Entre numa locadora de câmeras um ano depois da chegada de um novo corpo topo de linha e uma velha regra da tecnologia se torna visível nas prateleiras. A câmera que ontem era a melhor ainda é capaz de produzir imagens bonitas, mas sua diária caiu. O fabricante recuperou parte do custo de desenvolvimento, os concorrentes alcançaram o mesmo nível e o mercado agora considera aquela máquina um produto da geração anterior. A tecnologia criativa se desvaloriza.
O vídeo com IA parece quebrar essa regra porque um modelo de IA não é apenas uma câmera. Ele é uma câmera, uma fazenda de renderização e um laboratório cinematográfico reunidos em um serviço cobrado por uso. O cliente nunca compra o instrumento; paga por cada operação computacional. Cada quadro gerado precisa ser fabricado a partir do ruído, independentemente de o modelo ter sido lançado ontem ou no ano passado. Quando chega uma nova câmera, a antiga continua na prateleira.
Quando chega um novo modelo de vídeo, o antigo ainda precisa realizar bilhões de cálculos toda vez que alguém pede que ele produza uma tomada.
Isso torna a chegada do Seedance 2.5, da ByteDance mais do que uma nova entrada na cada vez mais disputada tabela de modelos. Ela levanta uma questão econômica desconfortável. Se cada melhoria relevante exige mais computação de treinamento, conjuntos de dados maiores e inferência mais cara, chegaremos a um modelo tecnicamente impressionante, mas economicamente definitivo?
O Seedance 2.5 está perto do ponto além do qual os criadores — ou até mesmo as empresas que desenvolvem esses sistemas — não poderão mais pagar pelo próximo avanço?
A resposta curta provavelmente é não. A resposta mais útil é que a pergunta revela uma verdadeira fratura na economia da IA: a fronteira está ficando dramaticamente mais cara de criar exatamente ao mesmo tempo que os recursos de ontem estão ficando dramaticamente mais baratos de usar.
O que o Seedance 2.5 realmente acrescenta à IA de personagens
O ritmo do desenvolvimento recente da ByteDance ajuda a explicar por que essa preocupação parece plausível. O Seedance 2.0 foi lançado oficialmente em fevereiro de 2026. Ele podia aceitar texto, imagens, vídeo e áudio como referências, gerar áudio e vídeo sincronizados e produzir resultados de 15 segundos com múltiplas tomadas.
Segundo o material de lançamento da ByteDance, o usuário podia fornecer até nove imagens, três clipes de vídeo e três clipes de áudio em uma única solicitação.
O Seedance 2.5 veio apenas alguns meses depois. Ele dobra a geração única máxima para 30 segundos e amplia o limite de referências para 30 imagens, dez clipes de vídeo e dez clipes de áudio. Oferece extensão em várias rodadas, edição no nível do timestamp, trabalho aprimorado com tela verde, perspectivas de câmera mais controladas e maior continuidade entre mudanças de cena.
A ByteDance o posiciona não apenas como um gerador de clipes melhor, mas como um sistema capaz de interpretar um pacote de materiais criativos e levar uma ideia mais adiante na produção.
Nesse contexto, IA de personagens não é apenas uma interface conversacional. É a capacidade do modelo de preservar identidade, atuação, figurino e continuidade espacial à medida que um personagem se move durante uma tomada ou entre várias cenas.
Para cineastas, essa distinção importa. Um clipe mais longo não é automaticamente uma tomada melhor, e um modelo que inventa mais elementos da sequência também pode inventar mais erros. Ainda assim, a transição de um prompt e um quadro inicial para referências, marcação de cena, instruções de edição e controle temporal representa um avanço genuíno. Ela aproxima o modelo da maneira como os diretores já trabalham: por meio de decisões acumuladas, e não de uma única descrição verbal.
Isso também torna a computação mais exigente. O vídeo já combina complexidade espacial e temporal. Uma duração maior significa mais quadros; uma resolução mais alta significa mais informação em cada quadro; o som sincronizado acrescenta outro fluxo gerado; e os vídeos de referência precisam ser interpretados antes que o resultado seja produzido. Nas arquiteturas atuais de difusão de vídeo, um clipe de cinco segundos em 720p pode se transformar em mais de 100.000 tokens internos.
Pesquisadores que trabalham com difusão eficiente de vídeo descrevem a atenção — o mecanismo que relaciona esses tokens entre si — como o principal gargalo de escalabilidade.
Sob essa perspectiva, o medo de um teto de custos parece racional. Cada anúncio de modelo promete mais: tomadas mais longas, maior resolução, física mais convincente, som nativo, mais referências, edição melhor e menos erros de continuidade. Cada promessa parece acrescentar uma nova carga à máquina.
As duas curvas de custo da inteligência artificial
A primeira curva é a que mais causa alarme. O desenvolvimento da IA de fronteira está se tornando extraordinariamente intensivo em capital. A análise da Epoch AI estima que a computação de treinamento dos modelos de linguagem de fronteira cresceu aproximadamente cinco vezes por ano desde 2020, enquanto o custo de treinamento aumentou cerca de 3,5 vezes ao ano. As necessidades de energia dobraram anualmente.
Um data center típico de IA com um gigawatt de capacidade de TI agora representa aproximadamente US$ 38 bilhões em capital inicial.
Os desenvolvedores de modelos de vídeo divulgam muito menos informações do que seria necessário para fazer um cálculo equivalente; portanto, os números dos modelos de linguagem não devem ser apresentados casualmente como custos do Seedance. Eles, porém, mostram a direção do desenvolvimento dos modelos fundamentais. Os sistemas mais capazes exigem cada vez mais uma infraestrutura que apenas algumas empresas ou organizações apoiadas por governos conseguem montar.
Cinco hiperescaladores já controlam mais de dois terços da computação global de IA.
Se essa fosse a única curva, a conclusão seria sombria. Os modelos de fronteira ficariam cada vez mais caros; os provedores de API repassariam o custo aos clientes ou venderiam gerações abaixo do custo total; laboratórios independentes desapareceriam; e o acesso criativo dependeria da disposição da ByteDance, Google, OpenAI e de algumas outras empresas em subsidiá-lo.
Mas uma segunda curva se move na direção oposta. O custo para obter um nível fixo de capacidade de IA está caindo muito rapidamente. O AI Index 2025, de Stanford, constatou que o custo de inferência de um sistema com desempenho no nível do GPT-3.5 caiu mais de 280 vezes entre novembro de 2022 e outubro de 2024. Os custos de hardware diminuíram cerca de 30% ao ano, enquanto a eficiência energética melhorou aproximadamente 40% ao ano.
Pesquisas mais recentes do MIT estimaram que o preço para alcançar um nível fixo de desempenho caía de cinco a dez vezes por ano, com melhorias algorítmicas respondendo por um ganho de eficiência anual de aproximadamente três vezes.
É por isso que um modelo mais novo pode ser mais capaz e mais barato. O GPT-4o foi lançado pela metade do preço e com o dobro da velocidade do GPT-4 Turbo. O Google reduziu o preço do Veo 3 de US$ 0,75 por segundo para US$ 0,40, além de lançar o Veo 3 Fast por US$ 0,15 por segundo.
Novo hardware, quantização, destilação, computação esparsa, cache, melhor processamento em lotes e softwares de disponibilização aprimorados mudam continuamente a quantidade de trabalho útil que pode ser extraída de um dólar de computação.
A aritmética do modelo antigo não desaparece magicamente, mas também não fica congelada no data center onde nasceu. Os pesos podem ser executados em chips mais novos e por meio de softwares melhores. Com mais frequência, os provedores não reduzem indefinidamente o preço de um produto antigo. Eles o aposentam ou substituem por um modelo menor e mais rápido que entrega resultados comparáveis com mais eficiência. A inteligência de ontem se torna um recurso dentro do modelo econômico de amanhã.
Quanto realmente custa um segundo de vídeo com IA
O próprio preço do Seedance revela por que comparações simples entre gerações são enganosas. Na API da Runway, que oferece vários modelos de terceiros em um único sistema de cobrança, o Seedance 2.0 custa atualmente US$ 0,36 por segundo de saída em 720p. O Seedance 2.5 custa US$ 0,30 por segundo na mesma resolução, embora vídeos de entrada e de referência tenham cobranças adicionais. Em 1080p, a relação se inverte: o Seedance 2.0 custa US$ 0,40 por segundo e o Seedance 2.5 custa US$ 0,68.
A tabela completa de preços contém diferenças igualmente amplas entre variantes padrão, rápidas e leves de outros modelos.
A BytePlus torna essa variabilidade ainda mais explícita. Seu pacote de cinco milhões de tokens do Seedance 2.5 é anunciado como capaz de produzir aproximadamente 120 a 500 segundos de vídeo em 480p. Isso representa uma variação superior a quatro vezes com a mesma quantidade de tokens, dependendo do modo de geração e das entradas.
Não existe uma resposta única e honesta para a pergunta “quanto custa um segundo do Seedance 2.5?” sem especificar resolução, duração, referências, provedor e fluxo de trabalho.
Para um profissional criativo, porém, até esse cálculo é incompleto. A métrica útil não é o custo por segundo gerado, mas o custo por segundo aprovado.
Suponha que um modelo antigo custe 30 centavos por segundo, mas precise de oito tentativas antes de produzir uma tomada com anatomia, atuação e continuidade aceitáveis. Um modelo mais novo, a 60 centavos por segundo, precisa de apenas três. O modelo supostamente caro já venceu antes que alguém contabilize as horas gastas mascarando erros, reconstruindo referências ou convencendo um cliente de que o casaco do ator mudou de cor por razões artísticas.
Os preços de vídeo com IA raramente incluem a taxa de aproveitamento das tentativas, embora seja justamente nas falhas que uma grande parte dos orçamentos de produção é consumida. Como argumenta o guia da Ciaro Pro sobre orçamento de um filme com IA, a taxa visível de geração é apenas uma parte do custo de produção; planejamento, continuidade, iteração, trabalho editorial e finalização determinam se aqueles segundos gerados se tornarão um filme.
Um modelo que segue o storyboard, respeita a atuação de referência e preserva o cenário durante um movimento de câmera pode ser economicamente superior mesmo custando o dobro do preço de tabela. Uma IA de personagens confiável pode, portanto, justificar um preço de geração mais alto quando reduz tomadas rejeitadas e reparos de continuidade. Por outro lado, um modelo espetacular pode oferecer pouco valor quando suas melhores qualidades são irrelevantes para a tomada.
Um plano fixo não exige o raciocínio mais caro do setor sobre física e diálogos.
Isso muda o papel dos softwares de produção. A camada valiosa talvez não seja uma fidelidade permanente ao modelo que lidera as classificações no momento, mas um sistema de produção de filmes com IA que mantenha roteiro, storyboards, personagens, referências, versões e edição conectados enquanto diferentes mecanismos de geração são usados em tomadas diferentes.
À medida que os modelos se tornam mais especializados e suas curvas de preço divergem, o roteamento se transforma em uma decisão criativa e financeira.
Esse roteamento também exige disciplina de categorias: poly ai e polybuzz ai atendem a casos de uso conversacionais; magicschool ai concentra-se em educação; humanizers ai, humanize ai e ai humanizer dizem respeito à transformação de texto; enquanto google ai studio e ai mode apoiam fluxos mais amplos de criação ou pesquisa — não a economia de vídeo no nível da tomada.
O teto pode mudar o setor sem interromper o progresso
Nada disso elimina o problema do custo da fronteira. Muda sua provável consequência. É menos provável que encontremos um modelo de vídeo definitivo do que um mercado no qual o desenvolvimento de fronteira se concentre em empresas capazes de justificá-lo por meio de vários negócios ao mesmo tempo.
A ByteDance não precisa que o Seedance funcione como uma empresa independente de câmeras. O modelo pode apoiar produtos de criação para consumidores, serviços de nuvem, ferramentas de publicidade e fluxos internos de mídia. A ByteDance também afirma que o Seedance 2.5 está sendo aplicado a dados sintéticos de treinamento, simulações industriais, robótica e cenários de direção autônoma.
O mesmo investimento em pesquisa pode, portanto, gerar valor em mercados que nenhuma assinatura de cineastas independentes conseguiria sustentar sozinha.
O Google pode fazer um cálculo semelhante envolvendo infraestrutura de nuvem, publicidade, YouTube e Workspace. A Meta pode financiar modelos por meio de um negócio publicitário. Uma empresa especializada em modelos, sem essa estrutura econômica ao redor, enfrenta um problema mais difícil. Mesmo quando a inferência em uma solicitação paga de API apresenta uma margem saudável, recuperar bilhões investidos em pesquisa, aquisição de dados e infraestrutura é uma questão separada.
O perigo, portanto, não é que os modelos de vídeo parem subitamente de melhorar. É que a fronteira se torne inseparável de um pequeno número de ecossistemas corporativos. O acesso criativo pode continuar acessível enquanto o controle sobre a tecnologia subjacente se estreita. Os preços podem ser baixos porque a eficiência melhorou, porque uma plataforma está conquistando clientes, porque outra divisão se beneficia do modelo ou porque um provedor está envolvido em uma guerra de preços.
Essas situações parecem idênticas em uma fatura de API, mas criam dependências de longo prazo muito diferentes.
Também há uma razão técnica para não declarar um modelo definitivo. A pressão criada pela escalabilidade cara está produzindo arquiteturas mais eficientes. Pesquisadores de Video Sparse Attention relataram uma redução de 2,53 vezes na computação de treinamento sem aumento correspondente na perda de difusão. Em um modelo de vídeo com 14 bilhões de parâmetros, o método reduziu o tempo de geração de 1.274 segundos para 576 segundos.
A combinação de atenção esparsa com destilação produziu um ganho de velocidade relatado de 50,9 vezes em um modelo menor, mantendo a qualidade.
Esses números vêm de sistemas de pesquisa, não são evidências de que o próximo modelo comercial será 50 vezes mais barato. Ainda assim, demonstram que o progresso não se limita à compra de mais GPUs. Um modelo pode melhorar porque seus desenvolvedores descobrem quais cálculos eram desnecessários.
Então, o Seedance 2.5 é o último modelo que podemos pagar?
Quase certamente não. O Seedance 2.5 pode até se tornar muito mais barato de usar enquanto um sucessor mais capaz ocupa a categoria premium. Esse tem sido o padrão dominante na geração de texto, imagem e vídeo: a fronteira avança, enquanto os recursos anteriores se espalham por sistemas mais rápidos e baratos.
O limite sério está em outro lugar. A escala bruta não pode continuar sendo o único caminho confiável para a melhoria. Se cada ganho em coerência ou precisão física exigir um treinamento geometricamente maior e mais computação para cada quadro gerado, o número de organizações capazes de competir continuará diminuindo. Os próximos avanços decisivos terão de melhorar a relação entre computação e controle criativo utilizável, e não apenas a pontuação em benchmarks.
Para cineastas que avaliam IA de personagens em vídeo, isso sugere uma forma menos glamourosa, mas mais duradoura, de avaliar o progresso. Pergunte quantos segundos gerados sobrevivem à edição. Pergunte se as referências permanecem estáveis, se o modelo consegue revisar um momento sem destruir o restante e se um mecanismo mais barato pode lidar com a tomada.
O sistema vencedor não será necessariamente aquele que gera o clipe mais impressionante isoladamente. Será aquele que desperdiça menos dinheiro entre uma intenção e uma sequência finalizada.
O Seedance 2.5 não é o fim do vídeo com IA. Ele pode, contudo, marcar o ponto em que a economia se torna impossível de ignorar. O futuro da produção cinematográfica generativa será determinado não apenas pelo que um modelo consegue imaginar, mas pela eficiência com que essa imaginação pode ser dirigida, repetida e financiada.
