Hero-Karte, die FastFrames Video Generation und Vidu Q4 Preview vergleicht: linke Karte mit „832x480, stumm“, „36 ms pro Frame“ und „nur Text-Prompt“, rechte Karte mit „bis zu 4K“, „15 Bildreferenzen, 3 Audio-Referenzen“ und „3 bis 16 Sekunden“, mit dem OrcaRouter-Logo unten rechts.
Guides & Insights

FastFrames-Videogenerierung vs. Vidu Q4 Preview: Eine 4K-Vorschau gegen eine 480p-Schleife

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Vidu Q4 Preview ist der Sonderfall in dieser Reihe, denn das Wort in seinem Namen leistet echte Arbeit: Es ist ein Preview-Build, veröffentlicht am 7. Oktober 2026 von Shengshu Technology, und Shengshus eigene Unterlagen beschreiben ihn als die Version, die das Feedback sammelt, das das endgültige Modell prägt. FastFrames Video Generation ist ebenfalls kein Produkt, aber aus dem entgegengesetzten Grund – es ist abgeschlossene Forschung, die am 16. November als Gewichte veröffentlicht wurde, ohne Endpunkt, ohne Preis und ohne Roadmap für beides. Stellt man sie nebeneinander, erhält man zwei Modelle, die beide in dem Sinne nicht verfügbar sind, der einen Einkaufsverantwortlichen interessiert, und zwar auf entgegengesetzten Seiten derselben Lücke: Vidu Q4 Preview hat eine produktive API und eine Preisliste und wird abgelöst werden; FastFrames hat überhaupt keine API und wird auch nicht abgelöst werden. Im Folgenden geht es darum, welche dieser beiden Abwesenheiten Sie mehr kostet.

Die Tarifkarte ist das erste wirklich vergleichbare Element.

Vidu Q4 Preview ist eines der wenigen Modelle in diesem Bereich, das einen Sekundenpreis nach Auflösungsstufe veröffentlicht, wodurch seine Berechnung auf eine Weise nachvollziehbar wird, wie es bei den meisten seiner Wettbewerber nicht der Fall ist.

• 540p — 9 Credits pro Sekunde, etwa 0,045 US-Dollar beim von Shengshu veröffentlichten Standard-Credit-Satz von 0,005 US-Dollar.

• 720p — 19 Credits pro Sekunde, etwa 0,095 $.

1080p — 24 Credits pro Sekunde, etwa 0,12 $.

• 2K — 38 Credits pro Sekunde, etwa 0,19 $.

• 4K — 78 Credits pro Sekunde, etwa 0,39 $ oder ungefähr 0,72 $ für einen sechzehnsekündigen Clip zum Listenpreis vor Rabatten.

• FastFrames — nichts. Keine Rate, kein Host, keine Warteschlange. Die Kosten betragen ein B200 für 2,9 Sekunden Wall-Clock-Zeit beim kleinen Modell bzw. acht B200 für 3,6 Sekunden beim großen, pro 5-Sekunden-Clip.

Zwei Dinge an Vidus Kurve sind erwähnenswert, weil sie leicht falsch gelesen werden. Die Angabe von 0,014 US-Dollar pro Sekunde, die mit der Launch-Ankündigung einherging, ist die 540p-Stufe zu einem vergünstigten Credit-Satz, nicht ein allgemeiner Tarif. Und die Plattform bietet zeitlich begrenzte Paketrabatte von bis zu 30 % auf Credit-Bundles an, die alle Stufen gemeinsam nach unten verschieben, statt die Form der Kurve zu verändern. Kalkulieren Sie mit der Kurve zu Listenpreisen; behandeln Sie den Rabatt als vorübergehenden Ausgleich, der womöglich nicht mehr gilt, wenn Ihr Projekt an den Start geht.

Der Vergleich, der dabei herauskommt, ist nicht „einer ist günstiger“. Vidu Q4 Preview hat eine Untergrenze – eine 540p-Blocking-Stufe, die genau auf ihren Einsatzzweck zugeschnitten bepreist ist: eine Komposition prüfen, bevor man für einen Render in voller Auflösung zahlt –, und FastFrames hat überhaupt keine Stufen, weil es keine Abrechnungsebene gibt. Wenn Ihre Arbeit darin besteht, einen Shot in niedriger Auflösung zu iterieren, bevor Sie sich festlegen, ist Vidus 540p-Stufe ein echtes Produktmerkmal, und FastFrames’ feste 480p sind nicht dasselbe, auch wenn die Zahlen nahe beieinanderliegen.

Zwei Modelle, gebaut für die beiden Enden desselben Briefings

Die Fähigkeitslisten überschneiden sich kaum, und das ist die nützlichste Tatsache in diesem Vergleich.

• Auflösung — Vidu Q4 Preview generiert nativ in 540p, 720p, 1080p, 2K und 4K, mit 10-Bit-Farbe in den beiden höchsten Stufen. FastFrames bietet 832×480 ohne Einstellungsmöglichkeit und ohne Upscaling-Pfad.

• Dauer — Vidu Q4 Preview läuft 3 bis 16 Sekunden bei Image-to-Video und 1 bis 16 Sekunden bei Reference-to-Video. FastFrames umfasst 81 Frames bei 16 fps, 5,06 Sekunden, verlängert nur durch Verkettung.

• Eingaben — Vidu Q4 Preview dokumentiert zwei Endpunkte, /ent/v2/img2video und /ent/v2/reference2video, die bis zu 15 Bilder für Charaktere, Szenen und Stil sowie bis zu 3 mp3-Audioreferenzen von 3 bis 12 Sekunden für Voice Cloning entgegennehmen. FastFrames benötigt einen Text-Prompt und einen Seed. Kein kleineres Referenzbudget — gar kein Referenzbudget.

• Modusabdeckung — Vidu Q4 Preview dokumentiert keinen Text-zu-Video-Pfad und keinen Videobearbeitungspfad. FastFrames ist ausschließlich Text-zu-Video. Zwischen den beiden fehlt jeder Modus, den der jeweils andere nicht bietet, bei beiden.

• Audio — Vidu Q4 Preview generiert Audio und Video zusammen; ein Audioparameter im Image-to-Video-Endpunkt gibt Dialog und Soundeffekte aus und sorgt für Konsistenz der Referenzstimme. FastFrames ist stumm.

• Latenz — FastFrames gibt 36 Millisekunden pro Frame auf einer B200 an, 45 auf acht für das 14B-Modell und 158 Millisekunden auf einer einzelnen GPU für das große Modell. Vidu Q4 Preview gibt keine Latenzangabe pro Frame an, die diese Seite verifizieren könnte.

Liest man diese sechs Zeilen zusammen, sind die beiden Modelle nahezu komplementär. Vidu Q4 Preview ist das Modell, das eine Besetzung konsistent hält, Ton erzeugt und 4K liefert; FastFrames erzeugt Frames schneller, als du sie ansehen kannst – aus Text, in 480p, stumm. Keines ersetzt das andere in einem der sechs Punkte.

A two-column scoreboard comparing FastFrames and Vidu Q4 Preview across six dimensions: resolution 832x480 against up to 4K, clip length 81 frames against 3 to 16 seconds, image references none against up to 15, audio references none against up to 3, audio none against generated dialogue and sound, and price GPU time you supply against 9 to 78 credits per second.

Die Position des Boards und warum sie eher eine Warnung als ein Urteil ist

Vidu Q4 Preview hat eine eigenständige Bewertung und sollte sorgfältig gelesen statt zitiert werden.

Auf dem Image-to-Video-Board von Artificial Analysis – Stand 8. Oktober 2026 – liegt es mit 1.179 Elo aus 5.543 Stimmen auf dem dritten Platz. Erster ist MiniMax H3 Max mit 1.195, Zweiter ist MiniMax H3 mit 1.181. Sechzehn Punkte trennen den Ersten vom Dritten, bei Intervallen von etwa ±10 und ±11. Das ist ein statistisches Unentschieden, verkleidet als Podium, und jede Seite, die eingangs einen Sieger auf diesem Board ausruft, liest Rauschen. Was die Stimmen belegen, ist, dass die Ausgabe von Vidu Q4 Preview bei einer Aufgabe, die inzwischen Tausende beurteilt haben, mit der Spitze des Feldes konkurrenzfähig ist.

FastFrames hat keinen solchen Nachweis und kann keinen erwerben, solange es nicht gehostet wird. Sein Qualitätsanspruch sind die eigenen VBench-Zahlen seiner Autoren – 84,23 für den 1,3B-Checkpoint und 84,44 für den 14B, gegenüber 84,11 für die Causal-Forcing++-Baseline bei 272 Millisekunden pro Frame und 84,65 für Wan2.2 14,3B bei 117.734 Millisekunden. Niemand Unabhängiges hat sie reproduziert, und VBench belohnt die zeitliche Glätte, in der autoregressive Modelle gut sind. Die gesamte Qualitätsspanne der Tabelle beträgt etwa zweieinhalb Punkte; ihre Latenzspanne umfasst vier Größenordnungen. Das ist ein berechtigtes Argument dafür, dass der Benchmark nicht mehr differenziert, und eine unfaire Art zu behaupten, ein Modell sei so gut wie seine Nachbarn.

Noch eine Vorsicht speziell zu Vidus Zahl: Die Stimmen stammen aus Oktober 2026 und wurden gegen ein Feld abgegeben, das sich seitdem verändert hat. Ein Modell, das später in die Arena eintritt, oder ein Preview-Build, der durch eine allgemeine Veröffentlichung ersetzt wird, sortiert das Board neu, ohne dass sich eines der aufgeführten Modelle verbessert oder verschlechtert. Lies das Datum immer zusammen mit der Zahl.

Was dich „Preview“ kostet und was dich „Research Release“ kostet

Beide Bezeichnungen sind ehrlich, und beide haben kommerzielle Konsequenzen, die man ausdrücklich benennen sollte.

Ein Preview-Build ist ein Lizenzierungs- und Kontinuitätsrisiko. Die Preisgestaltung und die Verfügbarkeit von Funktionen von Vidu Q4 Preview sind – nach Shengshus eigener Darstellung – Dinge, die sich mit der Vollversion klären, was bedeutet, dass die Preisliste, mit der Sie heute kalkulieren, möglicherweise nicht diejenige ist, nach der Sie in sechs Monaten abgerechnet werden, und dass sich eine Funktion, auf der Sie aufbauen, in ihrer Ausgestaltung ändern kann. Der ausgleichende Vorteil besteht darin, dass die Preview existiert: Es gibt eine API, es gibt Dokumentation, es gibt zwei benannte Endpunkte, es gibt einen Support-Weg und es gibt eine erklärte Entwicklungsrichtung.

Eine Forschungsveröffentlichung birgt ein anderes Risiko. Die Gewichte von FastFrames unterliegen Apples AMLR-Bedingungen, die LingBot-World-v2-Demo-Komponenten im selben Repository stehen unter CC BY-NC-SA 4.0 — nicht kommerziell — und der Rest unter Apples Sample Code Licence. Es gibt keinen Endpoint, kein SLA, keinen Support und keine Deprecation-Policy, weil es keinen Dienst gibt. Im Gegenzug erhalten Sie Beständigkeit und Prüfbarkeit: Die Gewichte werden nicht zurückgezogen, das Paper wird nicht neu geschrieben, und Apple hat jeden Checkpoint jeder Trainingsphase für das große Modell veröffentlicht — den kausalen Teacher, die konsistenzdestillierte Stufe, die DMD-destillierte Stufe und den finalen Generator mit seinem Pixel-Decoder und KV-Refinement-Netzwerk —, wodurch die Veröffentlichung auf eine Weise reproduzierbar wird, wie es sonst kaum etwas in diesem Feld ist.

Die Hardwareanforderung ist die entscheidende Trennlinie für die meisten Teams. FastFrames benötigt Linux x86-64, eine NVIDIA-GPU und CUDA 12.8, dann uv sync und ein Generierungsskript. Vidu Q4 Preview benötigt ein Konto und einen API-Schlüssel. Dieser Satz entscheidet den Vergleich für mehr Organisationen als jede Elo-Differenz.

Welche, kurz gesagt?

Wählen Sie Vidu Q4 Preview, wenn es um die Konsistenz von Besetzung und Stimme geht, wenn native 4K-Generierung mit 10-Bit-Farbe eine Auslieferungsanforderung ist, wenn die Eingabe ein Referenzset oder ein Standbild statt eines Prompts ist oder wenn ein günstiger 540p-Blocking-Pass vor der Festlegung auf die volle Auflösung der Art und Weise entspricht, wie Ihr Prozess tatsächlich funktioniert. Akzeptieren Sie, dass es sich um eine Preview handelt, dass sich die Preisgestaltung anders einpendeln kann und dass keine Text-zu-Video- oder Bearbeitungspfade dokumentiert werden.

Nutzen Sie FastFrames, wenn der Loop das Endprodukt ist – eine Live-Vorschau, ein Streaming-Avatar, ein steuerbares Weltmodell – und wenn 480p ohne Ton aus einem Text-Prompt die richtige Form für das Produkt ist und nicht ein Kompromiss. Akzeptieren Sie die Lizenzprüfung, die GPU-Flotte, die fehlenden Referenzeingaben und die Tatsache, dass nichts in dieser Version auf ein 1080p-Ergebnis mit Ton abzielt.

OrcaRouter routet Vidu Q4 Preview nicht — im Katalog gibt es keine Vidu-Kennung — und hostet FastFrames nicht, für das es keinen Endpoint gibt, den jemand routen könnte. Was ein Schlüssel jedoch mitbringt, ist die gehostete Video-Schicht mit veröffentlichten Preisen pro Sekunde: MiniMax H3 zu 0,08 US-Dollar pro Sekunde bei 768p und 0,13 US-Dollar bei 2K sowie die Kling-3.0-Familie, zusammen mit über 200 Sprachmodellen über einen einzigen OpenAI-kompatiblen Endpoint, zu Listenpreisen der Anbieter, durchgereicht mit 0 % Aufschlag und automatischem Failover zwischen Endpoints. Für ein Team, das einen Preview-Build gegen ein Research-Release abwägt, von denen heute keines eine sichere Produktionsoption ist, ist dieser Katalog der Ort, an dem man vor beiden Entscheidungen eine stabile sekundengenaue Baseline erhält.

Was würde es klären

Zwei Ereignisse und keine anderen. Eine vollständige Vidu-Q4-Veröffentlichung, die ihre Board-Position bei derselben Pro-Sekunde-Kurve hält, würde die Vorschau in eine Produktionsverpflichtung verwandeln und das Kontinuitätsrisiko beseitigen; eine Veröffentlichung, die einen Text-to-Video-Endpunkt hinzufügt, würde sie auf dieselben Boards wie alles andere bringen und den Vergleich direkt machen. Auf der anderen Seite würde ein Hosting von FastFrames durch Apple zu welchem Preis auch immer — oder durch irgendjemanden sonst — dem Modell einen Arena-Eintrag und eine unabhängige Latenzmessung verschaffen, und nur das würde es einem Leser ermöglichen, 36 Millisekunden gegen irgendetwas einzuordnen, statt sie isoliert zu bewundern.

Zum Zeitpunkt dieses Textes ist keines von beiden eingetreten. Damit bleibt die Entscheidung dort, wo sie meistens liegt: beim Liefergegenstand, bei der Lizenz und bei der Frage, ob Sie lieber eine Vorschau mieten oder eine Papierausgabe besitzen möchten.

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.