Seedance-API-Preise im Praxistest: die Formel für Video-Token entschlüsselt

Seedance rechnet Videogenerierung nach Token ab. Die Formel, die exakt mit dem Zähler übereinstimmt, lautet encoded_width × encoded_height × (24 × seconds + 1) / 1024. Zwei Details konnten wir in keiner Dokumentation finden: den zusätzlichen Frame +1 und die Tatsache, dass die codierten Abmessungen von der nominellen Auflösung abweichen. 720p wird beispielsweise als 1248×704 statt 1280×720 abgerechnet. Wir haben 27 Generierungen mit fünf Seedance-Modellen und sämtlichen Auflösungsstufen ausgeführt. Jeder abgerechnete Token-Wert lässt sich mit dieser Formel exakt reproduzieren. Dieser Beitrag gibt einen Überblick über die Modellfamilie und den API-Ablauf mit zwei Requests. Anschließend folgen die hergeleitete Formel, die daraus resultierenden Preise pro Sekunde und zwei irreführende Punkte in der Preisliste.

TL;DR

• Seedance-Video-Token = codierte Breite × Höhe × (24 × Sekunden + 1) / 1024. Der zusätzliche Frame und die codierten Abmessungen sind gemessen, nicht dokumentiert.
• 720p wird als 1248×704 und 1080p als 1920×1088 abgerechnet. Das Seitenverhältnis hat keinen Einfluss.
• Derselbe 4-Sekunden-Clip wurde auf allen Stufen ab 1.5-pro mit identischer Token-Zahl abgerechnet. Die Tarife reichen von $1.0 bis $7.0 pro Million.
• Der 4k-Tarif von $4.0/M liegt unter den $7.7/M für 1080p, kostet mit $0.78 statt $0.38 pro Sekunde aber 2.1x mehr.
• generate_audio verändert die Token-Zahl nicht und verdoppelt bei 1.5-pro den Tarif.

Alle folgenden Werte wurden am 2026-07-22 über den /v1/videos-Endpoint des Synthorai-Gateways gemessen. Dort ist die Seedance-Familie zu den Listenpreisen von ByteDance verfügbar. Sämtliche Zahlen sind durch die Rohdaten der einzelnen Tasks belegt.

Welches Seedance-Modell kann was?

Die Modellstufe ändert den Tarif, aber nie den Zähler. Wählt das Modell nach seinen Fähigkeiten; die Kosten lassen sich anschließend mit den folgenden Abschnitten berechnen. Derselbe 4-Sekunden-Prompt in 480p wurde bei Seedance 2.0, 2.0-fast, 2.0-mini und 1.5-pro mit jeweils 40,594 Token abgerechnet. 1.0-pro-fast kam wegen seines etwas kleineren Pixelrasters auf 39,285. In den höheren Stufen bezahlt man für zusätzliche Fähigkeiten, die innerhalb der Modellfamilie ungleich verteilt sind:

Vor der Auswahl sollte man drei Besonderheiten kennen. Bei der Reproduzierbarkeit ist die Hierarchie umgekehrt: seed und camera_fixed gibt es nur bei den 1.x-Modellen. Damit lassen sich gerade die günstigsten Stufen kontrollieren, das Flaggschiff dagegen nicht. Außerdem werden Capability-Felder pro Modell strikt validiert. Wer generate_audio an ein 1.0-Modell sendet, erhält einen benannten 400-Fehler (extension_not_supported). Requests sollten deshalb aus der Capability-Liste des jeweiligen Modells erzeugt werden und nicht aus einem gemeinsamen Schema. Nur 1.0-pro-fast unterstützt zudem Clips ab 2 Sekunden. Deshalb verwenden wir es für einen Großteil der folgenden Formelmessungen; alle neueren Modelle beginnen bei 4 Sekunden. Wo eine Plattform dies anbietet, akzeptieren die 2.0-Modelle upstream außerdem Referenzdateien: bis zu 9 Bilder, 3 Videoclips und 3 Audiodateien.

Wie ruft man die Seedance-API auf?

Die Videogenerierung läuft als asynchroner Job. Ein POST erstellt den Task und antwortet nach etwa zwei Sekunden. Danach fragt man die Task-URL ab, bis der Job abgeschlossen ist. Der vollständige Ablauf in Python:

import os, time, requests

BASE = "https://synthorai.io/v1"
auth = {"Authorization": f"Bearer {os.environ['SYNTHORAI_API_KEY']}"}

task = requests.post(f"{BASE}/videos", headers=auth, json={
    "model": "seedance-1-5-pro-251215",
    "prompt": "A paper boat drifting across a rain puddle, cinematic",
    "resolution": "720p", "ratio": "16:9",
    "duration": 5, "generate_audio": True,
}).json()                                    # returns in ~2s: {"id": "vid_...", "status": "queued", ...}

while task["status"] not in ("completed", "failed", "cancelled"):
    time.sleep(8)
    task = requests.get(f"{BASE}/videos/{task['id']}", headers=auth).json()

print(task["data"][0]["url"])                # signed MP4, valid 24h
print(task["usage"]["total_tokens"])         # the billing meter this post is about

Wer statt Polling lieber blockiert, sendet beim Erstellen den Header Prefer: wait=60. Die Response bleibt dann offen, bis der Clip fertig ist oder das Zeitfenster abläuft. Danach fällt sie auf das normale Polling-Objekt zurück. Bei unseren 480p- und 720p-Clips dauerte die Generierung zwischen 20 Sekunden und etwas mehr als zwei Minuten. Das Feld usage.total_tokens des abgeschlossenen Tasks enthält den Abrechnungszähler. Im restlichen Beitrag untersuchen wir, wodurch dieser Wert bestimmt wird.

Was genau ist ein Video-Token?

Ein Video-Token entspricht einem festen Ausschnitt der ausgegebenen Pixel über die Zeit. Abgerechnet wird nach W × H × frames / 1024. Die Frame-Zahl beträgt 24 × seconds + 1; für W×H zählen die tatsächlichen Abmessungen des Encoders und nicht die Bezeichnung der Auflösungsstufe. Beide Terme haben wir direkt aus dem Zähler hergeleitet. Die abgerechneten Token-Werte für drei Laufzeiten pro Auflösung liegen ohne Restabweichung auf einer Geraden. Ihre Steigung ergibt die Token pro Sekunde. Der Achsenabschnitt entspricht bei jeder Auflösung exakt einem zusätzlichen Frame: 405 Token bei 480p, 858 bei 720p und 2,040 bei 1080p. Aus den Steigungen lassen sich die tatsächlichen codierten Raster für W×H berechnen:

Eine unabhängige Gegenprobe liefert das häufig zitierte Rechenbeispiel von ByteDance für 2.0: Ein 15-Sekunden-Clip mit etwa 308,880 Token entspricht exakt dem 15-Fachen unserer gemessenen 720p-Rate. Das 720p-Raster gilt damit auch über die 1.0-Serie hinaus, an der wir es bestimmt haben. In der Marketingrechnung fehlt allerdings der zusätzliche Frame.

Daraus folgen zwei praktische Konsequenzen. Das Seitenverhältnis verändert die Rechnung nicht: 16:9 und 9:16 ergaben in allen neun Messpaaren identische Token-Zahlen. Hochformat verursacht also keine zusätzlichen Kosten. Die häufig genannte Näherung W × H × 24 × duration / 1024 liegt dagegen um einen Frame zu niedrig und verwendet zudem die falschen Abmessungen. Deshalb weichen Schätzungen von Drittanbietern um einige Prozent von den tatsächlichen Rechnungen ab.

Was kostet Seedance tatsächlich pro Sekunde?

Multipliziert man die gemessenen Token-Raten mit dem jeweiligen Listenpreis, ergibt sich für den gesamten Katalog folgende Staffelung:

Zum Vergleich mit den Listenpreisen der Anbieter, die im Juli 2026 pro Sekunde abrechnen, zusammengetragen von öffentlichen Preis-Trackern: Kling kostet etwa $0.07/s, Sora 2 etwa $0.10/s und Veo 3.1 etwa $0.40/s. Seedance 2.0 liegt bei 480p auf dem Preisniveau von Kling, enthält aber natives Mehrspur-Audio. Die Stufe 1.0-fast erzeugt brauchbare 480p-Videos für ungefähr ein Siebtel des Kling-Tarifs. Ein 15-Sekunden-Clip in 720p kostet mit 2.0 rund $2.17, mit 1.0-pro-fast dagegen $0.31.

Ist 4k günstiger? Laut Preisliste ja, laut Rechnung nein

4k hat bei Seedance 2.0 den niedrigsten Preis pro Token: $4.0 pro Million gegenüber $7.7 für 1080p. Trotzdem ist 4k die teuerste Option. Der Grund liegt in der Formel: 4k erzeugt pro Sekunde etwa viermal so viele Token wie 1080p, nämlich 194,400 statt 48,960. Dadurch führt der günstigere Tarif zu 2.1x höheren Kosten pro Sekunde: $0.778/s statt $0.377/s. Unser 4-Sekunden-Referenzlauf in 4k wurde mit 785,700 Token abgerechnet und kostete damit $3.14. Bei tokenbasierter Videoabrechnung sollte neben dem Preis pro Token immer auch die Token-Rate der jeweiligen Auflösung stehen. Sonst können Listenpreis und tatsächliche Rechnung in entgegengesetzte Richtungen weisen.

Was ändert generate_audio?

Den Tarif, nicht die Token-Zahl. Bei 1.5-pro wurde derselbe 5-Sekunden-Clip sowohl mit als auch ohne Audio mit 50,638 Token abgerechnet. Der Listenpreis verdoppelt sich jedoch von $1.2/M ohne Audio auf $2.4/M mit Audio. Ein Clip mit Ton kostet damit exakt 2x so viel, ohne versteckten Token-Aufschlag. Bei der 2.0-Serie ist Audio bereits im einheitlichen Modelltarif enthalten, sodass keine separate Berechnung nötig ist. Wenn die eigene Pipeline ohnehin Musik hinzufügt, ist 1.5-pro ohne Audio mit $0.0121/s die günstigste stille Option im Katalog.

Wie funktioniert die Abrechnung bei asynchroner Videogenerierung?

Die Abrechnung folgt dem oben gezeigten Task-Lebenszyklus. Der Betrag wird genau einmal fällig, wenn ein Task erstmals den Status „completed“ meldet. Wie oft der Status abgefragt wurde, spielt keine Rolle. Bei der Stornierung gelten die technischen Grenzen der Verarbeitung: Ein Task in der Queue lässt sich sauber abbrechen und wird nicht berechnet. Sobald er läuft, lehnt das Upstream-System das Löschen mit 409 ab, und man muss auf das Ergebnis warten. Fehlgeschlagene Generierungen werden nicht berechnet.

Bei unseren 27 Tasks sind drei betriebliche Details aufgefallen. Erstens enthalten Video-Responses zwar die Token-Nutzung, aber im Gegensatz zu usage.cost bei Chat kein Kostenfeld. Budgets müssen daher als Token × Tarif der jeweiligen Stufe berechnet werden. Zweitens wird das Ergebnis über eine signierte URL bereitgestellt, die 24 Stunden gültig ist. Es sollte zeitnah in den eigenen Storage übertragen werden. Drittens sollte man Create-Requests drosseln: Pro Workspace sind 6 Video-Tasks pro Minute erlaubt. Da jeder ausstehende Task die maximal möglichen Kosten vorübergehend vom verfügbaren Guthaben reserviert, können Request-Bursts während einer Upstream-Verzögerung einen temporären Fehler wegen unzureichender Quote auslösen, obwohl die tatsächlichen Gesamtkosten später innerhalb des Budgets liegen.

FAQ

Ist die Seedance-2.0-API tatsächlich verfügbar?

Ja. Die Zugangssituation von Anfang 2026 mit chinesischen Zugangsdaten, Wartelisten und schrittweisem Rollout ist überholt. Die gesamte Modellfamilie einschließlich 2.0 ist über den /v1/videos-Endpoint des Synthorai-Gateways zu den Listenpreisen von ByteDance verfügbar. Modellseiten: Seedance 2.0, 1.5-pro, 1.0-pro-fast. Auch mehrere andere Plattformen bieten die Modelle an. Seiten, auf denen Seedance 2.0 noch ausschließlich über ein Experience-Kontingent verfügbar ist, stammen aus der Zeit vor dem API-Rollout.

Warum unterscheiden sich die Seedance-Preise je nach Anbieter so stark?

Die meisten Reseller wandeln die tokenbasierte Abrechnung in Pauschalpreise pro Sekunde oder Clip um und schlagen ihre eigene Marge sowie Rundungen auf. Dabei bleibt die von Auflösung und Dauer abhängige Token-Berechnung unsichtbar. Die Formel aus diesem Beitrag bildet die Grundlage hinter jedem Angebot: W × H × (24s + 1) / 1024 mit den codierten Abmessungen berechnen und mit dem offiziellen Tarif multiplizieren. So lässt sich der Aufschlag eines Anbieters exakt bestimmen.

Kosten ein anderes Seitenverhältnis oder Hochformat extra?

Nein. 16:9 und 9:16 ergaben bei jeder getesteten Auflösung und Dauer identische Token-Zahlen. Nur Auflösung und Dauer beeinflussen den Zähler; die Dauer geht exakt linear ein.

Was ist mit Seedance 2.5?

Angekündigt, aber noch nicht über die von uns beobachteten APIs verfügbar. Die Token-Formel und die Trennung zwischen Modellstufe und Tarif werden voraussichtlich bestehen bleiben. Sobald das Modell verfügbar ist, führen wir dieselben Messungen erneut durch.

Gemessen am 2026-07-22/23: 27 abgeschlossene Generierungen mit fünf Seedance-Modellen über /v1/videos; Token-Zahlen aus den Nutzungsdaten der einzelnen Tasks, Tarife aus der Preisliste von ByteDance und Capability-Matrix aus dem Live-Katalog unter /v1/videos/models. Die Vergleichswerte pro Sekunde sind Listenpreise, keine Messwerte. Die Formel passt exakt auf jeden Messpunkt. Da die codierten Abmessungen aus dem Zähler hergeleitet wurden, sollten sie erneut geprüft werden, falls ByteDance die Encoder ändert. Weitere Beiträge dieser Reihe: Bildgenerierung, Spracherkennung, Sprachsitzungen und Text-Token.

← Zurück zum Blog