Seedance 2.0: Chinas neue Video-KI macht Hollywood nervös

Bytedance bringt Seedance 2.0 auf den Markt – und chinesische Tech-Aktien steigen um 20 Prozent. Das multimodale KI-Videomodell kombiniert zwölf Eingaben gleichzeitig und zeigt: China hat den Westen überholt.

Bytedance hat mit Seedance 2.0 ein KI-Videomodell veröffentlicht, das chinesische Tech-Aktien binnen Tagen um bis zu 20 Prozent nach oben katapultiert hat. Die neue Version verarbeitet bis zu zwölf verschiedene Eingaben parallel – Bilder, Videos, Audio und Text – und erzeugt daraus 4 bis 15 Sekunden lange Clips mit automatisch generiertem Sound.

Was nach technischer Spielerei klingt, markiert einen Wendepunkt: China übernimmt die Führung im KI-Video-Markt, während westliche Modelle wie Sora noch mit Reproduzierbarkeit kämpfen.

Multimodale Steuerung statt Zufallsprinzip

Die entscheidende Neuerung liegt in der Referenzfähigkeit. Nutzer laden bis zu neun Bilder, drei Videos und drei Audiodateien hoch – das Modell übernimmt Kameraführung, Bewegungsmuster und visuelle Effekte aus diesen Vorlagen. Ein simpler Textbefehl wie „Übernimm Kameraführung aus @Video1, Szene oben nach @Bild2″ reicht aus. Laut The Decoder löst dieser Ansatz das größte Problem aktueller KI-Videomodelle: die fehlende Kontrolle über das Ergebnis.

SeedDance 2.0 looks super good.

Apart from the great motion and details, it's also acoustic!

Looking forward to the model. @BytedanceTalk Is there a way to apply for beta testing? pic.twitter.com/sKuL9rMxep

— Tiezhen WANG (@Xianbao_QIAN) February 7, 2026

Statt auf zufällige Interpretationen zu hoffen, definieren Anwender Lichtstimmung und Charakterdetails präzise vor. Allerdings stammen die gezeigten Demovideos direkt von Bytedance – vermutlich aus hunderten Generierungen ausgewählt. Wie zuverlässig das Modell im Alltag liefert, zu welchen Kosten und bei welcher Rechenzeit, bleibt unklar. Die Ergebnisse zeigen ein Optimalszenario. Aus Compliance-Gründen blockiert das System derzeit realistische menschliche Gesichter in hochgeladenen Materialien. Verfügbar ist Seedance 2.0 als Beta ausschließlich auf der Jimeng-Website.

Chinas industrieller Ansatz schlägt westliche Visionen

Der Vorsprung chinesischer Modelle kommt nicht überraschend. Kuaishou erreichte bereits im April 2024 mit Kling 2.0 ein Leistungsverhältnis von 367 Prozent gegenüber Sora bei der Text-zu-Video-Generierung. Laut All Ai führte das Modell bei Personenkonsistenz, Generierungsstabilität und Reproduzierbarkeit – und war das erste kommerziell nutzbare System am Markt. Wenige Tage vor Seedance 2.0 legte Kuaishou mit Kling 3.0 nach, ebenfalls mit multimodalen Ein- und Ausgaben.

Während westliche Teams versuchen, die Grenzen von Diffusion-Modellen zu erweitern – längere Videos, komplexere Welten, realistischere Physik –, verfolgen chinesische Entwickler einen pragmatischeren Weg. Sie behandeln KI-Videos nicht als künstlerisches Wunder, sondern als technisches Problem mit kontrollierbarer Erfolgsrate. Bytedance hat bei Seedance kontinuierlich Erzähllogik und Kameraführung optimiert, während kleinere Startups Videogenerierung direkt in E-Commerce-, Werbe- und Gaming-Workflows integrieren.

Diffusion-Modelle treffen auf Transformer-Logik

Der technische Durchbruch basiert auf einer cleveren Aufgabenteilung. Diffusion-Modelle erzeugen seit 2020 hochwertige Bilder durch schrittweise Rauschreduzierung – sind aber schlecht darin, Reihenfolgen und Kausalitäten zu verstehen. Transformer-Architekturen hingegen planen Struktur und Rhythmus, generieren aber keine Bilder. Chinesische Teams kombinieren beide: Der Transformer plant die Videostruktur, das Diffusion-Modell setzt sie um.

Laut Eu wird die KI-Videoerzeugung dadurch von einer technischen Kuriosität zur industriellen Fähigkeit. Diese Methodik spiegelt die Kernkompetenz des chinesischen Internets wider: Optimierung von Content-Produktionslinien. Bei Kurzvideos, Livestreams und Newsfeed-Werbung wird seit Jahren ähnliche Logik angewandt – große Datenmengen werden decodiert, Wahrscheinlichkeiten berechnet, in Standardbausteine zerlegt und reproduziert. Übertragen auf KI-Videos bedeutet das: Das Diffusion-Modell wird zum Bauteil in einer wiederverwendbaren Produktionslinie.

Börsenrausch und geopolitische Verschiebungen

Die Veröffentlichung von Seedance 2.0 und Kling 3.0 trieb chinesische Medien- und KI-Aktien binnen Tagen um bis zu 20 Prozent nach oben. Investoren erkennen: In prozessintensiven Bereichen wie KI-Videoerzeugung übernehmen chinesische Modelle die Führung – während sie in kognitionsintensiven Bereichen wie großen Sprachmodellen noch aufholen.

Der Unterschied liegt im Fokus: Westliche Teams streben nach maximaler Inferenzfähigkeit, chinesische nach Effizienzkontrolle und Massenproduktion. Für europäische und amerikanische Unternehmen bedeutet das: Der technologische Vorsprung im KI-Bereich schrumpft schneller als erwartet. Wer auf westliche Modelle setzt, riskiert Abhängigkeit von Systemen, die zwar visionär, aber kommerziell unreif sind. Chinas Ansatz zeigt, dass industrielle Reife wichtiger sein kann als technische Brillanz.