部下线；9 月 24 日，API 永久删除。ChatGPT Plus 和 Pro 订阅用户仍能在 ChatGPT 内调用 Sora 2，但作为 API 依赖项，它已经死了。
@AIzunA_izumo 的对比指出了 OpenAI 官方 deprecations 页面上一个容易被忽略的细节：sora-2、sora-2-pro 以及全部相关快照的"推荐替代"一栏，全部留空。OpenAI 没有为这个曾经定义品类的模型指定任何接班人。
Sora 2 Pro 的 API 定价高达 $0.70/秒——在 invideo 8 月汇编的 中是最贵的，但七周后将有钱也买不到。
五款模型怎么定价：一张 10 秒 1080p 视频究竟花多少钱
按照 1 美元兑 158.34 日元换算，给出了每 10 秒视频的实际成本：
- Veo 3.1 Lite 720p：约 ¥79（~$0.50）。最便宜，音频默认内置，生成失败不收费。
- Veo 3.1 Fast 720p：约 ¥158（~$1.00）。
- Kling 3.0（Pro 换算）：约 ¥176（~$1.11）。
- Veo 3.1 Standard：约 ¥633（~$4.00）。
按 ，Veo 3.1 的每秒费率分别为：Lite $0.05/s（720p）、Fast $0.10/s（720p）、Standard $0.40/s（720p–1080p），4K 则跳到 $0.60/s。Kling 走的是订阅信用制，其家族唯一的官方每秒报价是 Kling 3.0 Turbo 的 ¥0.8/s（$0.11），仅限 720p——1080p 只能走套餐信用，实际单价取决于你的订阅档位。上 HappyHorse 的官方报价为 ¥0.9/s（720p，$0.125）和 ¥1.6/s（1080p，$0.22），失败不收费。Seedance 走的是 token 计费——字节跳动火山引擎上视频输入请求 ¥28/百万 token，纯文生视频 ¥46/百万 token，折算下来约 ¥1/s（$0.14）。
两年换了人间：从 Sora 一家独大到中国模型三足鼎立
把时间轴拉出来，格局翻转的速度比任何一份行业预测都快。
2024 年 2 月，Sora 亮相，视频生成这个品类从此有了公众认知。2025 年 10 月，Sora 2 和 Veo 3.1 相继发布，美厂双雄格局初成。2026 年 2 月，Kling 3.0 和 Seedance 2.0 接连入场。2026 年 4 月，HappyHorse 1.0 以匿名身份登上 Artificial Analysis 盲测擂台，在没人知道它属于阿里的情况下拿下文生视频和图生视频双料第一。
HappyHorse 的登场方式本身就是一段值得记住的行业轶事。4 月 7 日前后，一个未标注归属的模型出现在 Artificial Analysis 对战中，靠纯盲投爬上榜首。三天后阿里才认领。在那个窗口期里，OpenAI 恰好在推进 Sora 的下线计划——3 月 24 日通知废弃，4 月 26 日关闭消费者端。旧王退场和新王登基的节奏重叠在了一起。
此后 Kling 3.0 反超，Seedance 2.0 紧追。到 2026 年 8 月，Artificial Analysis 文生视频（无音频）榜上，HappyHorse 1.0 约 1284 Elo 排第三，HappyHorse 1.1 约 1151 Elo 排第五（带音频榜）。而在综合排名中，前三已全归中国模型。
音频、分辨率和 lip-sync：真正拉开差距的不是画质
1080p 已成标配，4K 在 Kling 和 Veo 上也能买到。2026 年 8 月，区分模型的不再是分辨率，而是三个东西：原生音频、clip 长度和 lip-sync 质量。
HappyHorse 的核心差异化是单次联合生成——视频帧和音频轨道在同一次推理中同时产出，口型与对白同步生成。invideo 的 指出，多数信源确认支持英语、普通话、粤语、日语、韩语、德语、法语七种语言的 lip-sync 对话。这直接把"生成—配音—重新对口型"的流水线压缩成了一次 prompt。代价是 clip 上限 15 秒，复杂场景下 A/V 同步会漂移，屏幕文字仍然经常出现乱码。
Kling 3.0 的武器是原生 4K、60fps 和 15 秒 clip，却是 Veo 3.1 旗舰档的四到七分之一。Seedance 2.0 支持单次调用塞入最多 9 张参考图、3 段参考视频和 3 条音频 clip，在需要精确控制角色和场景一致性的商用流程中。
Veo 3.1 在同步对话上仍然有独特积累——指出其生成 48kHz 语音与画面同步，在需要人物开口的场景中仍是首选。但它的 8 秒生成上限意味着超过 8 秒就要拼接，每次都是新的成本。
被问到 Sora 2 还能买的时候，答案已经很清楚了。Flowith 7 月 27 日的写道："如果你正在评估本月要用的视频模型，不管 Sora 2 评分多高，都不该进候选名单。任何仍把它列为可选项的对比都已经过时了。"
从 $0.40 到 $8.40：同一段 10 秒视频的成本能差 17 倍
定价这件事在视频生成领域比 LLM 复杂得多。Veo 按秒计费，Kling 走订阅信用，Seedance 按 token 算钱，HappyHorse 也按秒但人民币结算。invideo 的把所有模型拉到了同一个标准——一条 10 秒 1080p 带音频的 clip——得出的账单从 $0.40（Pruna P-Video）到 $8.40（Sora 2 Pro，12 秒起跳才能覆盖 10 秒需求）不等。
但标价不是全部。invideo 引述 PixVerse 对自己 V6 的评估——"不是那种一次就能搞定一切的魔法模型"——这个判断适用于整个市场。真实成本 = 官方费率 × 每次可用镜头所需的尝试次数。Swfte 用一个思想实验说明了这个逻辑：假设 Veo 3.1 在普通商用场景下 2.4 次出可用镜头（$9.60/可用镜头），Kling 3.0 需要 3.5 次（$3.50/可用镜头）；但遇到高难度镜头，廉价模型的重试次数可能暴增，加上美术指导额外花 10 分钟审片的时间成本（按 $85/小时就是 $14），便宜的反而贵了。
MiniMax-H3 是另一个值得关注的变量：$0.13/s 买到的是 2K 输出——比 Veo 3.1 的 1080p 费率还低一截。输入参考视频也按秒计费，但失败不收费。
模型可以换，管线不能绑在一棵树上
Sora 2 的停服是一记足够响亮的警钟。一年半前定义品类的模型，如今不仅被中国模型超越，连制造商自己都不打算给它续命。Runway Gen-4.5 曾在 2025 年底以 1247 Elo 领跑，。在这个品类里，没有任何领先地位被证明是耐久的。
对于需要把视频生成嵌入生产管线的团队，Swfte 的建议直白：用你自己的历史作品建评测集，跑 30 个真实镜头，打分只用一个二元标准——能进剪辑还是不能进。多点美学量表看起来更严谨，但更容易让一个从来通不过标准的模型攒出一个体面的平均分。
OpenAI 的推荐替代栏是空的这件事，或许比 Sora 2 的关停本身更值得记住。它意味着即便是模型制造商，也不认为自己有义务给出一条平滑的迁移路径。选择权和使用者要承担的成本，最终都落在买模型的人身上。