
FastFrames Video Generation vs. Grok Imagine Video: Beide autoregressiv, eines davon ist verfügbar
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 89 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 97 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNEUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 88 tok/s
- OrcaNEUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 134 tok/s
- OrcaNEUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 88 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 119 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 pro 1 Mio. Tokens
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 pro 1 Mio. Tokens · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligenz
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligenz
Das, was einem technischen Pendant am nächsten kommt und was FastFrames Video Generation heute in Produktion hat, ist Grok Imagine Video, und die Ähnlichkeit ist nicht oberflächlich. Beide erzeugen Video autoregressiv – wobei jeder Block auf die vorangegangenen Frames konditioniert ist – und beide nutzen diese Struktur, um einen Clip zu verlängern statt ein festes Fenster zu rendern. Apples Veröffentlichung, die am 16. November 2026 erschien und deren Paper am 17. folgte, nutzt sie, um auf einer einzelnen GPU 36 Millisekunden pro Frame zu erreichen. Die xAI-Version nutzt sie, damit du eine Einstellung mit Ton fünfzehn Sekunden lang laufen lassen kannst. Der Unterschied ist, dass eines davon ein herunterladbares Forschungsartefakt ist und das andere seit Januar 2026 über eine öffentliche API verfügbar ist, und dieser Unterschied – nicht die Benchmark-Tabelle – ist es, was für jeden mit einer Deadline das Duell entscheidet.
Was jedes einzelne kostet, und zwar in den Einheiten, mit denen Sie tatsächlich budgetieren würden.
FastFrames hat keinen Preis, weil es nichts zu kaufen gibt. Die Gewichte sind auf Hugging Face unter Apples AMLR-Lizenz verfügbar, und die einzigen Kosten sind Hardware: ein B200 für das 1,3B-Modell oder acht für das 14B-Modell, um interaktiv zu bleiben, plus CUDA 12.8 und Linux. Grok Imagine Video wird pro Sekunde verkauft und von Artificial Analysis als Preis pro Minute angegeben, was die Rechnung ungewöhnlich sauber macht.
• Grok Imagine Video, Originalveröffentlichung — 4,20 $ pro Minute Ausgabe, also 0,07 $ pro Sekunde. Ein 15-Sekunden-Clip kostet etwa 1,05 $.
• Grok Imagine Video 1.5 — 8,40 $ pro Minute, 0,14 $ pro Sekunde, rund 2,10 $ für dieselben fünfzehn Sekunden.
• Grok Imagine Video 1.5 Lite auf dem Text-to-Video-Board — ebenfalls 8,40 $ pro Minute, eine Preis-Anomalie, die es wert ist, hervorgehoben statt wegerklärt zu werden.
• FastFrames-S — kein Tarif. Eine B200 kostet etwa 2 bis 4 US-Dollar pro GPU-Stunde und erzeugt im theoretischen Grenzfall 28 Clips à fünf Sekunden pro Sekunde Wandzeit, sodass sich die Grenzkosten den Stromkosten nähern.
• FastFrames-L — dasselbe, auf acht GPUs, und genau dort wird das Argument „billig“ schwieriger.
Die Kostenrechnung geht nur bei FastFrames und hohem Volumen auf, und nur, wenn man die GPUs bereits besitzt. Für ein Team, das mietet, liegt der Break-even so weit entfernt, dass Latenz der Grund sein muss, es zu wählen, nicht der Preis.

Wo Grok Imagine Video einfach voraus ist
Drei ausgelieferte Funktionen, die FastFrames in keiner Form bietet.
• Auflösung — Grok Imagine Video gibt je nach Aufruf 480p, 720p oder 1080p aus; FastFrames ist fest auf 832×480 eingestellt.
• Audio — xAI erzeugt Bild und Ton gemeinsam, mit lippensynchroner Sprache und bis zu drei voreingestellten Stimmreferenzen; FastFrames erzeugt stummes Video und hat keinen Audiopfad.
• Steueroberfläche — bis zu 14 Referenzbilder, bis zu vier Keyframes mitten im Video plus erstes und letztes Frame sowie Erweiterungen, die vom letzten Frame ausgehend bis zu fünfzehn Sekunden aneinandergereiht werden; FastFrames nimmt einen Text-Prompt entgegen, und das ist die gesamte Benutzeroberfläche.
Bei der gemessenen Qualität liegt die Grok-Familie in den Artificial-Analysis-Erhebungen vom Oktober 2026 im Mittelfeld statt an der Spitze: Die ursprüngliche Version belegte in der Image-to-Video-Rangliste mit Elo 1.072 ±7 über 14.371 Samples den dreizehnten Platz, Grok Imagine Video 1.5 mit 1.098 ±8 über 5.267 den neunten, und die 1.5-Lite-Stufe in der Text-to-Video-Rangliste mit 993 ±10 über 5.715 den sechzehnten. Das 1.5-Update brachte also etwa 26 Elo ein – eine echte Verbesserung am Rand der Konfidenzintervalle, keine grundlegende Veränderung – bei doppeltem Preis pro Sekunde. Das sind Drittanbieter-Zahlen vom Oktober; FastFrames hat keinen Eintrag in der Rangliste, gegen den man vergleichen könnte, und Apples eigene VBench-Gesamtwerte von 84,23 und 84,44 für die kleinen und großen Modelle sind mit einem Elo-Wert nicht vergleichbar.
Wo FastFrames voraus ist – und das nur auf einer Achse
Geschwindigkeit – überwiegend – und der Zweck, dem diese Geschwindigkeit dient. Grok Imagine Video ist ein Anfrage-Antwort-System: Man sendet einen Prompt, wartet und erhält einen Clip. FastFrames-S auf einer B200 liefert Frames mit 36 Millisekunden pro Frame – 28 pro Sekunde im Gesamtdurchsatz – und ist damit schneller, als ein 16-fps-Stream wiedergegeben wird. Das 14B-Modell benötigt acht B200, um 45 ms pro Frame zu erreichen; auf einer einzelnen GPU sinkt es auf 158 ms und ist nicht mehr interaktiv.
Das ist weniger eine Zahl, die Grok langsam aussehen lässt, als vielmehr eine Zahl, die ein anderes Produkt beschreibt. xAI verkauft fertige kurze Clips mit Ton. Apple hat eine Komponente für einen Live-Loop veröffentlicht – und hat sie demonstriert, indem das Unternehmen die Systeme anderer Leute interaktiv machte, die 1.3B-Variante von LingBot-World von 1.085 auf 52 ms pro Frame senkte und seine 14B-Variante von 3.862 auf 233, wobei RealWonder 1.3B von 1.141 auf 51 ging. Keines dieser Systeme liefert zudem Audio bei 1080p. Die realistische Einschätzung ist, dass FastFrames eine Technik ist, die auf ein Produkt wartet, und die Technik ist gut: Der Ersatz der VAE-Decodierung durch einen Pixeldecoder mit 63,87 Millionen Parametern bringt diese Stufe von etwa 147 ms auf etwa 1 ms, und ein kleines KV-Refinement-Netzwerk ersetzt die Cache-Aktualisierung und braucht dafür 2 bis 6 ms.
Die Lizenzfalle, die niemand in der Benchmark-Tabelle erwähnt
FastFrames ist in einem engen, wohlüberlegten Sinn offen. Die Modellgewichte unterliegen Apples AMLR-Bedingungen. Der Code und die Gewichte von LingBot-World v2, die als Demo mitgeliefert werden, stehen unter CC BY-NC-SA 4.0 – nicht kommerziell, Share-alike. Der restliche Teil des Repositorys unterliegt Apples Sample Code Licence. Wenn Sie vorhatten, die Demo-App in ein kommerzielles Produkt zu übernehmen, stoppt Sie die Lizenz, bevor die 480p-Grenze es tut. Grok Imagine Video bietet keine solche Mehrdeutigkeit: Es ist eine API, Sie zahlen pro Sekunde, und die Bedingungen sind eine Dienstleistungsvereinbarung statt einer Einräumung von Rechten an den Gewichten.
Diese Abwägung verdient eine klare Benennung, denn „offene Gewichte“ wird als Kurzform für „frei nutzbar“ verwendet – und diese Veröffentlichung ist das nicht.

Wie man zwischen ihnen wählt
Fragen Sie, was passiert, sobald der Clip existiert. Wenn ihn ein Mensch einmal ansieht und weitergeht – ein Social-Media-Post, ein Storyboard, eine Werbevariante –, dann ist Grok Imagine Video mit 0,07 bis 0,14 $ pro Sekunde inklusive Audio und 1080p die günstigere und bessere Antwort, und FastFrames kann bei der Ausgabequalität nicht mithalten, weil es kein fertiges Ergebnis erzeugt. Wenn der Clip eine Eingabe für etwas anderes ist – eine Vorschau, die sich aktualisiert, während ein Nutzer tippt, eine Figur, die innerhalb eines Frames reagiert, ein Weltmodell, das erkundet wird –, dann sind eine Preisgestaltung pro Clip und eine Anfragewarteschlange völlig unpassend, und FastFrames-S auf einer GPU ist das Einzige in diesem Vergleich, das passt.
Für den mittleren Fall, in dem Sie testen möchten, ob es sich lohnt, die interaktive Variante zu bauen, bevor Sie Hardware kaufen, ist der günstigste Weg, gegen ein gehostetes Modell zu prototypisieren, das Sie heute aufrufen können. OrcaRouter umfasst die gehosteten Videomodelle mit einem Schlüssel zu Listenpreisen des Anbieters mit 0 % Aufschlag – darunter Kling 3.0, Kling 3 Turbo, Kling Video O1 und MiniMax H3 – und die unveränderte Durchreichung bedeutet, dass eine Preisänderung des Anbieters noch am selben Tag auf Ihrer Rechnung landet statt erst bei der Verlängerung. Grok Imagine Video und FastFrames fehlen beide in diesem Katalog: Wir bieten keines von beiden an, und nichts hier legt etwas anderes nahe. Was ein Schlüssel Ihnen jedoch bietet, ist eine belastbare Möglichkeit zu messen, welche Latenz Ihre Nutzer tolerieren – also die Zahl, die Ihnen sagt, ob Apples Veröffentlichung für Ihre Roadmap überhaupt relevant ist.
Die ehrliche Zusammenfassung
Grok Imagine Video ist der bessere Videogenerator in jeder Hinsicht – außer in der einen, die Apple optimiert hat, und diese eine hat Apple weiter optimiert als sonst irgendjemand. In zwei Jahren wird die interessante Frage nicht sein, welcher der beiden schneller ist, denn die gehostete Seite wird so weit aufgeholt haben, dass der Unterschied für die meisten Produkte keine Rolle mehr spielt. Sie wird sein, ob irgendetwas Gehostetes es erlaubt, eine Generierung zu steuern, während sie noch gerendert wird. Genau diese Fähigkeit zeigt FastFrames, und keine API in diesem Vergleich bietet sie an.

