2026年4月，OpenAI关闭了Sora 3的公众接口。这一动作直接在视频生成市场砸出一个真空地带。两个月后的6月，快手可灵顺势推出了3.5版本。
现在的竞争焦点早就不是单纯比拼谁的画质更清晰。行业的目光转向了物理规律模拟和更长的视频时长。
玻璃球碎裂时的重力加速度
AI视频生成最让人头疼的“幻觉”，就是物体穿墙或者重力突然反转。可灵3.5这次用Omni模型做了一轮多模态联合推理，加了新的时空一致性模块，专门针对重力、流体动力学和刚体碰撞进行微调。
拿一个玻璃球高处坠落碎裂的场景做实测，对比非常明显。在3.0版本里，玻璃球的下坠轨迹会莫名其妙突变，碎片甚至还会违背常理往上飘。到了3.5版本，抛物线终于符合重力加速度了。碎裂那一瞬间，动能分散得比较合理，碎片还会受到环境风的影响。
当然，如果场景里塞进极端复杂的光影，或者多个人物纠缠在一起，画面还是会出现细微的形变。但在电商短视频、科普解说这些实际应用场景里，可灵3.5已经具备了落地能力。
分钟级视频背后的Token账单
做长视频，难点在于首尾风格得统一，帧和帧之间的逻辑得连贯，不能生成到一半人物就变了样。可灵3.5现在能生成数分钟的连贯视频。它靠的是分段生成加全局约束的策略：先理解你要表达的叙事意图，生成关键帧骨架，然后再做局部的高保真渲染，尽量减少画面“漂移”。
但这背后的算力消耗是个硬门槛。就像《烧掉52万Token后，电商老板开始重算AI Agent的ROI》里提到的，视频生成的Token成本比图文高出太多。生成1分钟4K视频所需的计算资源，可能是图片的数千倍。虽然普通会员费用有所下调，但对于高频使用者来说，算力成本压力依然摆在台面上。
字节跳动并没有闲着
Sora 3退场，确实让可灵在短期内成了公众接口里的重要选择。在电商领域，物理一致性提升后，可灵3.5能更好地呈现服装的垂坠感和珠宝的光泽，顶替了一部分传统拍摄工作。长视频能力也省去了不少后期剪辑拼接的麻烦。
但对手可没消失。根据CSDN博客2026年3月的报道，字节跳动已经公布了Seedance 2.0多模态视频模型的定价，主打高画质、低废片率的音视频联合生成。
不仅如此，字节还开源了Bernini统一视频生成与编辑框架。这个框架直接引入多模态大模型作为规划师，先理解用户意图和语义目标，再交给扩散模型去做高保真生成。可灵接下来要面对的真正挑战，正是这些国内巨头的贴身肉搏。