OpenAI 在 2026 年 3 月关停 Sora 视频生成业务，被内部研究员称为“路线之争的牺牲品”。Sora 日均运行成本高达 1500 万美元，年支出约 54 亿美元，而消费者总收入累计仅 140 万美元，30 天留存率仅 1%。关停表面是算力成本，深层是 OpenAI 内部「视频生成」与「具身智能/机器人」两大技术愿景的零和资源争夺，最终算力倾斜给了更接近「改变物理世界」的机器人项目。这解释了当前行业为何更务实：要么像 Seedance 死磕工业精度，要么像 MiniMax 走开源普惠——没有第三条路。

EpochAI 最新数据显示，2026 年初开放权重模型相对最强闭源模型平均落后约 4 个月，差距比此前 3 个月反而扩大。MiniMax H3 选择开源，Seedance 2.5 坚持闭源，恰好踩在两大阵营的分界线上。闭源靠单点冲刺和生态整合维持领先，开源靠社区扩散和低成本渗透换取覆盖。但 H3 开源的不是传统重量级模型：它走「全模态统一架构」让视频生成融入更通用的创作流程，而非单纯比拼参数——这种差异化或许能跑出第四条路。

2026 年首部 AIGC 动画电影《团圆令》登上院线，制作成本降低 70%、周期缩短三分之二。而另一边，视频模型训练和推理的「隐形账本」正被行业重新算清：存储 10 亿条视频（5PB）每月光存储费就 10 万美元，这还没算算力。当前关键变量不是模型能力，而是「推理成本何时降到工业化可接受」。Seedance 闭源走高端专业市场，MiniMax 开源走社区渗透——两条路线谁会先碰到盈亏平衡点，取决于 2027 年之前推理芯片和稀疏注意力架构的迭代速度。

当前视频模型精确遵循指令（如“人物从左走到右”）时，常常牺牲全局空间连贯性：物体变形、消失或比例失调。微软亚洲研究院提出的 World-R1 框架，无需改动模型架构或引入 3D 数据集，仅通过强化学习将视频生成与 3D 几何约束对齐，就能显著提升空间一致性。它证明了一个关键假设：现有视频模型内部已经编码了 3D 信息，只是没被激活。真正值得追问的是：要让模型像人一样理解物理世界，是需要在训练数据里塞更多物理常识，还是在后训练阶段用强化学习“唤醒”它已有的知识？