시댄스 2.5 vs 완 3.0, 3.7배 비싼 값을 할까? Seedance vs Wan 4라운드 비교

Seedance 2.5와 Wan 3.0은 둘 다 한 번에 최대 30초까지, 소리까지 함께 만드는 AI 영상 모델입니다. 같은 Magnific 720p 기준으로 Seedance는 1초에 440크레딧, Wan은 120크레딧으로 3.7배 차이가 납니다. 영상은 같은 프롬프트를 두 모델에 넣고 4라운드를 붙인 뒤, 그 값을 하는지 따졌습니다. 이 글은 그 결과를 측정 방법과 한계까지 묶어 다시 정리한 것입니다. 영상 공개일 2026-09-15 기준이며, 가격과 순위도 2026년 9월 값입니다.

결론 먼저

• 4라운드 12개 판정에서 Seedance는 합격 9, 보류 3, Wan은 합격 8, 보류 4였고 탈락은 둘 다 없었습니다.
• 한 판씩 뽑는 데 든 크레딧은 Seedance 21,560, Wan 6,240으로 약 3.5배입니다. 영상은 합격 하나 차이에 세 배가 넘는 값이라, 이번 네 라운드에서 Seedance의 값이 늘 정당하지는 않았다고 정리합니다.
• 승자 하나가 아니라 용도별입니다. 한국어 대사는 Wan, 셀 애니 느낌과 제품 글자 선명도는 Seedance, 액션은 둘 다 결함이 있어 무승부입니다.

숫자 종류

• 우리 측정: 크레딧 소모(Magnific 화면), 색 풍부도, 받아쓰기, 글자 판독(OCR), 얼굴 인식, 소리 분석
• 타인 집계: Artificial Analysis(2026-09-14 조회)와 arena(2026-09-04 갱신)의 블라인드 투표 순위
• 공식·공개 자료: 출시일과 입력 한도(ByteDance Seed 블로그, Alibaba Cloud 문서, Atlas Cloud, 2026년 9월), Magnific 720p 요금
• 계산·추정: 3.7배, 3.5배, 30초 한 편 크레딧, 월 크레딧 대비 비율

비교에 쓴 클립은 두 모델에 같은 프롬프트를 참조 이미지 없이 텍스트만으로 넣고, 16:9 720p로 Magnific에서 생성한 것입니다. 화면은 항상 왼쪽이 Seedance, 오른쪽이 Wan이었고, 판정은 프롬프트 준수, 몸과 형태, 소리 세 가지에 합격, 보류, 탈락을 매겼습니다. 판정은 "측정값과 멈춘 화면을 근거로 한 이번 판 기준"입니다.

두 모델 한눈에

둘 다 가중치는 공개되지 않았습니다. 영상이 특히 강조한 정정이 하나 있습니다. Wan 3.0은 오픈소스가 아닙니다. 가중치를 공개한 마지막 대표 모델은 2025년 7월의 Wan 2.2(Apache 2.0)였고, 2.5부터 3.0까지 네 세대는 API로만 씁니다. Wan 2.2의 라이선스를 3.0에 그대로 적용하면 안 됩니다.

블라인드 투표 순위는 날짜를 붙여 봐야 합니다. 2026-09-14 기준 Artificial Analysis 텍스트 투 비디오 순위에서 Wan 3.0은 1위이고 Seedance 2.5는 아직 목록에 없었습니다. 9월 4일 갱신된 arena 순위에서는 Wan이 3위, Seedance 2.5 720p가 6위인데 오차 범위가 겹쳐 사실상 같은 급이라고 영상은 설명합니다.

비용 해부

요금은 Seedance 2.5가 4초에 1,760크레딧, Wan 3.0이 2초에 240크레딧이고, 이를 초 단위로 환산하면 440 대 120(3.7배)입니다. 30초 한 편이면 13,200 대 3,600크레딧입니다. Magnific 월 20달러 플랜이 한 달 20,000크레딧이라, Seedance 30초 한 편은 한 달 치의 66%, Wan은 18%입니다. 이번 네 라운드를 한 판씩만 뽑는 데 Seedance는 21,560크레딧으로 한 달 치를 넘었고, Wan은 6,240크레딧이었습니다.

영상은 사람들이 궁금해하는 것이 한 판 값이 아니라 "쓸 만한 한 판 값"(한 판 크레딧 × 뽑은 판 수 ÷ 합격한 판 수)이라고 말합니다. 다만 이번 편은 라운드마다 한 판씩만 뽑았기 때문에, 다시 뽑기를 넣은 실제 단가는 구하지 못했습니다.

라운드 1: 빠른 액션과 물리

비 오는 서울 옥상을 달려 1미터 틈을 뛰어넘고, 굴러 착지한 뒤 난간에서 숨을 몰아쉬는 15초입니다(6,600 대 1,800크레딧).

• 인상: Wan이 밝고 쨍합니다. 색 풍부도를 재 보면 Wan이 Seedance의 1.6배였고, Seedance는 흐린 날 서울의 탁한 색이었습니다.
• 움직임: 점프 슬로모션에서 Seedance는 2초 동안 발 높이도 자세도 그대로 멈췄습니다. Wan은 떠올랐다 내려오는 곡선이 살아 있고 착지 뒤 앞구르기도 제대로 돌았습니다. 대신 Wan은 1미터 틈을 차가 다니는 도로 폭으로 늘렸습니다.
• 손: Seedance는 젖은 바닥을 짚는 두 손이 손가락 마디까지 자연스러웠습니다. Wan은 손이 붉은 장갑을 낀 것처럼 물들고, 8초 공중에서 손가락이 구분되지 않는 덩어리가 됐다가 10초가 지나서야 살색으로 돌아왔습니다.
• 글자와 얼굴: Wan이 그린 한글 간판은 확대하면 "걱식싱"이라는 없는 말이었습니다. 얼굴 인식으로 같은 사람인지 비교하면 Wan은 같은 사람으로 나왔고, Seedance는 머리카락이 얼굴을 가려 잴 수 없었습니다.
• 소리: 둘 다 착지 소리가 발이 닿는 프레임과 한 프레임 안에 맞았습니다. Seedance는 거의 모노, Wan은 스테레오였습니다.

라운드 2: 두 사람 대화와 한국어 립싱크

늦은 밤 김밥집에서 60대 사장님과 퇴근한 손님이 나누는 12초 대화입니다(5,280 대 1,800크레딧, Wan 판은 15초로 나왔습니다). 발음과 억양을 봤습니다.

받아쓰기 모델(faster-whisper large-v3)로 대사를 받아 적어 대본과 맞췄더니, Wan은 세 줄 모두 대본과 한 글자도 다르지 않았습니다. Seedance는 마지막 줄 "하나 더 줄게"가 두 번의 받아쓰기 모두 "얽게"로 적혔습니다. 웃으면서 하는 대사에서 발음이 뭉개진 것입니다.

• 목소리 높이는 둘 다 사장님이 100Hz 안팎, 손님이 180Hz 안팎이었고, 말하는 사람이 뒤바뀐 곳은 없었습니다.
• 연출은 Wan이 대본에 더 가까웠습니다(어깨 너머 샷, 뒤에서 켜진 TV, 뒤로 빠지는 카메라). Seedance는 김밥이 선반에 가득한 따뜻한 가게를 그렸지만 뒤로 빠지는 카메라는 거의 없었습니다.
• 받아쓰기는 발음이 같은 말을 틀리기도 하고, 억양이 중국어처럼 들리는지는 기계로 잴 수 없어 영상은 직접 들어 보라고 권했습니다.

판정은 Seedance가 프롬프트 합격, 형태 합격, 소리 보류, Wan이 세 항목 모두 합격입니다.

라운드 3: 한글 글자와 제품

무광 검정 텀블러에 흰 글씨로 "도윤커피"를 쓰고, 턴테이블에서 반 바퀴 돌며 뚜껑이 열리는 10초입니다(4,400 대 1,200크레딧). 글자는 EasyOCR로 3프레임마다 읽혔는지 쟀고, OCR이 "윤"을 "운"으로 읽은 것은 맞은 것으로 셌습니다.

둘 다 네 글자를 틀리지 않았습니다. Seedance는 모든 프레임(81/81)에서 읽혔고, Wan은 100프레임 중 63프레임에서 읽혔습니다. Wan은 텀블러가 돌며 글자가 옆으로 넘어가고, 7초부터는 뚜껑 클로즈업이라 글자가 화면 밖에 있기 때문입니다.

그런데 이 숫자에는 함정이 있습니다. Seedance 글자의 위치는 10초 동안 옆으로 2픽셀 안에서만 움직였습니다. 텀블러가 돌지 않은 것이고, 반 바퀴 돌라는 지시를 빼먹고 얻은 100%입니다.

• 뚜껑 해석이 갈렸습니다. Seedance는 뚜껑이 통째로 날아갔고, Wan은 마시는 입구의 덮개가 열렸지만 0.2초 만에 다시 닫히며 반투명해졌고, 앞 컷에서 왼쪽으로 돌던 텀블러가 다음 컷에서 오른쪽으로 돌았습니다. 여는 소리는 둘 다 화면과 두 프레임 안에 맞았습니다.
• 소리는 Seedance가 더 풍성했습니다. 물방울, 뚜껑, 김 빠지는 소리가 따로 찍혔고, Wan은 조용한 울림 위에 딸깍 소리만 났습니다.

판정은 Seedance가 프롬프트 보류(텀블러가 돌지 않음), 형태 합격, 소리 합격, Wan이 프롬프트 합격(회전, 덮개, 김), 형태 보류(덮개가 다시 닫힘), 소리 합격입니다.

라운드 4: 2D 애니메이션

벚꽃이 날리는 버스 정류장에서 빨간 목도리를 두른 여학생을 그린 12초입니다(5,280 대 1,440크레딧).

• 그림체: Seedance는 평면 셀 음영으로, 프롬프트가 요구한 셀 애니 느낌에 가까웠습니다. Wan은 빛 번짐이 강한 극장판 애니 같은 그림으로, 부드럽고 화려하지만 요구한 느낌은 아니었습니다.
• 수치: 같은 그림을 몇 프레임씩 유지하는 정도(리미티드 애니메이션일수록 높음)는 먼 컷에서 Seedance 67% 대 Wan 9%, 중간 컷에서 49% 대 0%였습니다. 클로즈업은 8% 대 10%였습니다. 연속 프레임 차이로 잰 값이라 꽃잎이 많이 날리면 낮게 나올 수 있다고 화면에 적혀 있습니다.
• 디테일: 클로즈업에서 Seedance는 꽃잎이 코에 앉아 끝까지 붙어 있었고, Wan은 코를 스치고 떨어졌습니다. 버스가 올 때 고개를 들고 한 걸음 나서라는 지시에 Wan은 몸을 돌렸고 Seedance는 휴대폰만 보고 있었습니다.
• 소리: 둘 다 버스가 들어오는 순간에 맞춰 커졌고, Seedance는 전체 음량이 작았습니다.

합계와 용도별 결론

월 20달러 플랜 값으로 바꾸면 21.56달러 대 6.24달러입니다(영상 표기).

한계와 확인하지 못한 것

• 라운드마다 한 판씩만 뽑은 결과입니다. 같은 프롬프트로 여러 번 뽑으면 달라질 수 있고, 다시 뽑기까지 넣은 실제 단가는 이 영상에서 구하지 않았습니다.
• 30초 원테이크에서 20초쯤부터 화면이 녹는지 보는 드리프트 검증은 이번 편에서 빠졌습니다. 영상은 후속 편을 예고했지만, 설명란에는 채널 방향이 바뀌어 만들지 않기로 했다고 적혀 있습니다.
• 받아쓰기는 발음이 같은 말을 틀릴 수 있고, 억양은 기계로 재지 못해 직접 들어 보는 수밖에 없습니다.
• 비교에 쓴 클립은 모두 생성형 AI(Seedance 2.5, Wan 3.0)가 Magnific에서 만든 것이고, 사람 얼굴이 나오는 장면은 이 글에 쓰지 않았습니다.
• 가격, 순위, 모델 사양은 2026년 9월 값입니다. 영상 이후의 변경은 반영하지 않았습니다.