Токен видео это лоскуток кадра
Видеомодель не рисует картинку пиксель за пикселем. Она держит в памяти сжатое представление ролика, латент, и режет его на мелкие куски по площади кадра и по времени. Каждый такой кусок и есть токен видео. В текстовых моделях токен это обрывок слова, здесь это фрагмент изображения, который живёт несколько кадров и тянет за собой соседей.
Счёт в API идёт именно за эти куски. Разрешение задаёт, сколько их по площади, длина задаёт, сколько их по времени, входное видео добавляет ещё один поток. Отсюда и разброс в цене: сюжет на пять секунд может обойтись в три юаня или в тридцать, и разница будет только в настройках вывода.
Как работает генерация видео: кусочки и внимание
Держать в голове стоит две вещи. Первая: латент сжимает кадр, поэтому кусочков меньше, чем пикселей, но они всё равно считаются и всё равно стоят денег. Вторая: модель внимания сравнивает кусочки между собой, чтобы свет, тени и движение не разъезжались от кадра к кадру. Каждый кусочек смотрит на соседей, и число таких сравнений растёт быстрее, чем число самих кусочков.
Из этого следует простой вывод. Платят за связность: чем больше область кадра и чем длиннее сцена, тем больше пар, которые модель сверяет, и тем дольше идёт расчёт. Пиксели в этом смысле только вход, а цена набегает на согласовании.

Почему 4K дороже: цифры Seedance 2.5
Volcano Ark считает Seedance 2.5 в токенах: 31 юань за миллион токенов в 4K без входного видео и 19 юаней с входным. Дальше арифметика на конкретном ролике 16:9 длиной пять секунд: 4K около 30,13 юаня, 1080p около 18,71 юаня, 480p около 3,36 юаня (прайс Ark от 16 ноября в пересказе AIHub). Финал в 4K выходит примерно как девять черновиков в 480p.
Разница между 1080p и 4K мягче, чем между 480p и 1080p: примерно в 1,6 раза против 5,6 раза. Если считать по пикселям, 4K даёт вчетверо больше, чем 1080p, а в прайсе надбавка скромнее. Значит у вендора своя сетка тарифа и своё округление, и теоретическая кривая с прайсом расходятся. Для заказчика это хорошая новость: переход с 1080p на 4K стоит дороже, но не вчетверо.
Подробный разбор цены секунды у Seedance 2.5 4K вышел отдельной статьёй, там же лимиты и режимы генерации.
Стоимость генерации видео у Google: секунда Omni 1.2 Flash
Google считает иначе, через токены видео, и цифры полезно держать под рукой для сравнения. По сводке RCTV от 16 ноября Gemini Omni 1.2 Flash тратит около 8 688 токенов на секунду ролика в 1080p при цене 12 единиц за миллион. В рублях это около 1 000 рублей за миллион токенов, а секунда 1080p выходит примерно в 8,8 рубля. В 720p по блогу Google от 5 ноября выходит около 0,07 единицы за секунду, то есть около 6 рублей.
Сравнивать эти числа с китайским прайсом напрямую не стоит: разные валюты, разные округления, разная длина ролика на выходе. Общее одно: везде платят за секунды и разрешение. За красоту кадра не платит никто.
Почему длина и входное видео добавляют счёт
Длина работает как множитель. Десять секунд при том же разрешении дают вдвое больше кусочков по времени, и счёт растёт соответственно, а внимание сверху добавляет свои пары. Именно поэтому минута в 4K редко укладывается в бюджет, который считали по пятисекундной пробе.
Входное видео превращается в токены так же, как и всё остальное. Тариф на токен при этом ниже, 19 юаней против 31, и это легко принять за скидку. Скидки нет: вы платите за два потока сразу, за референс и за результат, и чем длиннее референс, тем больше счёт. Общая сводка стоимости секунды за ноябрь 2026 показывает ту же картину по рынку: видео на входе почти всегда поднимает цену на выходе.
Что это значит для бюджета: проба дешёвая, финал дорогой
Практика простая. Двадцать дублей в 480p по пять секунд это около 67 юаней, те же двадцать в 4K около 600 юаней. Разница в девять раз, и платить её за кадры, которые всё равно не пойдут в монтаж, незачем.
Поэтому порядок такой: черновик в 480p на весь сценарий, отбор удачных проходов на монтажном столе, затем пересборка выбранных сцен в 1080p и только потом финал в 4K для тех кадров, где видна детализация. Так и строится съёмка ИИ-видео нейросетями: разрешение растёт по мере того, как отсеиваются слабые дубли. Когда кадр нужен с первого прохода и без пересборки, дешевле сразу брать ручные ролики, где человек отвечает за свет, композицию и монтаж.
Ещё одна мелочь, которая экономит: длину лучше резать, чем тянуть. Пять секунд в 4K и десять секунд в 1080p могут стоить похожие деньги, а в монтаже второй вариант часто выглядит живее, потому что даёт материал на склейку.
Мой вывод
Разрешение умножает счёт. Качество оно почти не двигает. 4K стоит дороже не потому, что модель рисует лучше, а потому что кусочков больше и связывать их дольше. Заказчику полезно помнить эту разницу: деньги уходят на согласованность кадра. Красивая цифра в названии режима стоит отдельно.
Мой рабочий порядок: сценарий и пробы в 480p, отбор, потом разрешение. Кто платит за 4K с первого дубля, платит за черновики по цене финала.




