요약 (TL;DR): 두 개의 중국 비디오 모델, 하나의 엔드포인트, 그리고 명확한 가격 차이. ByteDance의 Seedance 2.0은 세 가지 티어(tier)에 걸쳐 $0.04–$0.07/s로 운영되며 플래그십 모델에서 4K에 도달합니다. Alibaba의 Wan은 $0.10/s의 고정 가격으로 운영되며 1080p가 최대 해상도입니다. 동일한 클립 기준, Seedance는 1080p에서 30% 더 저렴하며 Mini 티어에서는 약 60% 더 저렴합니다. Wan은 더 짧은 최소 재생 시간(2초 vs 4초)과 Alibaba의 모션 일관성(motion consistency)을 통해 가격의 가치를 증명합니다. 두 모델 모두 동일한 ofox POST /v1/videos 호출 뒤에 위치하므로, 두 개의 SDK를 구축할 필요 없이 문자열 하나를 수정하는 것만으로 A/B 테스트를 수행할 수 있습니다.

어떤 것을 선택해야 할까요?

대량의 짧은 제품 클립, 소셜 컷(social cuts), 또는 광고 변형(ad variants)을 생성한다면 비용 측면에서는 Seedance 2.0이 유리합니다. 모든 동일 해상도에서 더 저렴하며, Mini 티어를 사용하면 Wan의 $0.50 클립을 $0.20로 만들 수 있습니다. 만약 4초 미만의 클립이 필요하거나, 이미 Alibaba의 모션 및 프롬프트(prompt) 동작에 익숙하다면, 더 높은 요율에도 불구하고 Wan이 더 안전한 선택입니다.

아래 내용은 해당 표의 근거가 되는 계산식과 사양, 그리고 하나의 호출로 두 모델을 실행할 수 있는 정확한 코드입니다.

빠른 사양 비교

여기에 기재된 모든 수치는 2026-07-19 기준 ofox 모델 카탈로그의 실시간 데이터입니다. 두 모델 제품군 모두 텍스트-투-비디오 (text-to-video), 이미지-투-비디오 (image-to-video), 그리고 동기화된 오디오 (synced audio)를 제공합니다. 중요한 차이점은 해상도 상한선, 최소 재생 시간, 그리고 가격입니다.

두 가지 사항이 눈에 띕니다. Seedance는 4K에 도달하는 유일한 측이며, 이미 Wan보다 저렴한 가격을 제공하는 동일한 플래그십 티어(flagship tier)에서 이를 수행합니다. Wan의 장점은 짧은 구간에 있습니다. 최소 2초의 재생 시간 덕분에 Seedance가 4초 미만에서 생성할 수 없는 타이트한 루프(loops)와 스팅어(stingers)를 생성할 수 있습니다. 만약 사용자의 포맷이 6~10초 범위라면, 해당 하한선은 제약이 되지 않으며 가격 차이가 곧 핵심이 됩니다.

Seedance와 Wan의 기원

두 모델은 비디오 생성 (video-generation) 연구가 가장 깊이 있는 두 중국 연구소로 거슬러 올라갑니다. Seedance는 ByteDance의 Seed 그룹의 일부로, Seedream 이미지 모델과 Douyin 및 TikTok에 공급되는 숏폼 비디오 파이프라인 (short-video pipeline)을 담당하는 동일한 팀입니다. Wan은 Alibaba의 Tongyi 라인으로, Qwen 제품군 및 Model Studio 플랫폼과 함께 개발되었습니다. 공급업체 자료는 ByteDance Seed의 Seedance 페이지와 Wan 프로젝트 사이트에서 읽을 수 있습니다.

개발자에게는 계보보다 액세스 경로 (access path)가 더 중요합니다. 두 모델 모두 중국에서 먼저 학습되고 호스팅되는데, 이는 역사적으로 별도의 콘솔 (consoles), 별도의 결제 (billing), 그리고 외국 전화번호를 항상 수락하지는 않는 전화번호 인증을 의미했습니다. ofox 게이트웨이를 통해 이들을 라우팅하면 이를 하나의 키와 하나의 엔드포인트 (endpoint)로 통합할 수 있으며, 이것이 이 비교가 서류 작업이 아닌 모델 자체에 집중하는 실질적인 이유입니다. 흥미로운 결정 사항은 어떤 콘솔에 로그인할 수 있느냐가 아니라, 가격과 성능입니다.

그러한 프레임워크는 사양서(spec sheet)가 가진 정직한 한계를 설정합니다. ByteDance와 Alibaba 모두 자사의 홈 플랫폼에 맞춰 튜닝(tune)하기 때문에, 움직임 스타일(motion style), 기본 페이싱(default pacing), 그리고 프롬프트 해석(prompt interpretation) 방식은 사양서가 포착하지 못하는 방식으로 차이가 납니다. 이를 확인하는 유일한 방법은 다음 섹션에서 다룰 것처럼 두 모델에 동일한 프롬프트를 실행해 보는 것입니다.

동일 프롬프트 테스트: 가격 차이가 제공하는 가치

가격과 사양서는 쉬운 부분을 해결해 줍니다. 더 어려운 질문은 더 저렴한 모델이 움직임(motion), 프롬프트 준수(prompt adherence), 그리고 오디오 동기화(audio sync) 측면에서 버텨낼 수 있느냐 하는 것입니다. 사양의 동등함(spec parity)이 출력의 동등함(output parity)을 의미하지는 않으므로, 이 섹션에서는 사양서를 신뢰하는 대신 두 플래그십(flagship) 모델에 동일한 프롬프트를 실행하여 결과를 비교합니다.

모델 간 동일하게 유지된 첫 번째 테스트 프롬프트, 1080p, 16:9, 8초, 오디오 포함:

"나무 테이블 위의 세라믹 커피 잔, 창문에서 들어오는 아침 햇살, 피어오르는 김, 손이 프레임 안으로 들어와 잔을 들어 올림. 주변 카페 소리."

동일한 프롬프트, 모델당 4개 프레임 — Seedance 2.0 (상단) 및 Wan 2.7 (하단). 두 모델 모두 잔, 김, 따뜻한 창가 햇빛을 렌더링합니다. 4개 프레임 동안 손의 움직임을 관찰하세요.

: Seedance 2.0 (왼쪽), Wan 2.7 (오른쪽). Seedance 측에서는 손이 들어와 잔을 들어 올리지만, Wan 측에서는 잔과 김은 유지되나 들어 올리는 동작이 거의 보이지 않습니다.

비용 행은 요금표(rate card)에 의해 고정됩니다: 8초 1080p 클립은 Seedance 2.0에서 $0.56, Wan 2.7에서 $0.80이며, 클립당 $0.24의 차이가 발생합니다. 품질 행은 벤더(vendor)의 주장(claims)이 아닌 위에서 생성된 샘플로부터 도출되었습니다.

단일한 정적인 프롬프트는 비디오 모델에 부하를 주지 않으므로, 공정한 테스트를 위해서는 저렴한 모델들이 무너지기 쉬운 움직임이 많은(motion-heavy) 프롬프트도 필요합니다. 동일한 설정의 두 번째 테스트 프롬프트:

"계단에서 킥플립을 하는 스케이트보더, 빠른 카메라 팬 (camera pan), 배경의 군중, 낮."

움직임이 많은 (motion-heavy) 프롬프트 결과: Seedance 2.0은 기술을 수행하는 동안 보드, 발, 배경의 군중을 일관되게 유지합니다. 반면 Wan 2.7은 와이드 샷 (wide shots)을 유지하지만, 시퀀스 중간에 왜곡된 클로즈업 (close-up)으로 흐릅니다.

: Seedance 측에서는 플립 동작 중에도 보드와 발이 고정되어 있는 반면, Wan 측은 와이드 샷을 회복하기 전 중간 과정에서 왜곡된 클로즈업으로 튀어버립니다.

이것이 등급을 가르는 프롬프트입니다. 빠른 카메라 움직임에 강체 (rigid-body) 기술, 그리고 배경의 군중이 더해지면 왜곡 (warping), 사지 중복 (limb duplication), 물리 법칙 이탈 (physics drift) 현상이 나타납니다. 보드와 발이 플립 내내 일관성을 유지하는지, 그리고 팬 (pan) 동작이 배경을 뭉개뜨리는지(smears) 두 클립을 모두 판단해 보세요. 파이프라인을 어느 한쪽에 확정하기 전에 bytedance/seedance-2.0과 alibaba/wan-2.7에서 두 프롬프트를 모두 실행하고 두 클립을 나란히 비교해 보시기 바랍니다. 클립이 길어질수록 효과는 가중됩니다. 15초 길이의 경우 프레임당 미세한 드리프트 (drift)가 누적되므로, 만약 제작하려는 포맷이 길다면 안전한 5초 샘플 대신 실제 길이에 맞춰 테스트하십시오.

비동기 워크플로우 (Async Workflow): 제출, 폴링(Poll), 또는 웹훅(Webhook)

비디오 생성은 채팅 완성 (chat completion) 방식처럼 단일 차단 요청 (blocking request)으로 이루어지지 않습니다. ofox의 POST /v1/videos 호출은 202 Accepted 상태 코드와 polling_url을 반환하며 즉시 종료됩니다. 클립은 백그라운드에서 렌더링되며, 작업이 완료되었는지는 두 가지 방법 중 하나로 확인할 수 있습니다: 작업을 폴링 (poll)하거나, 웹훅 (webhook)을 등록하는 것입니다.

작업은 작은 상태 머신 (state machine)을 통해 이동합니다. 작업이 최종 상태 (terminal state)에 도달할 때까지 계속 확인하거나 콜백 (callback)을 받게 됩니다.

두 가지 운영 세부 사항을 숙지하면 고객 지원 티켓을 생성하는 수고를 덜 수 있습니다. 첫째, 초당 1회보다 빠르게 폴링하지 마십시오. GET /v1/videos/{id} 엔드포인트는 속도 제한 (rate-limit) 보호를 받고 있으며, 너무 빈번한 루프는 스로틀링 (throttled)을 유발합니다. 둘째, 프로덕션 환경에서는 일반적으로 폴링 대신 웹훅 (webhook)을 사용하는 것이 좋습니다. 작업을 생성할 때 callback_url을 전달하면, ofox는 클립이 완료되었을 때 HMAC으로 서명된 페이로드 (payload)를 게시합니다. 해당 URL은 반드시 HTTPS이며 공개적이어야 합니다. 프라이빗 (private), 루프백 (loopback), 클라우드 메타데이터 (cloud-metadata) 주소는 SSRF 검증에 의해 거부되며, 잘못된 주소는 생성 시점에 400 invalid_callback_url 오류와 함께 실패합니다. 실행을 중단해야 하는 경우 DELETE /v1/videos/{id}로 취소할 수 있습니다. 이 모든 과정은 Seedance와 Wan에서 동일하며, 이것이 핵심입니다. 즉, 모델을 교체하더라도 운영 인터페이스 (operational surface)는 변하지 않습니다.

일반적인 오류 및 주의 사항 (Common Errors and Gotchas)

두 모델 모두에서 발생하는 대부분의 실패는 모델 자체의 문제가 아니라, 몇 가지 공통된 불일치에서 비롯됩니다.

모드 추론 (mode-inference) 동작 방식은 사람들을 놀라게 하는 부분입니다. 엔드포인트는 mode 플래그를 받지 않고, 여러분의 페이로드를 읽습니다. 이미지가 없으면 텍스트-투-비디오 (text-to-video)를 의미하고, frame_images가 있으면 이미지 또는 첫/마지막 프레임 (first/last-frame)을 의미하며, input_references는 참조 가이드 (reference-guided)를 의미합니다. 이 방식 덕분에 두 모델 제품군 모두에서 호출 형태 (call shape)가 동일하게 유지되지만, 반대로 이미지 필드를 누락하면 에러가 발생하는 대신 조용히 잘못된 모드로 동작하게 됩니다.

프롬프팅 및 오디오: 실무 참고 사항 (Prompting and Audio: Practical Notes)

두 모델 모두 특별한 프롬프트 방언(prompt dialect)을 필요로 하지는 않지만, 몇 가지 습관을 들이면 두 모델 모두에서 성공률(hit rate)을 높일 수 있습니다. 텍스트-비디오(text-to-video)의 경우, 하나의 긴 문장으로 나열하기보다는 피사체(subject), 동작(action), 카메라(camera), 배경(setting)을 각각 별도의 절로 설명하십시오. 두 모델 계열 모두 형용사를 나열한 벽(wall of adjectives)보다 "무엇이, 무엇을 하고 있는지, 어떻게 촬영되었는지, 어디인지"를 더 안정적으로 파싱(parse)합니다. 동작은 단일하게 유지하십시오. 8초 안에 킥플립(kickflip), 관중의 반응, 렌즈 플레어(lens flare)를 모두 요청하는 프롬프트는 보통 세 가지 중 하나만 결과로 얻게 됩니다. 따라서 세 가지가 모두 필요하다면, 한 번의 생성에 과부하를 주는 대신 짧은 클립들을 체인(chain)으로 연결하십시오.

오디오는 여기서 모든 티어(tier)에서 기본적으로 활성화되어 있으며, 이는 프롬프트 작성 방식을 변화시킵니다. 두 모델 모두 동기화된 오디오 베드(audio bed)를 생성하기 때문에, "카페의 주변 소음(ambient cafe sound)"이나 "자갈 위를 걷는 발소리(footsteps on gravel)"를 언급하는 프롬프트는 그에 맞는 트랙을 얻게 됩니다. 반면 소리에 대해 아무것도 언급하지 않은 프롬프트는 모델이 추론하는 대로의 소리를 얻게 되는데, 이것이 항상 원하는 결과는 아닙니다. 기대하는 오디오를 직접 명시하거나, 아니면 모델의 추측을 그대로 받아들여야 합니다. 만약 클립을 본인의 사운드 디자인이 포함된 타임라인에 합성(compositing)할 계획이라면, 생성된 오디오 베드는 제거해야 할 노이즈가 되므로 오디오를 공짜 서비스가 아닌 하나의 결정 사항으로 취급하십시오.

이미지-비디오(image-to-video)의 경우, 전달하는 프레임이 프롬프트보다 더 중요합니다. 피사체가 이미 구도에 맞춰져 있는 깨끗하고 고해상도인 첫 프레임은 두 모델 모두에게 안정적인 앵커(anchor)를 제공하며, 이후 프롬프트는 "천천히 푸시 인(slow push in)", "바람에 흔들리는 머리카락(hair moves in the wind)", "카메라가 왼쪽으로 궤도 회전(camera orbits left)"과 같이 움직임만을 설명하면 됩니다. Seedance의 adaptive 종횡비(aspect ratio)는 이 과정에서 도움이 됩니다. 크롭(crop)을 강제하는 대신 전달받은 프레임에 맞출 수 있기 때문입니다. 이는 하나의 참조 이미지만으로 재구도(re-framing) 없이 16:9와 9:16 출력을 모두 생성할 수 있음을 의미합니다. Wan은 명시적인 비율이 필요하므로, 제출하기 전에 크롭을 계획하십시오.

가격 계산: 실제 월간 비용 (Pricing Math: Real Monthly Bill)

초당 요금은 사용량(volume)을 곱하기 전까지는 추상적입니다. 여기 구체적인 파이프라인 예시가 있습니다: 제품 및 프로모션 변형을 운영하는 이커머스 또는 소셜 팀의 현실적인 작업 속도인 월간 2,000개의 클립 생성, 각 클립당 5초, 1080p 해상도 기준입니다.

동일한 1080p 조건에서, Seedance 2.0은 Wan 대비 해당 팀의 비용을 월 $300 절감해주며, 이는 30%의 비용 절감입니다. 만약 피드(feed)나 스토리(story) 배치에 통상적으로 허용되는 720p 해상도가 수용 가능하다면, Mini 티어는 동일한 2,000개 클립 기준 월 $600를 절감하여 60%의 비용을 줄여줍니다. 이를 1년으로 환산하면 예산 내에 $3,600에서 $7,200를 남길 수 있습니다.

더 스마트한 전략은 단일 티어를 사용하는 것이 아니라 라우팅 사다리 (routing ladder)를 구축하는 것입니다. 초안(drafts)과 거절된 변형(rejected variants)은 $0.04/s인 Mini에서 생성하고, 승인된 컨셉은 최종 렌더링을 위해 Fast 또는 플래그십(flagship) 모델로 격상(promote)시키며, 고객이 실제로 마스터링할 히어로 클립(hero clips)을 위해서만 4K 플래그십을 예약하십시오. 세 가지 Seedance 티어 모두 bytedance/seedance-2.0 접두사(prefix)와 단일 엔드포인트(endpoint)를 공유하기 때문에, 이 사다리 구조는 세 번의 통합(integration)이 아니라 여러분의 코드 내에서 하나의 switch 문(switch statement)으로 구현됩니다. 2,000개의 초안을 생성하지만 그중 200개만 완성하는 팀은 월 약 1,800 × 5 × $0.04 + 200 × 5 × $0.07 = $360 + $70 = $430를 지불하게 되며, 이는 플래그십 단일 모델 사용 시의 청구액보다 절반 미만이며 Wan의 $1,000보다 훨씬 저렴합니다.

반론도 실재합니다. 만약 클립이 2~3초 단위로 재생된다면, Seedance는 이를 전혀 생성할 수 없으므로 (최소 단위가 4초입니다), 해당 포맷에 대한 Wan의 실질적인 가격은