综合报告：16 家视觉生成公司横向对比Google、OpenAI、字节跳动、快手可灵、阿里巴巴、腾讯混元、Midjourney、Black Forest Labs、Runway、MiniMax 海螺、生数科技 Vidu、VAST Tripo、影眸科技 Rodin、Meshy、World Labs、Lovart
视觉生成没有被大厂通吃，而是按品类分成了三块：图像由 OpenAI、Google 领先，视频由中国厂商领先，3D 由专业公司和腾讯开源主导。竞争焦点正在从“画得像”转向“控得住、能直接用”，而真正跑出规模收入的，是把生成做进创作者和企业工作流的公司。
一页结论
- 按品类分治，没有通吃者：图像榜前四是 OpenAI 和 Google；视频榜前五里有三家中国厂商，Google 第 10、OpenAI 关停了 Sora；3D 资产生成的头部是 VAST、影眸、Meshy 和腾讯开源，Google、OpenAI 都没有产品S1S2S3
- 排名衰减极快：Vidu Q3 发布时称全球第二，九个月后降到第 27；Runway Gen-4.5 曾登顶，如今不在新版榜单上。模型领先只能维持几个月，不能当护城河S1S2
- 竞争从画质转向控制：单次 30 秒（Wan 3.0、Seedance 2.5、可灵 4.0）、多参考素材、图层拆分、四边形拓扑，都是在解决“控得住、能直接用”S1
- 钱主要来自工作流，而不是模型本身：可灵（单季 8.5 亿元+）、Runway（年化 2 亿美元、95% 的《财富》100 强）、Midjourney（约 40 人、年收入 2 亿美元+）收入最清晰；大厂把生成当作拉订阅和云的功能，收入不单独披露S1
- 专业公司找到四条活路：做大厂的模型供应商（BFL）、做中立平台把对手模型上架（Runway）、守住一种难以量化的能力（Midjourney 的审美）、在大厂缺位的品类做深（3D）S1
- 版权是全行业的共同风险：迪士尼等片方已起诉 Midjourney、MiniMax，向 Google、字节发出停止侵权函；OpenAI 与迪士尼的合作随 Sora 关停而终止S1
0116 家厂商一览
| 厂商 | 类型 | 主力产品 | 最强项 |
|---|---|---|---|
| OpenAI | 综合大厂 · 海外 | GPT Image 2.5（Sora 已关停） | 图像质量：盲测榜前三 |
| 综合大厂 · 海外 | Nano Banana、Gemini Omni、Flow | 图像性价比与分发入口 | |
| 字节跳动 | 综合大厂 · 国内 | Seedream、Seedance、即梦 | 视频控制能力与分发网络 |
| 快手可灵 | 综合大厂 · 国内 | 可灵 4.0 | 单独披露的收入规模 |
| 阿里巴巴 | 综合大厂 · 国内 | Wan 3.0、Qwen-Image 3.0 | 视频盲测第一、价格低 |
| 腾讯混元 | 综合大厂 · 国内 | 混元 3D、3D 世界模型 | 开源 3D 生态 |
| Midjourney | 专业模型公司 | V8.2 | 审美与人效 |
| Black Forest Labs | 专业模型公司 | FLUX 3 | 模型供应商，视频性价比 |
| Runway | 专业模型公司 | Gen-4.5 与第三方模型平台 | 企业客户与收入增速 |
| MiniMax 海螺 | 专业模型公司 | H3 | 视频盲测第三、开源、低价 |
| 生数科技 Vidu | 专业模型公司 | Vidu Q3 | 动画短剧；转向世界模型 |
| VAST Tripo | 3D 生成 | Tripo P2.0 | 四边形拓扑与全流程 API |
| 影眸科技 Rodin | 3D 生成 | Rodin Gen-2.5 | 高精度，海外 B 端收入 |
| Meshy | 3D 生成 | Meshy 7.1 | 迭代速度与个人用户规模 |
| World Labs | 3D 生成 | Marble | 3D 世界生成，被 AMD 收购 |
| Lovart | 应用层 | 设计 Agent | 设计流程与画布交互 |
各厂商详情见本系列对应的公司报告S1。
02竞争格局：谁在哪一块领先
把 16 家放在“自研模型的领先程度”和“自有用户入口”两个维度上，可以看到四种角色：入口型大厂、模型供应商、工作流平台、垂直专业公司。
| 图像 | 视频 | 3D | 可控性 | 价格 | 分发 | 合计 | |
|---|---|---|---|---|---|---|---|
| OpenAI | 3 | 0 | 0 | 2 | 1 | 3 | 9 |
| 2 | 1 | 0 | 2 | 3 | 3 | 11 | |
| 字节跳动 | 1 | 2 | 1 | 3 | 2 | 3 | 12 |
| 快手可灵 | 1 | 1 | 0 | 3 | 2 | 2 | 9 |
| 阿里巴巴 | 1 | 3 | 0 | 2 | 3 | 2 | 11 |
| 腾讯混元 | 1 | 1 | 3 | 2 | 3 | 2 | 12 |
| Midjourney | 2 | 1 | 0 | 1 | 2 | 1 | 7 |
| Black Forest Labs | 1 | 2 | 0 | 2 | 3 | 2 | 10 |
| Runway | 1 | 2 | 1 | 3 | 2 | 3 | 12 |
| MiniMax 海螺 | 1 | 2 | 0 | 2 | 3 | 2 | 10 |
| 生数科技 Vidu | 0 | 1 | 0 | 2 | 2 | 2 | 7 |
| VAST Tripo | 0 | 0 | 2 | 3 | 3 | 3 | 11 |
| 影眸科技 Rodin | 0 | 0 | 3 | 1 | 2 | 3 | 9 |
| Meshy | 0 | 0 | 2 | 2 | 3 | 2 | 9 |
| World Labs | 0 | 0 | 2 | 1 | 2 | 3 | 8 |
| Lovart | 2 | 2 | 1 | 3 | 2 | 1 | 11 |
缺位落后第一梯队领先
看点：没有一家在所有列都是深色。OpenAI 图像最强却没有视频和 3D；阿里视频第一但图像落后；腾讯 3D 领先但图像、视频落后。大厂之间的分化，比大厂和专业公司之间的差距更明显。
03图像：质量与价格
图像质量由 OpenAI 和 Google 领先，国内厂商排在第二梯队；但价格差距比质量差距大得多。
海外国内
GPT Image 2.5 Sunburst（OpenAI）
1223 · 第 1
Nano Banana 2.1（Google）
1176 · 第 4
FLUX 3 Image（BFL）
1119 · 第 11
Seedream 5.0 Pro（字节）
1101 · 第 16
Qwen-Image-3.0-Pro（阿里）
1097 · 第 17
HunyuanImage 3.0（腾讯）
988 · 第 55
Kling Image 3.0 Omni（快手）
919 · 第 77
| 模型 | 盲测 Elo | 每千张价格 | 说明 |
|---|---|---|---|
| GPT Image 2.5 Sunburst | 1223 | 约 $211 | 最高质量档；低质量档每张约 $0.006 可做草稿 |
| Nano Banana 2.1 | 1176 | $33.6 | 质量第四，价格约为第一名的六分之一 |
| Nano Banana Pro | 1118 | $134 | Lovart 等应用的主力模型之一 |
| FLUX 3 Image | 1119 | $48 | 开源版 Klein 每张约 $0.009 |
| Seedream 5.0 Pro | 1101 | 每张 ¥0.30 | ≤261 万像素；能把海报拆成可编辑图层 |
| Meta Muse（参照） | 1127 | $10 | 排名第 8，高分模型中价格最低的一档 |
价格为 API 价，口径见 Artificial Analysis 与各公司报告；不同分辨率、质量档价格不同。来源：S1S3
评测共识：GPT Image 和 Nano Banana 这类“自回归 + 推理”的模型在复杂指令和文字渲染上明显领先；Midjourney 的审美仍有口碑，但 The Decoder 实测其复杂提示词“明显不如”前两者；国内模型的强项在中文、小字和图层拆分等“好用”的功能上S1。
04视频：中国厂商领先，排名变化最快
视频是本系列竞争最激烈、排名变化最快的品类：前五名里有三家中国厂商，而且彼此价格相差近 8 倍。
国内海外
Wan 3.0（阿里）
1172 · 第 1
MiniMax H3
1160 · 第 3
FLUX 3 Max（BFL）
1156 · 第 4
Seedance 2.5（字节）
1155 · 第 5
Gemini Omni 1.1 Flash（Google）
1129 · 第 10
Kling 3.0 Omni（快手）
1022 · 第 18
Vidu Q3 Pro（生数）
938 · 第 27
| 信号 | 事实 | 含义（分析） |
|---|---|---|
| 排名衰减 | Vidu Q3 发布时称全球第二，九个月后第 27；Runway Gen-4.5 2025 年 12 月登顶，现不在新版榜单 | 模型领先只能维持几个月 |
| 盲测之外的评测 | 清华大学 WorldReasonBench 中 Seedance 2.0 综合第一，但所有模型的物理推理都不理想 | “好看”不等于“懂物理” |
| 头部大厂退出 | OpenAI 2026 年关停 Sora，CFO 称原因是算力不足 | 视频的算力成本连头部公司都要取舍 |
| 性价比分化 | FLUX 3 Max 与 Seedance 2.5 只差 1 分，价格约为八分之一 | 质量接近时，价格成为主要差异 |
053D：离商用还差什么
3D 是大厂缺位、专业公司主导的品类。2026 年的进展集中在“能不能直接用”：拓扑、绑骨、部件拆分和导入专业软件；最大的短板是缺少可信的独立评测。
| 厂商 | 路线 | 关键进展 | 价格 | 资本与收入 |
|---|---|---|---|---|
| VAST Tripo | 能直接用 | P2.0 原生四边形拓扑（最多 2.5 万面）、部件拆分；生成到绑骨、动画的全流程 API | API 每个模型 $0.10 起 | 2026 年四轮约 $8.5 亿，估值超 $10 亿；年化收入约 $1,200 万（媒体） |
| 影眸科技 Rodin | 高精度 | Gen-2.5 原始输出超千万面，百万面模型最快 4 秒 | Creator 年付 $23.33/月 | 年化收入数千万美元，八成来自海外（公司称） |
| Meshy | 全流程 + 高频迭代 | 智能拓扑 T2.5、局部编辑、3D 打印拆件、文字生成动作 | Pro $20/月；免费档署名即可商用 | 估值 $15 亿，赛道最大单轮；注册用户 1,200 万+ |
| 腾讯混元 3D | 开源换生态 | 3.0 支持 150 万面、8K 贴图；开源 3D 世界模型 | 腾讯云按次计费 | 开源仓库 1.5 万 star；收入未披露 |
| World Labs | 生成 3D 世界 | Marble 导出 3D 高斯、碰撞网格和 GLB，可进 Isaac Sim 做仿真 | API 每个世界 $1.20 | AMD 约 $82 亿收购 |
来源：S1
一个带贴图的 3D 资产更复杂的任务
Meshy（Pro 档）
约 $0.30
Rodin（Business / Creator 档）
约 $0.29–0.50
Tripo（图生 3D + 贴图）
约 $0.30–0.60
Tripo（可动画角色）
约 $0.65–1.25
World Labs（一个 3D 世界）
约 $1.20–1.28
| 门槛 | 现状 | 代表做法 |
|---|---|---|
| 几何与贴图质量 | 已接近可用：百万面、8K 贴图 | Rodin、混元 3D 3.0 |
| 拓扑与可编辑性 | 刚开始解决：四边形、低面数、干净拓扑 | Tripo P2.0、Meshy T2.5 |
| 进入生产流程 | 绑骨、动画、DCC 软件对接、3D 打印拆件 | Tripo 全流程 API、Meshy |
| 独立评测 | 缺失：最近的公开盲测 3D Arena 数据停在 2025 年 5 月，Tripo、Rodin 未参与 | — |
| 评测口径 | 3D Arena 发现带贴图的模型高出约 144 分，面数与偏好几乎无关，大众投票偏向“好看”而不是“能用” | — |
判断：3D 生成在游戏道具、3D 打印、电商展示等“对拓扑要求不高”的场景已经能商用；进入影视、游戏主资产等专业流程，还差拓扑质量的稳定性和能证明这一点的独立评测。3D 世界生成的主要买家可能是做仿真的机器人和芯片公司，而不是内容创作者。
06竞争焦点：从“画得像”到“控得住”
2026 年各家的重点发布，几乎都在解决同一个问题：让生成结果可控、可改、能直接进入生产。
| 方向 | 代表做法 | 解决的问题 |
|---|---|---|
| 更长的单次生成 | Wan 3.0、Seedance 2.5、可灵 4.0 单次 30 秒 | 减少拼接，叙事更连贯 |
| 多参考素材 | Seedance 最多 50 份参考；可灵 4.0 支持 10 个关键帧、15 份参考；Wan 3.0 可读文档和网页 | 角色、商品、风格保持一致 |
| 局部修改 | Seedance 按时间点修改音视频；Lovart 点选修改；Meshy Edit 局部编辑 | 不必整张、整段重来 |
| 图层与文字 | Seedream 拆出 10 多个可编辑图层；Qwen-Image 3.0 可渲染 10 像素小字 | 海报、电商图可二次编辑 |
| 可用的 3D | Tripo 四边形拓扑与部件拆分；Meshy 智能拓扑 | 生成结果能进入专业软件 |
| 工作流与 Agent | Runway 模型路由；Lovart 设计 Agent；GPT Image 的“思考”与自查 | 从“生成一张”变成“完成一个任务” |
来源：S1
07钱从哪里来
单独披露生成业务收入的公司不多。能看清的收入，几乎都来自把生成做进创作者和企业工作流的公司；大厂则把生成当作拉动订阅和云业务的功能。
| 公司 | 收入数据 | 口径 |
|---|---|---|
| 快手可灵 | 2026 年二季度 8.5 亿元+，同比增长 200%+ | 快手财报 |
| Runway | 年化收入 $2 亿（2026 年 9 月），半年翻倍；净收入留存超 300% | 联合 CEO 与彭博报道 |
| Midjourney | 2023 年 $2 亿+，约 40 人 | CEO 接受采访 |
| 演语科技（Lovart 母公司） | ARR 超 $3 亿（2026 年 5 月），一半以上来自视频产品 LibTV | 媒体转述公司口径 |
| MiniMax | 海螺 AI 等 AI 原生产品 2026 上半年 $4,260 万，同比翻倍 | 公司财报 |
| 影眸科技 | 年化收入数千万美元，八成海外 | 公司称 |
| 生数科技、VAST | 年化约 $2,000 万、约 $1,200 万 | 媒体报道，未经审计 |
| Google、OpenAI、字节、阿里、腾讯 | 未单独披露 | 生成能力内置在订阅、云和广告产品中 |
各口径不同，不能直接相加或排名。来源：S1
入口内置，拉订阅
- Google（Gemini、Flow）、OpenAI（ChatGPT）、字节（豆包）
- 生成是留住用户、转化订阅的功能；大量免费额度
创作者会员 + 积分
- 可灵、即梦、海螺、Vidu、Meshy、Lovart
- 按月订阅加积分包；收入清晰，但用户对积分规则敏感
模型供应商
- BFL（Adobe、Canva、Meta、微软）、阿里云、火山引擎
- 按量 API 与商用授权；Midjourney 把审美技术授权给 Meta
企业工作流平台
- Runway（《财富》100 强、狮门影业）
- 企业客户留存高，是本系列增长最快的收入来源
大厂分拆业务专业模型公司3D 生成应用层
快手可灵
$180 亿
World Labs（收购价）
$82 亿
Runway
$53 亿
Black Forest Labs
$32.5 亿
演语科技（Lovart 母公司）
约 $30 亿
Meshy
$15 亿
VAST Tripo
$10 亿+
08版权与合规：全行业的共同风险
| 厂商 | 事件 | 状态 |
|---|---|---|
| Midjourney | 迪士尼、环球（2025 年 6 月）与华纳兄弟探索（9 月）起诉；2026 年 7 月 EVOX 起诉 | 三案合并审理，尚无实体判决 |
| MiniMax | 迪士尼、环球、华纳兄弟探索起诉海螺 AI（2025 年 9 月） | 2026 年 5 月撤案动议被驳回，案件继续 |
| 迪士尼发出停止侵权函，点名 Veo、Imagen、Nano Banana（2025 年 12 月） | Gemini 开始拦截迪士尼角色相关提示词 | |
| 字节跳动 | Seedance 2.0 发布后迪士尼发函、美国电影协会谴责、两名美国参议员致信；国内暂停真人参考 | 持续发酵 |
| OpenAI | 迪士尼原计划投资 10 亿美元并授权 200 多个角色 | 随 Sora 关停而终止 |
| Meshy | 免费档生成结果按 CC BY 4.0 授权，署名即可商用 | 授权最清晰的做法之一 |
来源：S1
- 迪士尼、环球起诉 Midjourney称其为“抄袭的无底洞”，每件作品最高索赔 15 万美元
- 华纳兄弟探索起诉 Midjourney；三大片方起诉 MiniMax国内《人工智能生成合成内容标识办法》同月施行
- 迪士尼向 Google 发停止侵权函同一周与 OpenAI 宣布 10 亿美元投资与角色授权
- Seedance 2.0 遭美国电影协会谴责、迪士尼发函即梦暂停真人参考；Gemini 开始拦截迪士尼角色提示词
- 迪士尼与 OpenAI 的合作随 Sora 关停而终止两名美国参议员致信字节，要求关停 Seedance
- MiniMax 撤案动议被驳回案件继续审理
- EVOX 起诉 Midjourney指控其用数万张汽车照片训练
判断：片方的策略是“既起诉也合作”，授权合作和诉讼会长期并存。对做产品的团队来说，商用授权条款、训练数据来源和内容标识（水印、C2PA）会越来越成为采购时的必问项。
09中美对比
图像：美国领先
- 盲测前四是 OpenAI 和 Google
- 国内最高 Seedream 5.0 Pro 第 16
- 国内强项在中文、小字和图层编辑
视频：中国领先
- 前五里有阿里、MiniMax、字节
- Google 第 10，OpenAI 退出
- 国内价格从每分钟约 $5 到 $34，跨度大
3D：专业公司主导
- VAST、影眸、混元 3D 是国内主力，Meshy、World Labs 在美国
- Google、OpenAI 都没有 3D 资产产品
商业模式
- 美国：企业平台（Runway）、模型授权（BFL、Midjourney）
- 中国：大厂分拆业务（可灵）与开源换生态（阿里、腾讯、MiniMax）
开源的走向分化：阿里在 Wan 2.2 之后不再开放旗舰模型权重，MiniMax 开源了 H3 基础模型，腾讯持续开源 3D，BFL 开源但限制商用。开源从“默认选项”变成了每家按自身位置做的商业选择S1。
10对三个研究问题的回答分析意见
| 问题 | 结论 | 依据 |
|---|---|---|
| 大厂会不会通吃？ | 不会，但会按品类分治。大厂各自只在一两个品类领先，专业公司在视频盲测前五占两席（MiniMax、BFL），在 3D 几乎没有大厂对手 | 图像榜前四是 OpenAI、Google；视频榜阿里第一、MiniMax 第三；Google、OpenAI 无 3D 产品 |
| 钱从哪里来？ | 主要来自工作流：创作者会员与积分、企业平台、模型授权。纯模型领先换不来持续收入，因为领先只能维持几个月 | 可灵单季 8.5 亿元+、Runway 年化 $2 亿、Midjourney 约 40 人年入 $2 亿+；大厂不单独披露 |
| 3D 离商用还差什么？ | 差“能直接用”的稳定性和独立评测，不差精度。轻量场景（游戏道具、打印、电商展示）已能商用，专业主资产还要等拓扑质量稳定 | Tripo、Meshy 刚开始解决拓扑；3D Arena 数据停在 2025 年 5 月，且偏好“好看” |
11趋势判断分析意见
- 模型走向统一：Google 用 Gemini Omni“从任何输入生成任何输出”，BFL 的 FLUX 3 联合训练图像、视频、音频；单一模态的模型会越来越难单独卖
- 应用层向平台化发展：Runway 上架对手模型、Lovart 调度 30 多个模型，“模型路由 + 工作流”会成为应用层的标准形态
- 视频价格继续下探：质量接近时，每分钟价格已相差近 8 倍，价格战会先在 API 市场发生
- 3D 从资产走向世界与仿真：腾讯开源 3D 世界模型、AMD 收购 World Labs，3D 的下一个大买家是机器人和物理 AI
- 资本化提速：可灵筹备分拆上市、演语科技筹备港股、生数考虑上市，生成赛道进入“用资本换时间”的阶段
12对 AI 产品团队的启示分析意见
选模型
- 按任务选、可随时换：图像榜和视频榜几个月就重排一次，产品里要有模型路由和评测集
- 质量接近时优先看价格：Nano Banana 2.1、MiniMax H3、FLUX 3 Max 都是高性价比选择
- 企业场景先查商用授权和训练数据来源
做产品
- 卖“完成任务”而不是“生成一张”：Lovart、Runway 的价值都在工作流
- 把可控性做成功能：参考图、图层、局部修改、品牌套件
- 先给方向再批量生成，用画布保留历史，降低试错成本
电商与零售
- 商品图：图层拆分和中文小字是国内模型的强项
- 商品视频：30 秒单次生成和多参考素材已能保持商品一致
- 3D 商品展示：对拓扑要求不高，已可用 Tripo、Meshy、混元 3D 落地
看风险
- 不要把护城河建立在某一代模型的领先上
- 积分规则要让用户一眼看懂，Lovart 的投诉集中在这里
- 版权诉讼和片方的停止侵权函会影响供应商的可用性
信息缺口
以下信息未找到可靠的公开来源，本报告不做推测。
- 大厂生成业务的单独收入（Google、OpenAI、字节、阿里、腾讯均未披露）
- 3D 生成的最新独立盲测（3D Arena 数据截至 2025 年 5 月，Tripo、Rodin 未参与）
- Midjourney、Runway 在当前第三方盲测中的位置（未被收录）
- 可灵 4.0 的第三方盲测排名（尚未入榜）
- 各家的盈利情况与单位生成成本
- 同一提示词的横向实测（本系列未做实测）
来源
A 官方 · B 权威媒体或第三方 · C 社区（仅用于口碑与线索）。访问日期均为 2026-11-05。
- S1 · A本系列 16 份公司报告（各公司官网、财报、技术文档与署名媒体来源）本系列 · 2026-11
- S2 · BAA-Video-T2V v2.1 Text to Video LeaderboardArtificial Analysis · 2026-11-04 访问
- S3 · BAA-Image-T2I v2.1 Text to Image LeaderboardArtificial Analysis · 2026-11-04 访问
- S4 · BNew benchmark confirms AI video generators look stunning but still can't reason about the worldThe Decoder（报道清华大学 WorldReasonBench） · 2026-05-16
- S5 · B3D Arena: An Open Platform for Generative 3D EvaluationDylan Ebert（Hugging Face），arXiv · 2025-06（数据截至 2025-05-30）