Seedance 2.5 API-Ratenbegrenzungen und Parallelität: Anbietervergleich

Wenn Sie den Durchsatz für Seedance 2.5 planen, ist das Erste, was Sie wissen müssen, unangenehm: Es gibt keine veröffentlichte Zahl, gegen die man auf irgendeiner Plattform planen könnte. Dieser Artikel erklärt, warum, und was stattdessen entwickelt werden sollte.

Wichtige Erkenntnisse

• Kein Anbieter in diesem Markt veröffentlicht eine numerische RPM-, TPM- oder Parallelitätstabelle für Seedance 2.5. Das gilt einheitlich für Atlas Cloud, Replicate, fal.ai, WaveSpeed, OpenRouter, Kie.ai und die ByteDance-Kanäle des Erstanbieters. Jeder Artikel, der Ihnen eine spezifische Parallelitätszahl zeigt, hat sie erfunden.
• Atlas Cloud dokumentiert seine Position wörtlich in seinen FAQ: "Ratenbegrenzungen variieren je nach Kontostufe und Modelltyp. Wenn Sie 429 Too Many Requests-Fehler erhalten, wenden Sie sich an den Support, um höhere Limits zu erhalten."
• Atlas Cloud bietet benutzerdefinierte TPM/RPM auf seiner Enterprise-Stufe sowie TPM/RPM-Überwachung pro Modell und pro Anwendung, was der Mechanismus ist, der eine öffentliche Tabelle für Teams ersetzt, die eine zugesicherte Obergrenze benötigen.
• Videoparallelität ist nicht LLM RPM. Ein einzelner Seedance 2.5-Job belegt eine GPU für Minuten, sodass Ihre bindende Einschränkung die laufenden Jobs sind, nicht die Anfragen pro Sekunde.
• 429 Too Many Requests ist Ihr Entdeckungssignal. Behandeln Sie es als Daten, ziehen Sie sich exponentiell mit Jitter zurück und verwenden Sie einen kontrollierten Anstieg, um Ihre tatsächliche Obergrenze zu messen, anstatt zu raten.
• Webhooks ändern die Durchsatzberechnung, da sie den Polling-Verkehr aus Ihrem eigenen Anfragenbudget entfernen. Atlas Cloud dokumentiert die At-Least-Once-Zustellung, eine Wiederholungsleiter von ungefähr 10s, 20s, 40s, die bei etwa 30 Minuten für bis zu etwa 10 Versuche begrenzt ist, und ein Abstimmungssicherheitsnetz.

Warum die Zahlen nicht existieren und warum das keine Ausflucht ist

Ratenbegrenzungen für generative Videos sind eine Funktion der Live-GPU-Kapazität, der Modellversion, der Kontostufe und der aktuellen Warteschlangentiefe. Die Veröffentlichung einer festen Zahl würde entweder unterschätzen, was die meisten Konten erhalten, oder Kapazitäten versprechen, die während eines Nachfragespitzen nicht gehalten werden können. Jeder Anbieter, der Seedance 2.5 anbietet, hat die gleiche Wahl getroffen.

ByteDance hat auch keinen technischen Bericht für Seedance 2.5 veröffentlicht, und es gibt keine formellen Drittanbieter-Benchmarks. Die 30-sekündige Single-Pass-Generierung und die bis zu 50 Referenz-Asset-Zahlen sind Anbieterangaben vom Volcano Engine FORCE-Launch-Event in Peking am 23. Juni 2026. Der Durchsatz war nie Teil dieser Ankündigung.

Die ehrliche Formulierung: Ihre Ratenbegrenzung ist eine Eigenschaft Ihres Kontos, nicht des Modells. Die nützliche Fähigkeit besteht darin, sie zu entdecken und darum herum zu entwickeln.

Videoparallelität ist ein anderes Problem als LLM RPM

Für ein Textmodell ist die Anzahl der Anfragen pro Minute ein vernünftiger Indikator für die Last, da jede Anfrage kurz und günstig ist. Für Videos bricht dies vollständig zusammen.

Betrachten Sie, was eine einzelne Seedance 2.5-Anfrage bewirkt. Die Dauer ist von 4 bis 30 Sekunden konfigurierbar (oder -1, um das Modell wählen zu lassen), die Auflösung ist 480p oder 720p, und der Job läuft asynchron auf einer GPU, bis er abgeschlossen ist. Replicate veröffentlicht echte Laufzeitmetriken auf seiner öffentlichen Modellseite, und ein Beispiel zeigt eine predict_time von 224,078 Sekunden für einen 5-sekündigen 720p-Clip ohne Videoeingabe. Das sind fast vier Minuten Belegung für fünf Sekunden Ausgabe.

Die Konsequenzen für die Kapazitätsplanung:

• Eine HTTP-Anfrage kann eine GPU für Minuten belegen, daher ist die Anzahl der Anfragen pro Sekunde als Lastmetrik nahezu bedeutungslos.
• Die tatsächliche Obergrenze ist die Anzahl der gleichzeitig verarbeiteten Jobs, die Ihr Konto halten darf.
• Die Übermittlung ist günstig, die Fertigstellung ist teuer. Sie können einen Übermittlungsendpunkt überfluten, ohne Durchsatz zu generieren.
• Dauer und Auflösung skalieren die Belegung. Ein 30-sekündiger 720p-Job ist eine viel größere Arbeitseinheit als ein 4-sekündiger 480p-Job.
• Warteschlangenwartezeit, nicht Anfragelatenz, dominiert die End-to-End-Lieferung, sobald Sie sättigen.

Planen Sie in Einheiten von laufenden Jobs und GPU-Sekunden, niemals in RPM.

Wie die Token-Abrechnung die Kosten an die Belegung bindet

Auf Atlas Cloud werden Videomodelle pro Generierung nach Auflösung und Dauer abgerechnet, und die Dokumente weisen explizit darauf hin, dass einige Modelle (namentlich Seedance 2.x) nach Ausgabe-Video-Tokens abgerechnet werden, wenn die Aufgabe abgeschlossen ist. Atlas Cloud bietet Seedance 2.5 in drei aufrufbaren Varianten an: bytedance/seedance-2.5/text-to-video, bytedance/seedance-2.5/image-to-video und bytedance/seedance-2.5/reference-to-video, jeweils zu einem Grundpreis von 0,134 $ pro Sekunde.

Die von ByteDance veröffentlichte Token-Formel des Erstanbieters macht die Beziehung explizit: Tokens sind ungefähr (Eingabevideodauer + Ausgabevideodauer) multipliziert mit Ausgabebreite, Ausgabehöhe und Ausgabebildrate, geteilt durch 1024. Jeder Term ist auch ein Treiber der GPU-Zeit.

Die Stellschrauben, die Ihre Rechnung steuern, sind also die Stellschrauben, die Ihren Parallelitätsverbrauch steuern. Das Herabsetzen von 720p auf 480p oder von 30 Sekunden auf 8 reduziert die Ausgaben und gibt gleichzeitig Kapazität frei. Atlas Cloud berechnet auch keine fehlgeschlagenen Generierungen: Der reservierte Betrag wird automatisch Ihrem Guthaben gutgeschrieben, sodass ein Sondierungsexperiment günstig bleibt.

Behandeln Sie 429 als Messinstrument

Da nirgendwo eine Obergrenze veröffentlicht wird, ist 429 Too Many Requests kein Fehler, den man fürchten muss. Es ist die einzige zuverlässige Methode, Ihre Grenze zu finden. Atlas Cloud ist explizit, dass 429 der Auslöser ist, um den Support für höhere Limits zu kontaktieren, daher ist die Antwort so konzipiert, dass sie umsetzbar und nicht endgültig ist.

Korrektes Client-Verhalten bei 429:

• Niemals sofort oder in einer engen Schleife wiederholen.
• Exponentiell mit vollem Jitter zurückziehen und jeden Retry-After-Header beachten.
• Den Backoff und die Anzahl der Versuche begrenzen und den Job dann in eine Dead-Letter-Warteschlange verschieben.
• 429 von 402 Payment Required unterscheiden, was auf Atlas Cloud ein unzureichendes Guthaben bedeutet und direkt nach einer Aufladung fortgesetzt wird. Das Wiederholen eines 402 ist sinnlos.
• Jeden 429 mit der Anzahl der zu diesem Zeitpunkt laufenden Jobs protokollieren. Diese Paarung sind Ihre Obergrenzendaten.

Ein praktisches Protokoll zur Messung Ihrer eigenen Obergrenze

Dies dauert weniger als eine Stunde und gibt Ihnen eine Zahl, auf der Sie aufbauen können.

1. Legen Sie Ihre Arbeitslastform fest. Eine Variante, eine Auflösung, eine Dauer, zum Beispiel 480p bei 6 Sekunden. Eine Änderung der Form während des Tests macht das Ergebnis ungültig.
2. Baseline. Senden Sie einen einzelnen Job, zeichnen Sie die Übermittlungslatenz und die Wanduhrzeit bis zum Endstatus auf. Das ist die unbelastete Verarbeitungszeit.
3. Steigern Sie mit einem begrenzten Worker-Pool: 2 gleichzeitige Jobs, dann 4, dann 8, dann 16, wobei jedes Level für mindestens drei vollständige Jobzyklen gehalten wird.
4. Zeichnen Sie drei Reihen pro Level auf: 429-Zählung, mittlere Zeit bis zum Endstatus und erreichte Abschlüsse pro Minute.
5. Finden Sie den Knick. Ihre Obergrenze ist das Level, bei dem die Abschlüsse pro Minute nicht mehr steigen oder bei dem 429er beginnen, je nachdem, was zuerst eintritt.
6. Arbeiten Sie unterhalb des Knies, nicht am Knie. Lassen Sie Spielraum für Wiederholungen und für andere Anwendungen, die den Schlüssel teilen.
7. Messen Sie nach jeder Änderung der Dauer, Auflösung, Anzahl der Referenz-Assets oder Kontostufe erneut. Alle verschieben den Knick.

Wenn der gemessene Knick unter dem liegt, was Ihr Produkt benötigt, besteht der dokumentierte Atlas Cloud-Weg darin, den Support für höhere Limits zu kontaktieren oder zur Enterprise-Stufe zu wechseln, wo benutzerdefinierte TPM/RPM pro Modell und pro Anwendung konfiguriert und überwacht werden.

Webhooks entfernen das Polling aus Ihrem Anfragenbudget

Dies ist die wirkungsvollste Änderung, die die meisten Teams vornehmen können, und sie wird weitgehend unterschätzt.

Wenn Sie GET /api/v1/model/prediction/{id} alle zwei Sekunden für einen Job abfragen, der drei Minuten dauert, geben Sie ungefähr neunzig Anfragen aus, um eine Tatsache zu erfahren. Multiplizieren Sie dies mit Ihrer laufenden Flotte, und ein Großteil Ihres Budgets geht für das Stellen von Fragen anstatt für die Arbeit drauf.

Atlas Cloud bietet Webhook-Callbacks für die asynchrone Video- und Bildgenerierung: Fügen Sie webhook_url zur Übermittlungsanfrage hinzu, und Sie erhalten ein video.task.terminal-Ereignis, wenn der Job einen Endzustand erreicht. Polling funktioniert immer noch, und die beiden ergänzen sich.

Die dokumentierte Zustellsemantik, für die Sie bauen müssen:

• Antworten Sie mit einem beliebigen 2xx, um zu bestätigen, und tun Sie dies schnell (innerhalb weniger Sekunden). Ein Nicht-2xx oder ein Verbindungs-Timeout zählt als Fehler und wird wiederholt.
• Wiederholungen verwenden einen exponentiellen Backoff von ungefähr 10s, dann 20s, dann 40s, begrenzt auf etwa 30 Minuten, für bis zu etwa 10 Versuche, bevor die Zustellung als unzustellbar markiert wird.
• Die Zustellung erfolgt mindestens einmal (at-least-once). Deduplizieren Sie nach session_id, die auch im Webhook-ID-Anfrage-Header enthalten ist, und machen Sie Handler idempotent. Gehen Sie nicht von einer Reihenfolge oder einer genau einmaligen Zustellung aus.
• Ein integriertes Abstimmungssicherheitsnetz garantiert die Zustellung, auch wenn der schnelle Pfad verpasst wird.
• Verzweigen Sie nach dem obersten status-Feld (OK oder ERROR), und lesen Sie dann payload.status für completed, failed oder timeout. Fehler enthalten einen error_code, zum Beispiel 1039 für die Ablehnung der Inhaltsmoderation.
• Signaturen überprüfen. Atlas Cloud migriert von der älteren HMAC-SHA256 zu Ed25519 mit einem öffentlichen JWKS-Endpunkt, also cachen Sie die JWKS, rufen Sie sie bei einem unbekannten kid erneut ab und erzwingen Sie ein Replay-Fenster von etwa fünf Minuten.

Die Übermittlung verwendet die zweistufige asynchrone REST-Konvention. Video läuft nicht über chat.completions.

Senden Sie mit einem Webhook, damit Sie niemals im Hot Path abfragen, und fragen Sie dann nur als Abstimmungslauf ab.

bashCopy
1curl -X POST https://api.atlascloud.ai/api/v1/model/generateVideo \
2  -H "Authorization: Bearer $ATLAS_API_KEY" \
3  -H "Content-Type: application/json" \
4  -d '{
5    "model": "bytedance/seedance-2.5/text-to-video",
6    "prompt": "a courier cycling through neon-lit rain, camera tracking alongside",
7    "duration": 8,
8    "resolution": "480p",
9    "ratio": "16:9",
10    "webhook_url": "https://example.com/hooks/atlas"
11  }'
12#Returns {"code":200,"data":{"id":"...","status":"processing"}}
13
14curl -H "Authorization: Bearer $ATLAS_API_KEY" \
15  https://api.atlascloud.ai/api/v1/model/prediction/PREDICTION_ID

Anbietervergleich: Was tatsächlich veröffentlicht wird

Nur Textbewertungen. Jede numerische Limit-Zelle lautet "Nicht veröffentlicht", da dies der verifizierte Zustand des Marktes ist, nicht eine Lücke in unserer Forschung.

Zwei Zellen verdienen besondere Betonung. Replicate ist der einzige Anbieter hier, der beobachtete Laufzeiten veröffentlicht, eine nützliche öffentliche Referenz für die GPU-Belegung, auch wenn Sie woanders bereitstellen. OpenRouter führt Seedance 2.5 als Durchleitung von einem einzigen Upstream-Anbieter, sodass keine Routing-Entscheidung darüber gelegt wird; es bietet breites LLM-Routing und einen großen Textkatalog und führt auch multimodale und ausgewählte Videofunktionen.

Warteschlangendesign, das eine unbekannte Obergrenze überlebt

Da Sie Ihr Limit nicht aus einem Dokument ablesen können, bauen Sie ein System, das sich selbst reguliert.

• Begrenzter Worker-Pool. Begrenzen Sie die laufenden Jobs auf einen Laufzeitkonfigurationswert, der unter Ihrem gemessenen Knick liegt, nicht auf eine Konstante, die Sie erneut bereitstellen müssen.
• Adaptive Steuerung. Bei einem 429 verkleinern Sie den effektiven Pool und erholen sich dann langsam. Additive Erhöhung, multiplikative Verringerung, angewendet auf die Parallelität.
• Idempotenz überall. Generieren Sie Ihren eigenen Anfrageschlüssel pro logischem Job, speichern Sie die zurückgegebene prediction_id dagegen und deduplizieren Sie die Webhook-Verarbeitung nach session_id.
• Prioritätsspuren. Interaktive Jobs sollten Batch-Nachfüllungen für knappe Slots vorwegnehmen. Eine einzige FIFO-Warteschlange lässt Ihren langsamsten Pfad Ihren schnellsten definieren.
• Abstimmungslauf. Listen Sie regelmäßig Datensätze auf, die nach ihrer Frist noch als laufend markiert sind, und fragen Sie den Vorhersage-Endpunkt nach dem tatsächlichen Status ab. Dies macht die At-Least-Once-Zustellung sicher.
• Formkontrolle an den Rändern. Legen Sie Dauer und Auflösung als Produktentscheidungen fest. Eine 480p-Vorschau-Stufe ist sowohl ein Kostenhebel als auch ein Durchsatzhebel.
• Beobachtbarkeit der Belegung. Zeichnen Sie laufende Jobs und Abschlüsse pro Minute auf, nicht die Anzahl der Anfragen. Die Anzahl der Anfragen sieht gesund aus, bis zu dem Moment, in dem nichts mehr abgeschlossen wird.

Welche Plattform passt zu Ihrem Workflow

Wenn Ihre Priorität ein Konto ist, bei dem Text-, Bild- und Video-Durchsatz durch einen Schlüssel und eine Rechnung geregelt werden, bietet Atlas Cloud über 300 kuratierte Modelle, einschließlich, aber nicht beschränkt auf Seedance 2.5 in allen drei Varianten, mit einem dokumentierten 429-Eskalationspfad und Enterprise-benutzerdefinierten TPM/RPM. Atlas Cloud ist SOC II-zertifiziert und HIPAA-konform mit Verschlüsselung im Ruhezustand und während der Übertragung.

Wenn Sie öffentliche Beweise dafür wünschen, wie lange ein Lauf dauert, bevor Sie sich festlegen, sind die veröffentlichten Laufmetriken von Replicate das transparenteste verfügbare Artefakt. WaveSpeed bietet die breiteste Palette von Seedance 2.5-Endpunkten, einschließlich expliziter Turbo-Stufen. Die Pass-Through-Liste von OpenRouter platziert das Modell auf demselben Schlüssel wie einen großen Textkatalog. Für die Token-Abrechnung des Erstanbieters mit einem veröffentlichten Rechner deckt Volcano Engine Ark China ab und BytePlus ModelArk den internationalen Bereich.

FAQ

Q: Was ist die Seedance 2.5 Ratenbegrenzung auf Atlas Cloud? A: Es wird keine numerische Zahl veröffentlicht. Atlas Cloud dokumentiert, dass Ratenbegrenzungen je nach Kontostufe und Modelltyp variieren und dass eine 429 Too Many Requests-Antwort das Signal ist, den Support für höhere Limits zu kontaktieren. Enterprise-Konten erhalten direkt konfigurierte benutzerdefinierte TPM/RPM.

Q: Veröffentlicht ein Anbieter eine Seedance 2.5 Parallelitätstabelle? A: Nein. Zum Zeitpunkt der Überprüfung veröffentlichen weder Atlas Cloud, OpenRouter, fal.ai, Replicate, WaveSpeed, Kie.ai noch die ByteDance-Kanäle des Erstanbieters eine numerische RPM-, TPM- oder Parallelitätsbegrenzung für dieses Modell. Behandeln Sie jede spezifische Zahl, die Sie anderswo sehen, als unbestätigt.

Q: Wie viele gleichzeitige Seedance 2.5 Jobs sollte ich planen? A: Messen Sie, anstatt anzunehmen. Legen Sie Ihre Arbeitslastform fest, steigern Sie einen begrenzten Worker-Pool durch 2, 4, 8 und 16 gleichzeitige Jobs und finden Sie das Niveau, bei dem die Abschlüsse pro Minute stagnieren oder 429er beginnen. Arbeiten Sie unterhalb dieses Knies.

Q: Erhöhen Webhooks meinen Durchsatz? A: Indirekt und erheblich. Sie entfernen Polling-Aufrufe aus Ihrem Anfragenbudget, sodass ein größerer Teil Ihres Budgets für echte Arbeit verwendet wird. Atlas Cloud dokumentiert die At-Least-Once-Zustellung mit einer Wiederholungsleiter von ungefähr 10s, 20s und 40s, begrenzt auf etwa 30 Minuten für bis zu etwa 10 Versuche, plus ein Abstimmungssicherheitsnetz.

Q: Warum beeinflusst die Auflösung meine Ratenbegrenzung? A: Weil Seedance 2.x nach Ausgabe-Video-Tokens bei Abschluss abgerechnet wird und die Token-Anzahl mit Dauer, Ausgabebreite, Höhe und Bildrate skaliert. Dieselben Faktoren treiben die GPU-Belegung an, sodass ein längerer 720p-Job mehr von Ihrem Parallelitätsbudget verbraucht als ein kurzer 480p-Job.

Q: Werden mir Kosten berechnet, wenn ein Job fehlschlägt oder ratenbegrenzt wird? A: Fehlgeschlagene Generierungen werden auf Atlas Cloud nicht berechnet, und der reservierte Betrag wird automatisch Ihrem Guthaben gutgeschrieben. Eine mit 429 abgelehnte Anfrage startet nie, daher werden keine Ausgabe-Tokens zur Abrechnung erzeugt.

Fazit

Kein Anbieter veröffentlicht eine numerische Ratenbegrenzungs- oder Parallelitätstabelle für Seedance 2.5, und Atlas Cloud ist einer der wenigen, der den zugrunde liegenden Mechanismus explizit dokumentiert: tierbasierte und modelltypbasierte Limits, 429 als Eskalationssignal, benutzerdefinierte TPM/RPM mit Überwachung pro Modell und pro Anwendung auf Enterprise-Ebene und einen Webhook-Vertrag, der detailliert genug ist, um eine selbstregulierende Warteschlange darauf aufzubauen.