
Génération vidéo FastFrames vs Seedance 2.5 : trente secondes contre quatre-vingt-une images
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 89 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 97 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNOUVEAUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 88 tok/s
- OrcaNOUVEAUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 134 tok/s
- OrcaNOUVEAUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 87 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 118 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 187 tok/s
Un brief de trente secondes et un budget de quatre-vingt-un frames sont deux réponses différentes à la même question, et la question n'est pas « à quelle vitesse ». Seedance 2.5, l'entrée long format de ByteDance datée du 31 juillet 2026, génère trente secondes en une seule exécution et va au-delà sur plusieurs tours, en lisant jusqu'à 30 références d'images, 10 références vidéo et 10 clips audio comme contexte. FastFrames Video Generation, la version d'Apple du 16 novembre, réalisée avec Cornell, génère 81 frames en 832×480 à 16 images par seconde — soit 5,06 secondes — en environ 2,9 secondes de temps réel sur un seul B200, sans aucune entrée de référence. Si vous avez déjà vu un réalisateur tenter de tenir une performance à travers un raccord, vous savez déjà lequel de ces deux chiffres constitue le problème d'ingénierie le plus difficile et lequel constitue le problème d'ordonnancement le plus difficile. Cette page porte sur le second, car c'est lui qui décide des budgets.
Deux philosophies de mesure, et ni l’une ni l’autre n’est une liste de prix
Commencez par la façon dont chaque modèle facture, car les unités ne se convertissent pas et toute comparaison qui prétend le contraire relève de l'arithmétique appliquée à une erreur de catégorie.
• Seedance 2.5 — facturé en tokens vidéo par ByteDance selon la grille tarifaire officielle, publiée via Volcano Engine Ark en Chine et BytePlus ModelArk à l'international. Le coût d'un clip dépend de la résolution, de la durée et de l'utilisation réelle de tokens ; un tarif par seconde n'est donc valable que pour une résolution et une durée données. Les prises échouées sont facturées comme les prises réussies.
• Hébergeurs tiers pour Seedance 2.5 — chacun y ajoute sa propre marge et publie son propre tarif à la seconde ou par clip, d'où une douzaine de pages qui affichent une douzaine de chiffres, dont aucun n'est celui du fournisseur.
• FastFrames — pas de compteur. Vous achetez le GPU. Un B200 pour le modèle 1,3B, huit pour le 14B afin de rester interactif. Une génération qui échoue coûte les mêmes secondes qu’une qui réussit, et les deux se mesurent en électricité plutôt qu’en dollars par sortie.
• Le seul point de données indépendant — Artificial Analysis relève Dreamina Seedance 2.5 à 34,12 $ la minute au classement texte-vers-vidéo et à 40,82 $ pour le montage, relevé du 8 octobre 2026. Cette colonne correspond au coût d'une minute de rendu en 1080p avec les réglages par défaut du modèle, et Seedance 2.5 est par défaut configuré sur la variante plus longue et plus lourde, celle que tarife sa grille tarifaire. À utiliser pour donner un ordre de grandeur, pas pour bâtir une ligne budgétaire.
Ce qui signifie que l'affirmation honnête est que l'un de ces modèles a un prix que vous ne pouvez pas prédire de l'extérieur et que l'autre n'a pas de prix du tout. L'imprévisibilité de FastFrames est de votre côté du compte — vous savez combien d'heures-GPU vous avez consommées — et celle de Seedance 2.5 est du côté du fournisseur, car le nombre de tokens dépend de la façon dont le modèle choisit de dépenser des tokens sur votre prompt. Entre les deux, c'est la seconde qui est la plus dangereuse à anticiper.
Ce que le budget de référence achète réellement
Les chiffres de référence publiés se lisent comme un concours de spécifications et constituent en réalité une revendication de capacité.
• Images — Seedance 2.5 accepte jusqu'à 30 images, contre zéro pour FastFrames. Il n'existe aucune voie de conditionnement par image dans FastFrames.
• Vidéo — jusqu'à 10 clips comme références. C'est celui qui change la vocation du modèle : un jeu de références incluant le mouvement, le rythme et le comportement de la caméra tirés de séquences existantes constitue un objet différent d'un jeu de références qui ne véhicule que l'apparence.
• Audio — jusqu’à 10 clips. Seedance 2.5 génère avec du son ; FastFrames est silencieux, et il n’existe aucune voie audio dans la configuration publiée.
• Longueur du prompt — aucune limite publiée qui importe à ce niveau de spécificité pour Seedance ; FastFrames prend un prompt textuel et une graine, et sa fenêtre de 81 images signifie que vous décrivez un plan continu plutôt qu’une scène.
Trente secondes avec une référence vidéo, c’est un plan que l’on peut réaliser. Quatre-vingt-une images à partir d’un prompt, c’est un plan que l’on peut échantillonner. Les deux sont des méthodes de production légitimes ; ce ne sont pas le même métier, et c’est le budget de références qui en fait des métiers différents plutôt que des niveaux de qualité différents.

Pourquoi une fenêtre de cinq secondes n’est pas la limitation qu’elle semble être
Cinq secondes paraissent disqualifiantes face à trente, et l’architecture explique pourquoi c’est moins mauvais que ça en a l’air — tout en expliquant aussi pourquoi on ne peut pas y remédier en demandant plus d’images.
FastFrames est autorégressif : chaque bloc de 81 images est conditionné par celui qui le précède, ce qui explique tout simplement pourquoi les clips s'enchaînent. La contribution des auteurs n'est pas un transformateur plus rapide, mais la suppression des deux composants qui l'entourent et qui n'ont jamais été l'essentiel. Un décodeur de pixels de 63,87 millions de paramètres remplace le décodeur VAE et fait passer le décodage d'environ 147 millisecondes par image à environ 1. Un petit réseau d'affinage remplace la mise à jour du cache KV, à 2 millisecondes sur le modèle 1,3B et 6 sur le 14B. Le transformateur lui-même est figé dans la phase finale. Sur le petit modèle, 271,8 millisecondes par image deviennent 35,8.
Le chaînage, toutefois, n’est pas une extension. Il n’y a ni image clé, ni image de début, ni image de fin, ni image de référence, ni clip à poursuivre — ainsi, une séquence d’une minute construite à partir de FastFrames est constituée de onze blocs chaînés, sans aucun mécanisme permettant de maintenir le visage d’un personnage, un costume ou une direction de lumière d’un raccord à l’autre. Trente secondes en une seule exécution donnent à Seedance 2.5 une fenêtre de contexte unique dans laquelle la cohérence est le problème du modèle plutôt que celui du monteur. Cette différence vaut plus que ne le suggère le chiffre d’une durée multipliée par six, et ce n’est pas quelque chose que les améliorations matérielles viendront combler.
Là où la vitesse vous mène, et là où elle ne le fait pas
Convertissez 36 millisecondes dans les unités qui comptent pour une personne produit, et le tableau est plus étroit et plus intéressant que le titre.
• FastFrames-S sur un seul B200 — 36 millisecondes par image, environ 28 requêtes par seconde, un clip de 5 secondes en 2,9 secondes. Plus rapide que la lecture d'un facteur d'environ 1,7.
• FastFrames-L sur huit B200s — 45 millisecondes par image, environ 22 requêtes par seconde, 3,6 secondes pour le même clip.
• FastFrames-L sur un seul GPU — 158 millisecondes par image, soit 12,8 secondes pour un clip de 5 secondes. Plus lent que de le regarder. Le grand modèle n’est interactif que lorsqu’il est réparti sur un nœud.
• À 720p — 127 millisecondes sur le petit modèle, 116 sur le grand sur huit GPU. C’est là que s’arrête l’interactivité en flux unique.
• Sur H100 plutôt que B200 — une pénalité de 25 à 50 pour cent selon l’estimation du papier elle-même, ce qui place le petit modèle autour de 45 à 54 millisecondes par image.
Seedance 2.5 ne publie rien de comparable, car il est vendu en secondes de sortie plutôt qu'en images par seconde de temps réel, et aucun tiers n'a publié pour lui de latence par image que cette page pourrait vérifier. Cette asymétrie n'est pas une critique ; c'est un rappel que les deux modèles sont instrumentés pour répondre à des questions différentes.
Ce que dit le dossier indépendant, du seul côté où il existe.
Seedance 2.5 dispose d’un siège au conseil d’administration, contrairement à FastFrames, et ces deux faits doivent être énoncés clairement.
Sur le classement d’édition vidéo d’Artificial Analysis, relevé du 8 octobre 2026, Seedance 2.5 occupe la deuxième place avec 1 161 points Elo sur 5 162 votes — modifier un clip à partir d’une instruction textuelle en conservant l’audio. Cela se situe en aval de la capacité de référence vidéo, et c’est le genre de chiffre qui signifie quelque chose de précis : plusieurs milliers de personnes ont préféré sa sortie à celle d’un autre modèle sur une tâche que les deux avaient été chargés d’accomplir. Ce n’est pas un verdict sur la qualité en général, et cela ne vous dit pas ce que le clip a coûté.
FastFrames n’a pas d’entrée au classement car il n’a pas d’hôte. Apple a publié les poids et aucun point de terminaison, donc aucun test de préférence ne peut le proposer aux votants, et l’affirmation de qualité du modèle repose entièrement sur le tableau 1 de ses propres auteurs : des totaux VBench de 84,23 pour FastFrames-S et 84,44 pour FastFrames-L, contre 84,11 pour la référence Causal Forcing++ à 272 millisecondes par image, avec Wan2.2 14,3B à 84,65. Non reproduit, et sur un benchmark qui récompense exactement la fluidité temporelle que les modèles autorégressifs sont conçus pour produire. L’écart dans l’ensemble du tableau d’Apple est d’environ deux points et demi, tandis que l’écart de latence entre les mêmes modèles est de quatre ordres de grandeur — ce qui est l’argument le plus fort de l’article, et c’est un argument sur ce que mesurent les benchmarks plutôt que sur la qualité de FastFrames.
Chiffrer un vrai brief
Confrontez les deux à une vraie tâche, et les unités se heurtent d’une manière plus utile que n’importe quel tableau.
• « Un film produit de trente secondes avec une voix off verrouillée » — Seedance 2.5 peut le faire en une seule exécution avec extension multi-tours, en prenant la voix comme référence audio et les images fixes du produit comme références d’image. FastFrames ne peut pas conserver l’audio, ne peut pas prendre les images fixes, et nécessiterait plusieurs blocs chaînés dont il faudrait ensuite masquer les jonctions. Le travail revient à un seul modèle pour des raisons de capacités avant même que le prix n’entre en ligne de compte.
• « Cent variations d’une boucle de cinq secondes pour un affichage interactif » — FastFrames sur une B200 produit chacune en moins de trois secondes de temps d’horloge, à un coût marginal qui se réduit à une erreur d’arrondi une fois la carte amortie. Seedance 2.5 facturerait cent générations, dont plusieurs seraient rejetées, sur la base d’une grille tarifaire qui ne publie pas de chiffre clair à la seconde permettant de planifier.
• « Un plan phare qui doit ressembler aux séquences que nous avons déjà montées » — Seedance 2.5, car la référence vidéo est le seul moyen de pointer l'un ou l'autre modèle vers des séquences existantes. FastFrames n'offre aucun chemin d'un clip en entrée vers un clip en sortie.
• « Prouver le concept d'interaction avant d'acheter le matériel » — ni l'un ni l'autre, directement. Le coût par seconde de Seedance 2.5 ne peut être connu qu'a posteriori, et FastFrames a d'abord besoin du matériel. La solution économique consiste à prototyper sur un modèle dont le tarif par seconde est publié et dont la latence réelle est chiffrée, puis à décider.
OrcaRouter ne sert pas FastFrames — il n’existe nulle part de point de terminaison hébergé pour les poids d’Apple, ce qui est une affirmation sur la publication plutôt que sur le routage. Ce qu’une clé permet réellement d’atteindre aujourd’hui, c’est la couche vidéo hébergée avec des tarifs publiés : MiniMax H3 à 0,08 $ par seconde en 768p et 0,13 $ en 2K, et la famille Kling 3.0, aux côtés de plus de 200 modèles linguistiques sur un seul point de terminaison compatible OpenAI, au prix catalogue du fournisseur, avec 0 % de marge. Seedance 2.5 n’est pas non plus une route ici — ByteDance le vend via ses propres plateformes et la grille tarifaire des jetons leur appartient — et cette page ne prétend pas le contraire. L’utilité pratique de ce catalogue dans cette comparaison est la mesure : obtenez une base de référence réelle de latence et de coût à partir d’un modèle dont vous pouvez lire le compteur, avant de vous engager dans un parc de GPU ou dans une facture de jetons que vous ne pouvez pas prévoir.
La question ouverte, et elle porte sur des mètres plutôt que sur des modèles
Si ByteDance publiait un tableau d’exemples de tarification au token pour davantage de configurations, l’asymétrie entre facturation à l’usage et prévisibilité serait bien plus facile à anticiper, et un lecteur pourrait enfin comparer Seedance 2.5 à un modèle facturé à la seconde sans faire les calculs du fournisseur à sa place. Si Apple hébergeait FastFrames à n’importe quel prix, le modèle obtiendrait une entrée dans une arène et un chiffre de latence mesuré par quelqu’un d’autre — les deux éléments qui permettraient de juger ses 36 millisecondes plutôt que de les admirer.
Aucun des deux ne s’est produit. Jusqu’à ce que l’un des deux arrive, la façon de choisir consiste à remarquer à quelle question vous êtes réellement en train de répondre. Trente secondes pour une exécution répondent à « ce modèle peut-il maintenir une scène cohérente ». Trente-six millisecondes par image répondent à « ce modèle peut-il suivre le rythme d’une personne ». Les deux sont difficiles, les deux valent qu’on paie pour eux, et aucune grille tarifaire unique ne tarifie les deux.


