
FastFrames Video Generation vs Grok Imagine Video: ambos autorregresivos, uno de ellos se lanza
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 89 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 119 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencia
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencia
Lo más parecido a un hermano técnico que FastFrames Video Generation tiene hoy en producción es Grok Imagine Video, y el parecido no es superficial. Ambos generan vídeo de forma autorregresiva —cada bloque condicionado por los fotogramas anteriores— y ambos usan esa estructura para extender un clip en lugar de renderizar una ventana fija. El lanzamiento de Apple, publicado el 16 de noviembre de 2026 con el artículo el día 17, lo usa para alcanzar 36 milisegundos por fotograma en una sola GPU. El de xAI lo usa para permitirte mantener una toma en marcha hasta los quince segundos con sonido. La diferencia es que uno de estos es un artefacto de investigación descargable y el otro lleva en una API pública desde enero de 2026, y esa diferencia —no la tabla de benchmarks— es lo que decide el enfrentamiento para cualquiera que tenga una fecha límite.
Cuánto cuesta cada uno, en las unidades con las que realmente harías tu presupuesto.
FastFrames no tiene precio, porque no hay nada que comprar. Los pesos están en Hugging Face bajo la licencia AMLR de Apple, y el único coste es el hardware: una B200 para el modelo de 1,3B u ocho para el de 14B para mantener la interactividad, además de CUDA 12.8 y Linux. Grok Imagine Video se vende por segundo y Artificial Analysis lo reporta como una tarifa por minuto, lo que hace que la aritmética sea inusualmente limpia.
• Grok Imagine Video, versión original — $4.20 por minuto de resultado, es decir, $0.07 por segundo. Un clip de 15 segundos cuesta aproximadamente $1.05.
• Grok Imagine Video 1.5 — $8.40 por minuto, $0.14 por segundo, aproximadamente $2.10 por los mismos quince segundos.
• Grok Imagine Video 1.5 Lite en la tabla de texto a video — también $8.40 por minuto, una rareza de precios que vale la pena señalar en lugar de justificar.
• FastFrames-S — sin tarifa. Una B200 a aproximadamente $2 a $4 por hora de GPU, generando 28 clips de cinco segundos por segundo de tiempo real en el límite teórico, por lo que el costo marginal se acerca al de la electricidad.
• FastFrames-L — lo mismo, en ocho GPU, y ahí es donde el argumento de lo "barato" se vuelve más difícil de sostener.
El argumento de costos solo se inclina a favor de FastFrames con volumen, y solo si ya eres dueño de las GPUs. Para un equipo que alquila, el punto de equilibrio está lo bastante lejos como para que la latencia tenga que ser la razón para elegirlo, no el precio.

Donde Grok Imagine Video simplemente está por delante
Tres capacidades ya lanzadas que FastFrames no tiene de ninguna forma.
• Resolución: Grok Imagine Video genera 480p, 720p o 1080p según la llamada; FastFrames está fijado en 832×480.
• Audio — xAI genera imagen y sonido a la vez, con habla sincronizada con los labios y hasta tres referencias de voz predefinidas; FastFrames produce vídeo silencioso y no dispone de ruta de audio.
• Superficie de control: hasta 14 imágenes de referencia, hasta cuatro fotogramas clave intermedios además de los fotogramas inicial y final, y extensiones encadenadas desde el último fotograma hasta los quince segundos; FastFrames acepta un prompt de texto, y esa es toda la interfaz.
En cuanto a la calidad medida, la familia Grok se sitúa a media tabla, no en la cima, en las capturas de octubre de 2026 de Artificial Analysis: el lanzamiento original quedó decimotercero en la tabla de imagen a vídeo, con Elo 1.072 ±7 sobre 14.371 muestras; Grok Imagine Video 1.5, noveno con 1.098 ±8 sobre 5.267; y el nivel 1.5 Lite, decimosexto en texto a vídeo con 993 ±10 sobre 5.715. Así que la actualización 1.5 aportó unos 26 Elo —una mejora real en el límite de los intervalos de confianza, no un salto radical— a cambio del doble de precio por segundo. Esos son datos de terceros de octubre; FastFrames no tiene entrada en la tabla con la que comparar, y los totales de VBench de la propia Apple, 84,23 y 84,44 para los modelos pequeño y grande, no son conmensurables con un Elo.
Donde FastFrames lleva ventaja, y es solo en un eje
Velocidad, de forma abrumadora, y el propósito al que sirve esa velocidad. Grok Imagine Video es un sistema de solicitud-respuesta: envías un prompt, esperas y obtienes un clip. FastFrames-S en una B200 devuelve fotogramas a 36 milisegundos cada uno —28 por segundo de rendimiento agregado—, lo que es más rápido de lo que se reproduce una secuencia de 16 fps. El modelo de 14B necesita ocho B200 para alcanzar 45 ms por fotograma; en una sola GPU baja a 158 ms y deja de ser interactivo.
Ese no es un número que haga que Grok parezca lento, sino más bien un número que describe un producto diferente. xAI vende clips cortos terminados con sonido. Apple publicó un componente para un bucle en vivo —y lo demostró haciendo interactivos los sistemas de otras personas, bajando la variante de 1.3B de LingBot-World de 1,085 a 52 ms por fotograma y su 14B de 3,862 a 233, con RealWonder 1.3B pasando de 1,141 a 51. Ninguno de esos sistemas entrega audio a 1080p tampoco. La lectura realista es que FastFrames es una técnica esperando un producto, y la técnica es buena: reemplazar la decodificación VAE con un decodificador de píxeles de 63.87 millones de parámetros lleva esa etapa de unos 147 ms a aproximadamente 1, y una pequeña red de refinamiento KV reemplaza la actualización de caché durante 2 a 6 ms.
La trampa de las licencias que nadie menciona en la tabla de benchmarks
FastFrames es abierto en un sentido limitado y cuidadoso. Los pesos del modelo conllevan los términos AMLR de Apple. El código y los pesos de LingBot-World v2 que se incluyen junto a él como demo son CC BY-NC-SA 4.0 — no comercial, compartir igual. El resto del repositorio está bajo la Licencia de Código de Muestra de Apple. Si planeabas incorporar la app de demo en un producto comercial, la licencia te detiene antes de que lo haga el límite de 480p. Grok Imagine Video no tiene tal ambigüedad: es una API, pagas por segundo, y los términos son un acuerdo de servicio en lugar de una concesión de derechos sobre los pesos.
Ese intercambio merece nombrarse sin rodeos, porque «open weights» se usa como sinónimo de «libre para usar» y esta versión no lo es.

Cómo elegir entre ellos
Pregunta qué sucede después de que exista el clip. Si una persona lo ve una vez y sigue adelante —una publicación social, un storyboard, una variante de anuncio—, Grok Imagine Video a $0.07–$0.14 por segundo con audio y 1080p es la respuesta más barata y mejor, y FastFrames no puede competir en calidad de salida porque no produce una salida terminada. Si el clip es una entrada para otra cosa —una vista previa que se actualiza mientras un usuario escribe, un personaje que responde dentro de un fotograma, un modelo del mundo que se está explorando—, entonces el precio por clip y una cola de solicitudes son del todo inadecuados, y FastFrames-S en una GPU es lo único en esta comparación que encaja.
Para el caso intermedio, en el que quieres probar si vale la pena construir la forma interactiva antes de comprar hardware, la ruta más barata es crear un prototipo con un modelo alojado al que puedas llamar hoy. OrcaRouter cubre los modelos de video alojados con una sola clave a precios de lista del proveedor con 0% de recargo —Kling 3.0, Kling 3 Turbo, Kling Video O1 y MiniMax H3 entre ellos—, y el traspaso directo y sin recargos significa que un cambio de precio del proveedor llega a tu factura el mismo día en lugar de en la renovación. Grok Imagine Video y FastFrames no están en ese catálogo: no ofrecemos ninguno de los dos, y nada de lo aquí dicho implica lo contrario. Lo que una sola clave sí te da es una forma estable de medir qué latencia tolerarán tus usuarios, que es la cifra que te dice si el lanzamiento de Apple tiene alguna relevancia para tu hoja de ruta.
El resumen honesto
Grok Imagine Video es el mejor generador de vídeo en todos los aspectos salvo en el que Apple optimizó, y Apple optimizó ese aspecto más que nadie. Dentro de dos años, la pregunta interesante no será cuál de estos dos es más rápido, porque la opción alojada habrá alcanzado el suficiente nivel como para que la distinción deje de importar en la mayoría de los productos. Será si algo alojado te permite dirigir una generación mientras aún se está renderizando. Esa es la capacidad que demuestra FastFrames, y ninguna API de esta comparación la ofrece.

