بطاقة رئيسية تقارن بين FastFrames Video Generation وSeedance 2.5، البطاقة اليسرى تعرض '81 إطارًا، 5.06 ث'، و'832x480، صامت' و'36 مللي ثانية لكل إطار'، والبطاقة اليمنى تعرض '30 ثانية في تشغيل واحد'، و'30 مرجعًا للصور و10 مراجع للفيديو' و'مُحتسبة بالرموز'، مع شعار OrcaRouter في أسفل اليمين.
Engineering & Research

توليد فيديو FastFrames مقابل Seedance 2.5: ثلاثون ثانية مقابل واحد وثمانين إطارًا

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

موجز مدته ثلاثون ثانية وميزانية من واحد وثمانين إطارًا هما إجابتان مختلفتان عن السؤال نفسه، والسؤال ليس "ما مدى السرعة". Seedance 2.5، طرح ByteDance الطويل المدى بتاريخ 31 يوليو 2026، يولّد ثلاثين ثانية في تشغيل واحد ويمتد بعد ذلك عبر جولات متعددة، إذ يقرأ ما يصل إلى 30 مرجع صورة و10 مراجع فيديو و10 مقاطع صوتية كسياق. FastFrames Video Generation، إصدار Apple في 16 نوفمبر بالتعاون مع Cornell، يولّد 81 إطارًا بدقة 832×480 وبمعدل 16 إطارًا في الثانية — أي 5.06 ثانية — خلال نحو 2.9 ثانية من الزمن الفعلي على وحدة B200 واحدة، دون أي مدخلات مرجعية من أي نوع. إذا سبق لك أن شاهدت مخرجًا يحاول الحفاظ على أداء عبر قطع، فأنت تعرف بالفعل أي هذين الرقمين يمثل مشكلة الهندسة الأصعب وأيهما يمثل مشكلة الجدولة الأصعب. تتناول هذه الصفحة الثاني، لأنه هو ما يحدد الميزانيات.

فلسفتان في الاحتساب، ولا واحدة منهما قائمة أسعار

ابدأ من طريقة إصدار كل نموذج لفواتيره، لأن الوحدات لا تقبل التحويل، وأي مقارنة تزعم خلاف ذلك ليست سوى حسابٍ يقوم على خطأ تصنيفي.

• Seedance 2.5 — تُحتسب بواسطة ByteDance وفقًا لرموز الفيديو (video tokens) على قائمة الأسعار الرسمية، وتُنشر عبر Volcano Engine Ark في الصين وBytePlus ModelArk دوليًا. تعتمد تكلفة المقطع على الدقة والمدة واستهلاك الرموز الفعلي، لذا فإن السعر لكل ثانية صالح لدقة واحدة ومدة واحدة فقط. تُحاسَب اللقطات الفاشلة بالطريقة نفسها التي تُحاسَب بها اللقطات الناجحة.

• مضيفو طرف ثالث لـ Seedance 2.5 — يضيف كل منهم هامشه الخاص وينشر سعره الخاص لكل ثانية أو لكل مقطع، ولهذا تقدّم دستة صفحات دستة أرقام، ولا أحدها هو سعر المورّد.

• FastFrames — بلا عدّاد. أنت تشتري وحدة GPU. واحدة من B200 لطراز 1.3B، وثمانٍ لطراز 14B للحفاظ على التفاعلية. التوليد الذي يفشل يكلّف الثواني نفسها التي يكلّفها توليد ينجح، وكلاهما يُقاس بالكهرباء لا بالدولارات لكل ناتج.

• نقطة البيانات المستقلة الوحيدة — تسجّل منصة Artificial Analysis نموذج Dreamina Seedance 2.5 بسعر 34.12 دولارًا للدقيقة على لوحة النص إلى الفيديو و40.82 دولارًا على التحرير، وفق قراءة بتاريخ 8 أكتوبر 2026. يمثّل هذا العمود تكلفة دقيقة واحدة من مخرجات 1080p بالإعدادات الافتراضية للنموذج، ويستخدم Seedance 2.5 افتراضيًا التهيئة الأطول والأثقل التي تسعّرها بطاقة أسعاره. استخدمه لتقدير رتب الحجم، لا لسطر في الميزانية.

مما يعني أن العبارة الصادقة هي أن أحد هذين النموذجين له سعر لا يمكنك التنبؤ به من الخارج، والآخر ليس له سعر على الإطلاق. عدم إمكانية التنبؤ لدى FastFrames يقع في جانبك من الدفتر — فأنت تعرف عدد ساعات GPU التي أحرقتها — بينما يقع لدى Seedance 2.5 في جانب البائع، لأن عدد التوكنات يعتمد على الطريقة التي يختار بها النموذج إنفاق التوكنات على الموجّه الخاص بك. وبين الاثنين، الثاني هو الأكثر خطورة للتخطيط ضده.

ما الذي تشتريه الميزانية المرجعية فعليًا

تبدو أرقام المراجع المنشورة وكأنها مسابقة مواصفات، لكنها في واقع الأمر ادعاء بالقدرات.

• الصور — يقبل Seedance 2.5 حتى 30 صورة، مقابل صفر لدى FastFrames. ولا يوجد في FastFrames أي مسار لتهيئة الصور على الإطلاق.

• الفيديو — حتى 10 مقاطع كمراجع. هذا هو ما يغيّر الغرض من النموذج: فمجموعة المراجع التي تشمل الحركة والإيقاع وسلوك الكاميرا المستمدة من مواد مصورة موجودة هي كيان مختلف عن مجموعة مراجع تحمل المظهر فقط.

• الصوت — حتى 10 مقاطع. يُنشئ Seedance 2.5 مع صوت؛ أما FastFrames فصامت، ولا يوجد مسار صوتي في التكوين الصادر.

• طول الموجّه — لا يوجد سقف منشور ذو أهمية عند هذا المستوى من التحديد لـ Seedance؛ إذ يستقبل FastFrames موجّهًا نصيًا وبذرة، وتعني نافذة الـ81 إطارًا الخاصة به أنك تصف لقطة واحدة متصلة بدلًا من مشهد.

ثلاثون ثانية مع مرجع فيديو هي لقطة يمكنك إخراجها. وواحد وثمانون إطارًا من موجه نصي هي لقطة يمكنك أخذ عينات منها. كلاهما طريقتا إنتاج مشروعتان؛ وهما ليستا المهمة نفسها، وميزانية المرجع هي ما تجعلهما مهمتين مختلفتين لا مستويين مختلفين من الجودة.

A two-column scoreboard comparing FastFrames and Seedance 2.5 across six dimensions: single-run length 81 frames against 30 seconds, image references none against up to 30, video references none against up to 10, audio none against generated with up to 10 audio references, resolution 832x480 against 480p and 720p on third-party hosts, and price GPU time you supply against token-metered billing.

لماذا لا تُعدّ نافذة الخمس ثوانٍ القيد الذي تبدو عليه

خمس ثوانٍ تبدو كفيلة بالاستبعاد إلى جانب ثلاثين، والبنية هي سبب كون الأمر أقل سوءًا مما يبدو عند قراءته — وهي أيضًا سبب تعذُّر إصلاحه بطلب المزيد من الإطارات.

‏FastFrames ذاتية الانحدار: كل كتلة من 81 إطارًا مشروطة بالكتلة التي تسبقها، وهذا هو سبب إمكانية تسلسل المقاطع أصلًا. ليست مساهمة المؤلفين محوّلًا أسرع، بل إزالة المكوّنَين المحيطين به اللذين لم يكونا جوهر المسألة قط. يحل مُفكِّك ترميز بكسلي يضم 63.87 مليون معامل محل مُفكِّك ترميز VAE، ويقلّص زمن فك الترميز من نحو 147 مللي ثانية لكل إطار إلى نحو 1. وتحل شبكة تنقيح صغيرة محل تحديث ذاكرة KV المؤقتة البالغ 2 مللي ثانية في نموذج 1.3B و6 في 14B. ويُجمَّد المحوّل نفسه في المرحلة النهائية. وفي النموذج الصغير، يتحول 271.8 مللي ثانية لكل إطار إلى 35.8.

إن الربط المتسلسل ليس تمديدًا. فلا توجد إطار مفتاحي، ولا إطار بداية، ولا إطار نهاية، ولا صورة مرجعية، ولا مقطع يمكن متابعته — لذا فإن تسلسلًا مدته دقيقة واحد مبنيّ من FastFrames هو أحد عشر كتلة متسلسلة بلا آلية للحفاظ على وجه الشخصية أو الزي أو اتجاه الإضاءة عبر نقاط الوصل. أما ثلاثون ثانية في تشغيل واحد فتمنح Seedance 2.5 نافذة سياق واحدة يصبح فيها الاتساق مسألة تخص النموذج لا المحرّر. وهذا الفرق يستحق أكثر مما يوحي به رقم المدة السداسي الأضعاف، وهو ليس شيئًا ستحسمه تحسينات العتاد.

إلى أين تنقلك السرعة، وإلى أين لا تنقلك

حوّل 36 مللي ثانية إلى الوحدات التي يهتم بها مسؤول المنتج، وستجد الصورة أضيق وأكثر إثارة للاهتمام مما يوحي العنوان.

• FastFrames-S على وحدة B200 واحدة — 36 ميلي ثانية للإطار، بنحو 28 طلبًا في الثانية، ومقطع مدته 5 ثوانٍ في 2.9 ثانية. أسرع من التشغيل العادي بمعامل نحو 1.7.

• FastFrames-L على ثماني وحدات B200 — 45 مللي ثانية لكل إطار، ونحو 22 طلبًا في الثانية، و3.6 ثانية للمقطع نفسه.

• FastFrames-L على وحدة معالجة رسومات واحدة — 158 مللي ثانية لكل إطار، أي 12.8 ثانية لمقطع مدته 5 ثوانٍ. أبطأ من مشاهدته. النموذج الكبير تفاعلي فقط عبر عقدة.

• عند دقة 720p — 127 ميلي ثانية على النموذج الصغير، و116 على النموذج الكبير عبر ثماني بطاقات رسومية. عند هذه النقطة يتوقف التفاعل أحادي المسار.

• على H100 بدلاً من B200 — عقوبة تتراوح بين 25 و50 بالمئة بحسب تقدير الورقة البحثية نفسها، مما يضع النموذج الصغير عند نحو 45 إلى 54 مللي ثانية لكل إطار.

لا تنشر Seedance 2.5 أيّ بيانات قابلة للمقارنة، لأنها تُباع بثوانٍ من المخرجات بدلًا من إطارات في الثانية من الزمن الفعلي، ولم ينشر أيّ طرف ثالث زمن استجابة لكل إطار خاص بها يمكن لهذه الصفحة التحقق منه. هذا التفاوت ليس انتقاصًا؛ بل هو تذكير بأن النموذجين مُجهَّزان للإجابة عن سؤالين مختلفين.

ما يقوله السجل المستقل، في الجانب الوحيد الذي يوجد فيه

يمتلك Seedance 2.5 منصبًا في مجلس الإدارة بينما لا يمتلكه FastFrames، ويجب ذكر هاتين الحقيقتين بوضوح.

على لوحة تحرير الفيديو الخاصة بـ Artificial Analysis، ووفق قراءة بتاريخ 8 أكتوبر 2026، يحتل Seedance 2.5 المرتبة الثانية برصيد 1,161 نقطة Elo على أساس 5,162 صوتًا — في مهمة تحرير مقطع بناءً على تعليمات نصية مع الحفاظ على الصوت. وهذا مترتب على قدرة الإشارة إلى فيديو مرجعي، وهو رقم من النوع الذي يعني شيئًا محددًا: فقد اختار عدة آلاف من الأشخاص مخرجاته بدلًا من مخرجات نموذج آخر في مهمة طُلب من كليهما أداؤها. وهو ليس حكمًا على الجودة عمومًا، ولا يخبرك بتكلفة المقطع.

لا يملك FastFrames مدخلًا في لوحة الصدارة لأنه لا يملك مضيفًا. نشرت Apple الأوزان دون نقطة وصول، لذا لا يمكن لأي اختبار تفضيل أن يقدّمه إلى المصوّتين، ويعتمد ادعاء جودة النموذج كليًا على الجدول 1 لمؤلفيه أنفسهم: إجماليات VBench البالغة 84.23 لـ FastFrames-S و84.44 لـ FastFrames-L مقابل 84.11 لخط الأساس Causal Forcing++ عند 272 مللي ثانية للإطار، مع Wan2.2 14.3B عند 84.65. غير مُعاد إنتاجه، وعلى معيار يكافئ تحديدًا السلاسة الزمنية التي صُممت النماذج الانحدارية الذاتية لإنتاجها. الفارق عبر جدول Apple بأكمله نحو نقطتين ونصف، بينما فارق زمن الاستجابة عبر النماذج نفسها أربع مراتب مقدارية — وهذه أقوى حجة في الورقة، وهي حجة حول ما تقيسه المعايير لا حول جودة FastFrames.

حساب تكلفة موجز حقيقي

ضع مهمة فعلية في مواجهة كليهما، فتتصادم الوحدات على نحوٍ أنفع من أي جدول.

• «فيلم منتج مدته ثلاثون ثانية مع تعليق صوتي مقفل» — يستطيع {{1}}Seedance 2.5{{/1}} إنجازه في تمريرة واحدة مع التمديد متعدد الجولات، آخذًا الصوت كمرجع صوتي ولقطات المنتج الثابتة كمراجع صور. ولا يستطيع {{2}}FastFrames{{/2}} الاحتفاظ بالصوت، ولا أخذ اللقطات الثابتة، وسيحتاج إلى عدة كتل متسلسلة عليك بعد ذلك إخفاء الفواصل بينها. وتُسند المهمة إلى نموذج واحد على أساس القدرات قبل أن يدخل السعر في المحادثة.

• "مئة تنويع على حلقة مدتها خمس ثوانٍ لعرض تفاعلي" — يُنتج FastFrames على بطاقة B200 كلًّا منها في أقل من ثلاث ثوانٍ من الزمن الفعلي، بتكلفة حدّية لا تتجاوز خطأ تقريب بمجرد إطفاء ثمن البطاقة. أما Seedance 2.5 فسيحتسب فاتورة مئة عملية توليد، يُرفض عدد منها، وفق قائمة أسعار لا تنشر رقمًا نظيفًا لكل ثانية يمكن التخطيط على أساسه.

• «لقطة رئيسية واحدة يجب أن تبدو مثل اللقطات التي حررناها بالفعل» — Seedance 2.5، لأن مرجع الفيديو هو الطريقة الوحيدة التي يمكن بها توجيه أي من النموذجين إلى لقطات موجودة. لا يملك FastFrames أي مسار من مقطع إدخال إلى مقطع إخراج.

• «أثبت مفهوم التفاعل قبل أن نشتري العتاد» — لا هذا ولا ذاك، بشكل مباشر. فتكلفة Seedance 2.5 لكل ثانية لا يمكن معرفتها إلا بأثر رجعي، وFastFrames يحتاج إلى العتاد أولًا. الخطوة الأقل كلفة هي بناء نموذج أولي بالاعتماد على نموذج منشور سعره لكل ثانية وله رقم كمون حقيقي، ثم نقرّر.

لا يقدّم OrcaRouter خدمة FastFrames — فلا توجد نقطة نهاية مستضافة لأوزان Apple في أي مكان، وهذا بيان عن الإصدار لا عن التوجيه. ما يمكن لمفتاح واحد الوصول إليه اليوم هو طبقة الفيديو المستضافة بأسعار معلنة: MiniMax H3 بسعر $0.08 لكل ثانية عند 768p و$0.13 عند 2K، وعائلة Kling 3.0، إلى جانب أكثر من 200 نموذج لغوي على نقطة نهاية واحدة متوافقة مع OpenAI بسعر قائمة المزوّد وبهامش ربح 0%. وليست Seedance 2.5 مسارًا هنا أيضًا — تبيعها ByteDance عبر منصاتها الخاصة وبطاقة الرموز المميزة ملك لهم — وهذه الصفحة لا تدّعي غير ذلك. الاستخدام العملي لهذا الكتالوج في هذه المقارنة هو القياس: احصل على خط أساس حقيقي لزمن الاستجابة والتكلفة من نموذج يمكنك قراءة عدّاده، قبل الالتزام إما بأسطول GPU أو بفاتورة رموز مميزة لا يمكنك التنبؤ بها.

السؤال المفتوح، وهو يتعلق بالأمتار لا بالنماذج.

إذا نشرت ByteDance جدول أمثلة لمعدل الرموز عند مزيد من الإعدادات، فسيصبح التخطيط في ضوء عدم التماثل بين القياس والتنبؤ أسهل بكثير، وسيتمكن القارئ أخيرًا من مقارنة Seedance 2.5 بنموذج يعمل بالسعر لكل ثانية دون أن يقوم بحسابات البائع نيابةً عنه. وإذا استضافت Apple نموذج FastFrames بأي سعر، فسيكتسب النموذج مدخلًا في الساحة ورقمًا لزمن الاستجابة قاسه شخص آخر — وهما الأمران اللذان سيتيحان الحكم على الـ36 ملّي ثانية الخاصة به بدلًا من الإعجاب بها.

لم يحدث أي منهما. وحتى يحدث أحدهما، فإن طريقة الاختيار هي أن تلاحظ أي سؤال تطرحه فعلاً. ثلاثون ثانية في تشغيل واحد تجيب عن «هل يستطيع هذا النموذج الحفاظ على تماسك مشهد؟». وستة وثلاثون مللي ثانية لكل إطار تجيب عن «هل يستطيع هذا النموذج مجاراة شخص؟». كلاهما صعب، وكلاهما يستحق أن يُدفع مقابله، ولا توجد بطاقة أسعار واحدة تسعّر كليهما.

The Hugging Face model card for apple/FastFrames-L, showing the title 'FastFrames: Video Generation at Interactive Latency', both checkpoints described as autoregressive two-step video diffusion models generating 480p at interactive latency, the Wan-AI/Wan2.1-T2V-14B base model, arXiv 2611.23226 and the apple-amlr licence tag.The FastFrames project page from Apple and Cornell University, naming the seven authors and stating that FastFrames-S at 1.3B and FastFrames-L at 14B generate 480p at under 50 milliseconds per frame, with tabs for an interactive demo, abstract, quality versus latency, pipeline and comparisons.