
FastFrames-Videogenerierung vs. Seedance 2.5: Dreißig Sekunden gegen einundachtzig Frames
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens
- 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 · 87 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens
- 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 · 91 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 · 118 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 · 187 tok/s
Ein dreißigsekündiges Briefing und ein Budget von einundachtzig Frames sind zwei verschiedene Antworten auf dieselbe Frage, und die Frage lautet nicht „wie schnell". Seedance 2.5, ByteDances Langform-Einstieg vom 31. Juli 2026, generiert dreißig Sekunden in einem einzigen Durchlauf und erweitert das über mehrere Turns hinweg, wobei bis zu 30 Bildreferenzen, 10 Videoreferenzen und 10 Audioclips als Kontext eingelesen werden. FastFrames Video Generation, Apples am 16. November gemeinsam mit Cornell veröffentlichte Lösung, generiert 81 Frames bei 832×480 und 16 Frames pro Sekunde – 5,06 Sekunden – in etwa 2,9 Sekunden Echtzeit auf einer einzigen B200, ganz ohne Referenzeingaben jeglicher Art. Wenn Sie schon einmal einem Regisseur dabei zugesehen haben, wie er versucht, eine Performance über einen Schnitt hinweg zu halten, wissen Sie bereits, welche dieser beiden Zahlen das schwierigere Engineering-Problem und welche das schwierigere Planungsproblem ist. Diese Seite handelt von der zweiten, denn sie ist diejenige, die über Budgets entscheidet.
Zwei Messphilosophien – und keine davon ist eine Preisliste
Beginnen Sie damit, wie jedes Modell abgerechnet wird, denn die Einheiten lassen sich nicht umrechnen, und jeder Vergleich, der etwas anderes vorgibt, ist Arithmetik auf einem Kategorienfehler.
• Seedance 2.5 — abgerechnet in Video-Tokens von ByteDance nach der offiziellen Preisliste, veröffentlicht über Volcano Engine Ark in China und BytePlus ModelArk international. Was ein Clip kostet, hängt von Auflösung, Dauer und tatsächlicher Token-Nutzung ab, daher gilt ein Pro-Sekunde-Wert nur für eine Auflösung und eine Dauer. Fehlgeschlagene Takes werden genauso abgerechnet wie erfolgreiche.
• Drittanbieter-Hosts für Seedance 2.5 – jeder schlägt seine eigene Marge auf und veröffentlicht seinen eigenen Tarif pro Sekunde oder pro Clip, weshalb ein Dutzend Seiten ein Dutzend Zahlen liefert und keine davon die des Anbieters ist.
• FastFrames — kein Zähler. Du kaufst die GPU. Eine B200 für das 1,3B-Modell, acht für das 14B, um interaktiv zu bleiben. Eine fehlgeschlagene Generierung kostet genauso viele Sekunden wie eine erfolgreiche, und beide werden in Strom statt in Dollar pro Ausgabe gemessen.
• Der eine unabhängige Datenpunkt – Artificial Analysis verzeichnet Dreamina Seedance 2.5 mit 34,12 US-Dollar pro Minute im Text-to-Video-Board und mit 40,82 US-Dollar beim Editing, abgelesen am 8. Oktober 2026. Diese Spalte gibt die Kosten für eine Minute 1080p-Ausgabe mit den Standardeinstellungen des Modells an, und Seedance 2.5 verwendet standardmäßig die längere, schwerere Konfiguration, für die seine Preisliste gilt. Nutzen Sie ihn für Größenordnungen, nicht für eine Budgetposition.
Das heißt, die ehrliche Aussage ist, dass eines dieser Modelle einen Preis hat, den man von außen nicht vorhersagen kann, und das andere überhaupt keinen Preis. Die Unvorhersehbarkeit von FastFrames liegt auf Ihrer Seite der Rechnung – Sie wissen, wie viele GPU-Stunden Sie verbraucht haben – und die von Seedance 2.5 auf der Seite des Anbieters, weil die Token-Anzahl davon abhängt, wie das Modell sich entscheidet, Tokens für Ihren Prompt auszugeben. Von den beiden ist das zweite das gefährlichere für die Planung.
Was das Referenzbudget tatsächlich hergibt
Die veröffentlichten Referenzwerte lesen sich wie ein Wettbewerb der Spezifikationen, dabei sind sie in Wahrheit eine Aussage über die Leistungsfähigkeit.
• Bilder — Seedance 2.5 akzeptiert bis zu 30, FastFrames null. In FastFrames gibt es überhaupt keinen Pfad für Bildkonditionierung.
• Video — bis zu 10 Clips als Referenzen. Das ist der Punkt, der verändert, wofür das Modell gedacht ist: Ein Referenzsatz, der Bewegung, Tempo und Kamerverhalten aus vorhandenem Filmmaterial einbezieht, ist ein anderes Objekt als ein Referenzsatz, der nur das Erscheinungsbild trägt.
• Audio – bis zu 10 Clips. Seedance 2.5 generiert mit Ton; FastFrames ist stumm, und in der veröffentlichten Konfiguration gibt es keinen Audiopfad.
Prompt-Länge – für Seedance gibt es keine veröffentlichte Obergrenze, die auf dieser Detailstufe relevant wäre; FastFrames akzeptiert einen Text-Prompt und einen Seed, und sein 81-Frame-Fenster bedeutet, dass du eine durchgehende Einstellung statt einer Szene beschreibst.
Dreißig Sekunden mit einer Videoreferenz sind eine Einstellung, die man inszenieren kann. Einundachtzig Frames aus einem Prompt sind eine Einstellung, die man samplen kann. Beides sind legitime Produktionsmethoden; sie sind nicht dieselbe Aufgabe, und das Referenzbudget ist das, was daraus unterschiedliche Aufgaben statt unterschiedlicher Qualitätsstufen macht.

Warum ein Fünf-Sekunden-Fenster nicht die Einschränkung ist, nach der es aussieht
Fünf Sekunden klingen im Vergleich zu dreißig wie ein Ausschlusskriterium, und die Architektur ist der Grund, warum es weniger schlimm ist, als es sich liest – und zugleich der Grund, warum es sich nicht beheben lässt, indem man mehr Frames anfordert.
FastFrames ist autoregressiv: Jeder Block aus 81 Frames wird auf den vorherigen konditioniert, weshalb Clips überhaupt aneinandergekettet werden. Der Beitrag der Autoren ist kein schnellerer Transformer, sondern die Entfernung der beiden Komponenten drumherum, die nie der eigentliche Punkt waren. Ein Pixel-Decoder mit 63,87 Millionen Parametern ersetzt den VAE-Decoder und senkt die Dekodierung von etwa 147 Millisekunden pro Frame auf ungefähr 1. Ein kleines Verfeinerungsnetz ersetzt die KV-Cache-Aktualisierung, die beim 1,3B-Modell 2 Millisekunden und beim 14B 6 Millisekunden dauert. Der Transformer selbst ist in der letzten Stufe eingefroren. Beim kleinen Modell werden aus 271,8 Millisekunden pro Frame 35,8.
Verkettung ist jedoch keine Erweiterung. Es gibt kein Keyframe, kein Startframe, kein Endframe, kein Referenzbild, keinen Clip zum Fortsetzen – eine einminütige Sequenz aus FastFrames besteht also aus elf verketteten Blöcken, ohne Mechanismus, das Gesicht einer Figur, ein Kostüm oder eine Lichtrichtung über die Nahtstellen hinweg konsistent zu halten. Dreißig Sekunden in einem Durchlauf geben Seedance 2.5 ein einziges Kontextfenster, in dem Konsistenz das Problem des Modells und nicht das des Editors ist. Dieser Unterschied ist mehr wert, als die sechsfache Dauer vermuten lässt, und er lässt sich nicht durch Hardware-Verbesserungen schließen.
Wohin die Geschwindigkeit dich bringt – und wohin nicht
Rechnet man 36 Millisekunden in die Einheiten um, die für einen Produktmenschen relevant sind, ist das Bild enger und interessanter als die Schlagzeile.
• FastFrames-S auf einer B200 – 36 Millisekunden pro Frame, etwa 28 Anfragen pro Sekunde, ein 5-Sekunden-Clip in 2,9 Sekunden. Etwa 1,7-mal schneller als die Wiedergabe.
• FastFrames-L auf acht B200s – 45 Millisekunden pro Frame, etwa 22 Anfragen pro Sekunde, 3,6 Sekunden für denselben Clip.
• FastFrames-L auf einer GPU — 158 Millisekunden pro Frame, also 12,8 Sekunden für einen 5-Sekunden-Clip. Langsamer, als ihn anzusehen. Das große Modell ist nur über einen Node hinweg interaktiv.
• Bei 720p – 127 Millisekunden beim kleinen Modell, 116 beim großen, verteilt über acht GPUs. Hier endet die Interaktivität mit einem einzelnen Stream.
• Auf H100 statt B200 — nach eigener Schätzung des Papiers ein Abzug von 25 bis 50 Prozent, wodurch das kleine Modell bei etwa 45 bis 54 Millisekunden pro Frame landet.
Seedance 2.5 veröffentlicht nichts Vergleichbares, denn es wird in Sekunden Output verkauft und nicht in Bildern pro Sekunde Echtzeit, und kein Drittanbieter hat eine Latenz pro Frame dafür veröffentlicht, die diese Seite überprüfen könnte. Diese Asymmetrie ist kein Kritikpunkt; sie erinnert vielmehr daran, dass die beiden Modelle darauf ausgelegt sind, unterschiedliche Fragen zu beantworten.
Was die unabhängige Aufzeichnung sagt, auf der einen Seite, auf der sie existiert
Seedance 2.5 hat eine Board-Position, FastFrames nicht, und beides muss klar gesagt werden.
Auf der Videobearbeitungs-Rangliste von Artificial Analysis, Stand 8. Oktober 2026, liegt Seedance 2.5 mit 1.161 Elo bei 5.162 Stimmen auf Platz zwei – beim Bearbeiten eines Clips nach einer Textanweisung mit beibehaltenem Audio. Das baut auf der Video-Referenzfähigkeit auf, und es ist die Art von Zahl, die etwas Bestimmtes aussagt: Mehrere Tausend Personen wählten seine Ausgabe gegenüber der Ausgabe eines anderen Modells bei einer Aufgabe, die beide erfüllen sollten. Es ist kein Urteil über die Qualität im Allgemeinen, und es sagt nichts darüber aus, was der Clip gekostet hat.
FastFrames hat keinen Eintrag in der Rangliste, weil es keinen Host hat. Apple hat Gewichte, aber keinen Endpoint veröffentlicht, daher kann kein Präferenztest es den Abstimmenden zur Bewertung vorlegen, und die Qualitätsbehauptung des Modells stützt sich ausschließlich auf Tabelle 1 seiner eigenen Autoren: VBench-Gesamtwerte von 84,23 für FastFrames-S und 84,44 für FastFrames-L gegenüber 84,11 für die Causal-Forcing++-Baseline bei 272 Millisekunden pro Frame, wobei Wan2.2 14.3B bei 84,65 liegt. Nicht reproduziert, und das auf einem Benchmark, der genau jene zeitliche Glattheit belohnt, für deren Erzeugung autoregressive Modelle ausgelegt sind. Die Spannweite über Apples gesamte Tabelle beträgt etwa zweieinhalb Punkte, während die Latenzspanne über dieselben Modelle hinweg vier Größenordnungen umfasst – was das stärkste Argument in der Arbeit ist, und es ist ein Argument darüber, was Benchmarks messen, statt über die Qualität von FastFrames.
Ein echtes Briefing kalkulieren
Setze eine echte Aufgabe gegen beide an, und die Einheiten treffen aufeine Weise aufeinander, die nützlicher ist als jede Tabelle.
• „Ein dreißigsekündiger Produktfilm mit festgelegtem Voice-over“ — Seedance 2.5 schafft das in einem einzigen Durchlauf mit Multi-Turn-Erweiterung, wobei die Stimme als Audio-Referenz und die Produktstills als Bildreferenzen dienen. FastFrames kann das Audio nicht halten, die Stills nicht aufnehmen und bräuchte mehrere aneinandergereihte Blöcke, deren Übergänge man dann verstecken müsste. Der Auftrag geht aufgrund der Fähigkeiten an ein Modell, bevor der Preis überhaupt zur Sprache kommt.
• „Hundert Varianten einer Fünf-Sekunden-Schleife für ein interaktives Display“ — FastFrames auf einer B200 erzeugt jede in unter drei Sekunden realer Zeit, zu Grenzkosten, die ein Rundungsfehler sind, sobald die Karte amortisiert ist. Seedance 2.5 würde hundert Generierungen abrechnen, von denen mehrere verworfen würden, nach einer Preisliste, die keinen klaren Sekundenpreis für die Planung nennt.
• „Ein Hero-Shot, der aussehen muss wie das Material, das wir bereits geschnitten haben“ — Seedance 2.5, weil die Videoreferenz der einzige Weg ist, beide Modelle auf vorhandenes Filmmaterial auszurichten. FastFrames bietet keinen Weg von einem Clip hinein zu einem Clip hinaus.
• „Das Interaktionskonzept beweisen, bevor wir Hardware kaufen“ — keines von beiden, direkt. Die Kosten pro Sekunde von Seedance 2.5 lassen sich nur nachträglich bestimmen, und FastFrames braucht die Hardware zuerst. Der günstigste Weg ist es, mit einem Modell zu prototypen, das einen veröffentlichten Sekundentarif und einen realen Latenzwert bietet, und dann zu entscheiden.
OrcaRouter bietet FastFrames nicht an – es gibt nirgendwo einen gehosteten Endpunkt für Apples Gewichte, was eine Aussage über das Release und nicht über das Routing ist. Was man mit einem Schlüssel heute erreicht, ist die gehostete Videoebene mit veröffentlichten Preisen: MiniMax H3 für 0,08 $ pro Sekunde bei 768p und 0,13 $ bei 2K sowie die Kling-3.0-Familie, zusammen mit über 200 Sprachmodellen an einem OpenAI-kompatiblen Endpunkt zum Listenpreis des Anbieters ohne Aufschlag. Seedance 2.5 ist auch hier keine Route – ByteDance verkauft es über seine eigenen Plattformen, und die Token-Karte stammt von ihnen –, und diese Seite gibt auch nichts anderes vor. Der praktische Nutzen dieses Katalogs in diesem Vergleich ist die Messung: Ermitteln Sie eine reale Latenz- und Kostenreferenz anhand eines Modells, dessen Zähler Sie ablesen können, bevor Sie sich entweder für eine GPU-Flotte oder für eine Token-Rechnung entscheiden, die Sie nicht prognostizieren können.
Die offene Frage – und es geht um Meter statt um Modelle.
Würde ByteDance eine Beispieltabelle für Token-Sätze für mehr Einstellungen veröffentlichen, ließe sich die Asymmetrie zwischen nutzungsabhängiger und planbarer Abrechnung viel leichter einplanen, und ein Leser könnte Seedance 2.5 endlich mit einem Modell mit Sekundenabrechnung vergleichen, ohne die Rechnerei des Anbieters für diesen übernehmen zu müssen. Würde Apple FastFrames zu irgendeinem Preis hosten, erhielte das Modell einen Arena-Eintrag und eine von jemand anderem gemessene Latenzzahl – die beiden Dinge, die es ermöglichen würden, seine 36 Millisekunden zu beurteilen statt sie nur zu bewundern.
Weder das eine noch das andere ist eingetreten. Bis eines davon eintritt, besteht die Wahl darin, zu bemerken, welche Frage man eigentlich stellt. Dreißig Sekunden pro Durchlauf beantworten die Frage „Kann dieses Modell eine Szene zusammenhalten?“. Sechsunddreißig Millisekunden pro Frame beantworten die Frage „Kann dieses Modell mit einer Person mithalten?“. Beides ist schwierig, beides ist es wert, bezahlt zu werden, und keine einzelne Preisliste bepreist beides.


