1. 快速结论视频生成第一梯队OpenAI Sora 2、Google Veo 3.1、Runway Gen-4 系列、Kuaishou Kling、ByteDance Seedance、MiniMax Hailuo 02、Luma Ray、Vidu、Alibaba Wan、Tencent HunyuanVideo。它们的差异主要体现在可控性、镜头运动稳定性、角色一致性、音频/对白能力、API 可用性、成本与区域可访问性。图像生成第一梯队OpenAI GPT Image、Google Nano Banana/Gemini Flash Image、ByteDance Seedream、Midjourney、Adobe Firefly、Black Forest Labs FLUX、Ideogram、Recraft、Stability AI、Leonardo。图像产品已从“出图质量”竞争转向“编辑、文字渲染、角色一致性、品牌安全、商业授权、工作流集成”竞争。平台/Agent 工具即梦、Lovart、Adobe Firefly、Canva Magic Studio、Krea、Freepik、Leonardo、Dreamina 更适合非工程用户做完整创意工作流它们通常封装多模型能力重点不在单模型极限性能而在模板、编辑器、素材库、团队协作、发布链路。API 友好度OpenAI、Google Gemini API、BytePlus/Volcengine ModelArk、Runway、Vidu、MiniMax、Luma、Stability、BFL、Ideogram、Leonardo 的开发者文档更明确Midjourney、即梦、小云雀、HappyHorse 等更偏产品或新发布形态公开 API/官方文档不一定完整。需要单独标注的名称gemini banana市场俗称官方名称通常归入 GoogleNano Banana / Gemini Flash Image系列。GPT ImageOpenAI 图像生成系列开发侧以gpt-image-*模型和 Images API/Responses API 为主。HappyHorse公开资料多指 Alibaba/ATH 相关新视频模型但截至本报告未核验到稳定官方官网/API 文档入口应作为“待官方确认”项。小云雀公开入口和 API 文档不稳定应标注为“产品入口待确认”不建议把第三方介绍页写成官网。2. 分类框架类别代表产品核心能力典型使用者关键采购/选型指标文生/图生视频模型Sora、Veo、Runway、Kling、Seedance、Vidu、Hailuo、Luma、Wan、HunyuanVideo生成短片、镜头运动、角色一致、部分音频/对白视频创作者、广告团队、自动化内容系统画面稳定性、运动一致性、时长、分辨率、API、成本、审查与合规图像生成/编辑模型GPT Image、Nano Banana、Seedream、Midjourney、Firefly、FLUX、Ideogram、Recraft、Stable Image文生图、图生图、局部编辑、产品图、海报、文字渲染设计师、电商、营销、产品团队编辑可控性、文字准确率、风格一致、商用授权、批量 API创意 Agent/工作流平台Lovart、即梦/Dreamina、Adobe Firefly、Canva、Krea、Freepik、Leonardo多步骤创意生成、设计稿、素材管理、编辑发布非工程创意团队、运营、品牌市场端到端效率、模板、协作、资产管理、版权、团队权限开源/可私有化模型Wan、HunyuanVideo、CogVideoX、Stable Diffusion/SDXL/SD3.5、FLUX 开源权重本地部署、微调、私有化推理技术团队、数据敏感企业许可证、显存成本、推理速度、生态插件、微调难度3. 核心视频模型/平台对比产品/模型国家/公司定位主要优势主要短板/风险API/文档成熟度适合场景OpenAI Sora 2美国 / OpenAI文生视频、图生视频、音频/视频生成指令理解强叙事与物理一致性好适合与 ChatGPT/Responses API 串联区域、额度、内容策略和成本需评估Sora 消费端与 API 能力边界需区分高叙事短片、广告分镜、自动化视频生成Google Veo 3.1美国 / Google DeepMind高质量视频生成与 Gemini、Flow、Vertex AI/Gemini API 生态结合音视频和镜头控制能力强Google 生态绑定较深地区与企业账号要求需确认高品牌视频、影视预览、企业级视频生成Runway Gen-4 系列美国 / Runway专业创意视频平台/API视频编辑和创意工具链成熟创作者生态强API 明确成本较高复杂工业级批处理需看配额高创意短片、广告视频、视频编辑工作流Kling / 可灵中国 / 快手视频/图像生成平台与 API国内视频生成头部运动、角色、镜头控制和中文生态优势明显海外/国内版本、计费和模型版本存在差异文档页面有时需要登录中高短视频、电商视频、中文场景内容Seedance中国 / 字节跳动视频生成基础模型/API与即梦、剪映、BytePlus/火山方舟生态联动中文提示和消费级工具链强国内外文档体系分散需区分 Seedance、Seedream、即梦/Dreamina中高中文短视频、营销素材、平台化集成MiniMax Hailuo 02中国 / MiniMax消费级与 API 视频生成海螺平台传播度高模型迭代快适合快速生成短视频长视频、复杂多镜头一致性仍需实测中高社媒短片、创意验证、视频素材生成Vidu中国 / 生数科技/清华系视频生成模型/API国内专业视频生成代表API 文档清晰适合工程接入生态工具链较 Runway/Adobe 弱高图生视频、短片生成、API 批量生成Luma Ray / Dream Machine美国 / Luma AI视频生成平台/API图生视频、镜头运动和创意风格表现强API 可用长期一致性和企业协作能力需按项目验证高创意视频、产品动效、动态图像Pika美国 / Pika消费级视频生成平台社媒传播、趣味模板和快速生成体验强官方开发者 API 入口相对不稳定部分 API 依赖第三方平台低中社媒创意、轻量视频生成Alibaba Wan中国 / 阿里巴巴开源/云 API 视频模型开源生态强适合私有化、二开和云上推理商业版、开源版、云 API 能力需分别评估中高私有化视频生成、技术团队研究和部署Tencent HunyuanVideo中国 / 腾讯开源视频生成模型开源权重和研究生态活跃适合本地部署和微调产品化工具链弱于闭源平台中私有化、研究、企业内部视频生成HappyHorse中国 / Alibaba ATH 相关公开报道新兴视频模型据公开报道强调高分辨率、长时长、音视频同步未核验到稳定官方官网/API 文档不宜作为可采购 API 直接引用低先作为技术观察项4. 核心图像模型/平台对比产品/模型国家/公司定位主要优势主要短板/风险API/文档成熟度适合场景OpenAI GPT Image美国 / OpenAI图像生成与编辑 API指令理解、编辑一致性、多轮上下文和开发者生态强成本、配额、内容策略需按业务确认高产品图、营销图、应用内图片生成/编辑Google Nano Banana / Gemini Flash Image美国 / Google图像生成/编辑多模态上下文、角色一致性和 Gemini 生态强模型命名变化快需要按官方 docs 确认当前可用模型 ID高多轮图像编辑、视觉理解生成一体化应用Seedream中国 / 字节跳动图像生成/编辑模型/API中文提示、海报、电商图、消费级工具链强与即梦/剪映生态联动国内外产品名和 API 版本需区分中高中文营销图、电商素材、批量图像生成Midjourney美国 / Midjourney高审美图像生成平台艺术性、审美稳定性和社区生态强官方 API 能力有限自动化和企业系统接入不如 API 型产品中概念设计、视觉探索、品牌风格方向Adobe Firefly美国 / Adobe商业安全图像/视频/设计平台Adobe 全家桶集成、版权和品牌安全叙事强企业采用友好极限创意效果不一定领先 Midjourney/FLUX高品牌营销、企业设计、Adobe 工作流Black Forest Labs FLUX德国 / BFL高质量图像生成/API写实、人像、构图、开源/商业生态强不同模型许可证和商用条款需核对高高质量图像、私有化、开发者集成Stability AI Stable Image / Stable Diffusion英国/美国 / Stability AI图像基础模型与 API开源生态、插件和本地部署能力强闭源 API 产品与开源模型差异较大审美一致性需工作流调优高私有化、图像生产流水线、插件生态Ideogram加拿大 / Ideogram图像生成/API文字渲染、海报和标识类图像强视频和复杂编辑生态弱于综合平台高海报、Logo 草案、带文字图片Recraft英国/美国 / Recraft设计向图像生成/API矢量、品牌视觉、图标、风格一致性强泛娱乐审美和视频能力不是主场中高品牌资产、图标、插画、设计系统Leonardo AI澳大利亚/Canva图像生成与创作平台/API游戏资产、角色、产品图和平台工作流成熟作为平台封装能力多底层模型透明度有限高游戏素材、电商图、批量视觉资产Qwen-Image / Wan 图像能力中国 / 阿里巴巴图像生成/编辑、开源/云 API中文文字渲染和开源生态值得关注模型线较多云 API、开源权重、消费产品需分开评估中高中文海报、私有化图像生成HunyuanImage / 腾讯混元图像中国 / 腾讯图像生成/编辑腾讯云/混元生态和中文场景支持海外生态和第三方插件弱于 Stable/FLUX中中文企业内容、云上集成5. 智能体工具平台与创意工作流对比平台国家/公司类型主要价值与单模型的区别官方文档状态即梦 AI / Dreamina中国 / 字节跳动图像/视频创作平台面向普通创作者的一站式生成、编辑和发布素材更像产品工作台底层可关联 Seedream/Seedance 等模型能力产品官网明确公开 API 文档不独立Lovart海外团队设计 Agent/创意工作流从需求到视觉方案、海报、品牌素材的多步骤生成强调 Agent 编排不只是单次出图官网/API 入口存在完整开发者文档有限Adobe Firefly美国 / Adobe企业设计平台与 Photoshop、Illustrator、Express、Firefly Services 集成企业版权、团队协作和设计工具链更强文档成熟Canva Magic Studio澳大利亚/Canva设计平台模板、协作、发布和多模型生成能力适合非设计师和营销团队开发者平台成熟但生成模型细节不完全开放Krea AI美国/欧洲实时图像/视频创意平台实时生成、风格探索、视频/图像混合工作流强交互创意工具弱 API 化API/企业入口相对有限Freepik AI Suite西班牙 / Freepik素材平台生成工具素材库、设计资源和生成能力结合适合内容团队快速产出商业素材API 以 Freepik 开发者平台为主Leonardo AICanva 旗下图像生成平台/API游戏、电商、角色资产生产链路成熟平台和 API 兼具文档成熟小云雀中国 / 公开入口待确认图像/视频创作或智能体工具公开资料显示为中文创作工具但入口和主体需二次核验不建议与 Seedance/即梦等官方模型线混写暂未核验到稳定公开官方文档6. 官网与官方文档地址总表产品/模型/平台官网官方文档/API/帮助中心备注OpenAI GPT Imagehttps://openai.com/https://platform.openai.com/docs/guides/images/image-generation图像生成/编辑 API模型页见gpt-image-*OpenAI Sora / Sora 2 APIhttps://openai.com/sora/https://platform.openai.com/docs/guides/video-generation/开发接入以 OpenAI Platform 文档为准Google Gemini / Nano Bananahttps://gemini.google/https://ai.google.dev/gemini-api/docs/image-generation“gemini banana”通常指 Nano Banana/Gemini 图像系列Google Veohttps://deepmind.google/technologies/veo/https://ai.google.dev/gemini-api/docs/video也可通过 Vertex AI/Flow 生态使用Runwayhttps://runwayml.com/https://docs.dev.runwayml.com/Gen 系列视频模型与 APIKling / 可灵https://klingai.com/https://app.klingai.com/global/dev/document-api/文档可能需要登录或从开发者中心进入Seedance / Seedream / ModelArkhttps://www.byteplus.com/en/product/modelarkhttps://docs.byteplus.com/en/docs/ModelArkBytePlus 国际文档国内对应火山引擎方舟即梦 AIhttps://jimeng.jianying.com/无独立公开 API 文档模型 API 参考 BytePlus/火山方舟消费级创作平台Dreaminahttps://dreamina.capcut.com/无独立公开 API 文档即梦海外/CapCut 生态入口Viduhttps://www.vidu.com/https://platform.vidu.com/docs/introduction生数科技视频生成平台/APIMiniMax Hailuo AIhttps://hailuoai.video/https://platform.minimax.io/docs/api-reference/video-generationMiniMax 视频生成 APILuma Dream Machine / Rayhttps://lumalabs.ai/dream-machinehttps://docs.lumalabs.ai/docs/video-generationLuma API 文档Pikahttps://pika.art/https://pika.art/api官方 API 入口会引导到合作 API 平台需按当前页面确认Midjourneyhttps://www.midjourney.com/https://docs.midjourney.com/官方文档偏产品使用公开 API 能力有限Adobe Fireflyhttps://www.adobe.com/fireflyhttps://developer.adobe.com/firefly-services/docs/Firefly Services 面向企业和开发者Black Forest Labs FLUXhttps://bfl.ai/https://docs.bfl.ai/FLUX 图像模型/APIStability AIhttps://stability.ai/https://platform.stability.ai/docs/api-referenceStable Image/Stable Diffusion 生态Ideogramhttps://ideogram.ai/https://developer.ideogram.ai/图像生成 API文字渲染强项Recrafthttps://www.recraft.ai/https://www.recraft.ai/docs设计资产、矢量、图标方向Leonardo AIhttps://leonardo.ai/https://docs.leonardo.ai/图像/资产生成平台与 APIAlibaba Wanhttps://wan.video/https://github.com/Wan-Video/Wan2.1开源仓库和阿里云 Model Studio 文档需结合看Alibaba Cloud Model Studiohttps://www.alibabacloud.com/product/modelstudiohttps://www.alibabacloud.com/help/en/model-studio/通义/百炼/模型工作室相关 API 文档Qwen-Imagehttps://qwenlm.github.io/https://github.com/QwenLM/Qwen-Image开源图像模型线Tencent HunyuanVideohttps://github.com/Tencent-Hunyuan/HunyuanVideohttps://github.com/Tencent-Hunyuan/HunyuanVideo官方 GitHub 即主要文档Zhipu CogVideoXhttps://github.com/THUDM/CogVideohttps://github.com/THUDM/CogVideo开源视频模型商业 API 需看智谱开放平台Lovarthttps://www.lovart.ai/https://www.lovart.ai/api创意 Agent/设计平台完整 API 文档有限Canva Magic Studiohttps://www.canva.com/magic/https://www.canva.dev/docs/设计平台生成模型细节不完全开放Krea AIhttps://www.krea.ai/https://www.krea.ai/api以实时创意工具为主Freepik AI Suitehttps://www.freepik.com/aihttps://www.freepik.com/developers素材平台AI 工具HappyHorse暂未核验到稳定官方官网暂未核验到官方 API/文档不建议引用第三方聚合页作为官网小云雀暂未核验到稳定官方官网暂未核验到官方 API/文档建议以后续官方账号、App 内入口或主体备案为准7. 竞品补充清单视频方向产品补充理由官网/文档PixVerse中文/海外用户都较多的消费级视频生成平台https://pixverse.ai/Higgsfield角色、运镜、社媒模板方向活跃https://higgsfield.ai/Haiper消费级短视频生成平台https://haiper.ai/Kaiber音乐视觉、风格化视频工具https://kaiber.ai/LTX Studio / LTX Video故事板、视频工作流和开源模型方向https://www.lightricks.com/ltx-studio图像/设计方向产品补充理由官网/文档Freepik AI素材库生成能力适合营销素材生产https://www.freepik.com/aiKrea实时图像/视频创意体验强https://www.krea.ai/Playground / Mixed model tools面向创作者的多模型图像平台https://playground.com/Civitai开源模型社区和 LoRA 生态https://civitai.com/ComfyUI节点式本地工作流事实标准之一https://github.com/comfyanonymous/ComfyUI8. 选型建议工程/API 集成优先优先看 OpenAI、Google Gemini/Veo、BytePlus/ModelArk、Runway、Vidu、MiniMax、Luma、BFL、Stability、Ideogram、Leonardo。它们的文档、鉴权、计费、模型 ID、错误码和示例相对清晰更适合做业务系统集成。中文内容与国内生态优先优先看 Seedance/Seedream/即梦、Kling、Vidu、Hailuo、Wan、HunyuanVideo、Qwen-Image。它们对中文提示、中文视觉元素、短视频生态、电商营销素材更友好如果涉及私有化或合规部署Wan、HunyuanVideo、Qwen-Image、CogVideoX、Stable Diffusion/FLUX 开源路线更值得评估。专业创意与审美优先图像优先看 Midjourney、FLUX、GPT Image、Nano Banana、Firefly、Ideogram、Recraft视频优先看 Runway、Veo、Sora、Kling、Luma。品牌设计团队还应同时评估 Firefly、Canva、Recraft、Leonardo 的协作和版权能力。Agent/完整工作流优先优先看 Lovart、即梦/Dreamina、Adobe Firefly、Canva、Krea、Freepik、Leonardo。这类产品适合“从 brief 到多张图、多段视频、海报、品牌视觉、社媒发布素材”的连续流程但如果要嵌入自有系统必须先确认是否有稳定 API。9. 风险与核验清单模型名与产品名混淆即梦/Dreamina 是平台Seedance/Seedream 是模型线Gemini/Nano Banana 是 Google 图像能力Veo 是视频能力GPT Image 和 Sora 分属 OpenAI 图像/视频方向。官网与第三方聚合站混淆HappyHorse、小云雀、Pika API 入口尤其需要核验主体不要把 SEO 站、镜像站、非官方目录页作为官方文档。模型版本变化快下采购或开发结论前应重新确认模型 ID、价格、区域、速率限制、最大时长、分辨率、水印、可商用条款。消费端能力不等于 API 能力平台网页上能做的事不一定开放给 APIAPI 能力也可能落后于消费端。商用授权和版权企业使用时重点核对训练数据声明、输出版权、素材来源、内容审核、免责条款、企业赔付或 indemnity。可控性要实测建议用同一组中文/英文 prompt、同一组参考图、同一批品牌素材做横向测试记录成功率、返工次数、单条成本和生成耗时。10. 建议测试 Prompt 集视频中文电商短片一只透明玻璃杯放在木质桌面镜头缓慢推近杯中冰块和柠檬片清晰可见阳光从左侧照入5 秒。人物一致性同一位短发女性产品经理在办公室白板前讲解手机 App 原型镜头从中景切到近景表情自然。运镜稳定性夜晚城市街道摄像机低角度跟随一辆红色自行车穿过雨后路面霓虹反光清晰。物理一致性一个陶瓷杯从桌边滑落并摔碎碎片和液体飞溅符合真实物理。图像中文海报生成一张 3:4 咖啡新品海报主标题为“春日冷萃”副标题为“青柠与花香”需要中文文字清晰。产品图编辑保持参考图中水杯外形不变把背景换成极简厨房台面光线自然。角色一致性基于参考人物生成三张不同场景照片保持脸型、发型、服装颜色一致。品牌视觉为一家高端户外咖啡品牌生成主视觉要求低饱和、真实摄影风格、包含山地晨雾和便携咖啡器具。