
Pembuatan Video FastFrames vs Luma Ray 3.2: Aliran Frame versus Berkas Hasil Grading
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 89 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 97 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaBARUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 88 tok/s
- OrcaBARUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 134 tok/s
- OrcaBARUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 juta token · 87 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 120 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 juta token · 187 tok/s
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 juta token · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Kecerdasan
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Kecerdasan
Luma Ray 3.2 dan FastFrames Video Generationkeduanya adalah model video difusi, keduanya dirilis pada 2026, keduanya tersedia tidak lebih awal dari paruh kedua tahun ini — dan keduanya bukan pengganti satu sama lain dalam pengertian apa pun yang akan dikenali seorang produser. Ray 3.2, yang telah tersedia sejak 9 Juni, berujung pada sebuah file: hingga 1080p, lima atau sepuluh detik, opsional HDR 10-, 12-, atau 16-bit dalam standar ACES2065-1 EXR, yang merupakan format yang digunakan seorang colorist untuk melakukan grading. FastFrames, yang diterbitkan oleh Apple bersama Cornell pada 16 November, berujung pada sebuah stream: 832×480, 81 frame, satu frame setiap 36 milidetik pada satu B200, tanpa audio, hanya prompt teks, bobot di Hugging Face. Yang satu dibangun agar outputnya bertahan melewati pipeline finishing. Yang lain dibangun agar outputnya tiba sebelum Anda selesai menonton yang terakhir. Semua yang ada di bawah ini mengikuti perpecahan itu, termasuk kenyataan tidak nyaman bahwa tidak satu pun model memiliki skor independen untuk menuntaskan pertanyaan itu.
Format output adalah argumennya, bukan lembar spesifikasinya.
Mulailah dari apa yang diberikan setiap model kepada Anda, karena di sinilah perbandingannya sebenarnya terletak.
• Ray 3.2 menghasilkan MP4 secara default, dan berdasarkan permintaan menghasilkan frame HDR 10-, 12-, atau 16-bit dalam ACES2065-1 EXR — tetapi hanya pada 720p dan 1080p, dan hanya untuk klip lima detik. Looping mulus dan jalur EXR keduanya merupakan fitur lima detik.
• FastFrames menghasilkan MP4 berisi 81 frame pada 832×480 dan 16 frame per detik, yaitu rekaman tanpa audio selama 5,06 detik. Tidak ada jalur EXR, tidak ada pilihan kedalaman bit, dan tidak ada dialog ekspor. Dekoder piksel mengeluarkan RGB 8-bit per token dan hanya itu saja.
• Resolusi adalah plafon 1080p terhadap titik tetap 480p — tetapi perbandingan ini tidak adil di kedua arah, karena mode HDR 1080p Ray 3.2 tidak tersedia untuk klip sepuluh detik, dan 480p FastFrames bukan pengaturan yang bisa dinaikkan.
• Permukaan kontrol: Ray 3.2 menerima teks, frame awal, frame akhir, atau video yang sudah ada untuk dimodifikasi, serta hingga 16 keyframe per klip dan pelacakan performa wajah pada hingga delapan wajah. FastFrames menerima prompt teks dan seed.
Baca lagi daftar itu dan perhatikan apa implikasinya bagi pembeli. Set fitur Ray 3.2 adalah set fitur dari sebuah shot yang sudah ada dalam suatu edit dan perlu diselesaikan, direvisi, atau diperluas. Set fitur FastFrames adalah set fitur dari sistem yang belum memutuskan apa shot tersebut.
Ray 3.2, dibaca sebagai alat pascaproduksi
Jalur EXR adalah alasan utama model ini ada dalam bentuknya yang sekarang, dan ia hadir dengan batasan-batasan yang dilewatkan oleh sebagian besar tulisan.
Model ini menghasilkan pada 540p, 720p, dan 1080p, dalam klip lima atau sepuluh detik, di enam rasio aspek yang mencakup vertikal, persegi, dan layar lebar — tetapi pembuatan sepuluh detik hanya untuk teks-ke-video, sehingga jalur berkondisi frame dan berkondisi video dibatasi hingga lima detik. HDR adalah pengaturan opt-in lima detik untuk 720p dan 1080p: Anda mengaktifkan HDR untuk mendapatkan ekspor EXR, bukan mendapatkannya secara otomatis. Audio adalah kendala lainnya, dan kendala itu membatasi dengan cara yang tidak diduga orang. Ray 3.2 tidak menghasilkan audio tersinkronisasi untuk teks-ke-video atau gambar-ke-video; audio hanya bertahan saat Anda memodifikasi atau membingkai ulang rekaman yang sudah ada dan sudah memiliki track. Untuk model yang diposisikan pada tahap finishing, itu koheren — suara berasal dari penyuntingan, bukan dari generator — tetapi siapa pun yang mencari model video-dengan-suara sekali panggil sebaiknya berhenti membaca di sini.
Struktur komersialnya juga penting. Ray 3.2 adalah model pertama dalam keluarga Ray dengan API pengembang penuh, dibagi menjadi tier Build bayar-sesuai-penggunaan dan tier Scale dengan throughput yang dicadangkan serta SLA. Model Ray sebelumnya hanya berbasis langganan, yang berarti riwayat harga keluarga ini bukan panduan untuk harga model ini. Biaya per klip berubah seiring resolusi, rentang dinamis, dan durasi secara bersamaan; daftar pihak ketiga memperkirakan klip 720p lima detik mendekati $0,30 dan klip 1080p mendekati $1,20, dan ekspor HDR atau EXR mengalikan biaya klip, bukan menambahkannya. Anggaplah angka-angka itu sebagai hasil hitungan agregator terhadap kartu tarif Luma, bukan sebagai angka yang diterbitkan Luma sendiri.
Satu jebakan penamaan yang layak memakan satu kalimat: nomor versi Luma tidak naik sesuai urutan yang tampak saat dibaca. Ray3.14 dirilis pada 26 Januari 2026 dan Ray 3.2 pada 9 Juni 2026, jadi angka yang lebih rendah adalah model yang lebih baru, dan Luma telah menghentikan penggunaan merek Dream Machine yang masih menjadi dasar sebagian besar panduan lama.
FastFrames, dibaca sebagai loop render
FastFrames bukanlah Ray 3.2 yang lebih kecil. Ini adalah hasil distilasi yang diterbitkan sebagai bobot, dan arsitekturnya menjelaskan baik kecepatan maupun fitur-fitur yang hilang.
Kedua checkpoint tersebut adalah model difusi video autoregresif yang dibangun di atas Wan2.1 — FastFrames-S dari Wan2.1-T2V-1.3B dan FastFrames-L dari Wan2.1-T2V-14B — yang dijalankan melalui resep yang oleh penulis disebut Causal Forcing++. Kontribusi makalah ini bukanlah transformer yang lebih cepat. Kontribusinya adalah penghapusan dua komponen mahal di sekitar transformer: decoder VAE, yang memakan sekitar 147 milidetik per frame pada baseline dan digantikan oleh decoder piksel berparameter 63,87 juta yang mendekati 1 milidetik, dan pembaruan cache KV, yang menjadi jaringan penyempurnaan kecil dengan biaya 2 milidetik pada model kecil dan 6 milidetik pada model besar. Transformer itu sendiri dibekukan pada tahap akhir.
Jika dihitung pada model 1.3B, 271,8 milidetik per frame menjadi 35,8. Pada satu B200, itu sekitar 28 permintaan per detik, atau klip 5 detik dalam 2,9 detik. Model 14B membutuhkan delapan B200 untuk mempertahankan 45 milidetik dan 22 permintaan per detik; pada satu GPU, angkanya turun menjadi 158 milidetik, yang lebih lambat daripada pemutaran. Pada 720p, model kecil membutuhkan 127 milidetik per frame dan model besar 116 pada delapan GPU, dan makalah tersebut memperkirakan penalti H100 sebesar 25 hingga 50 persen di atasnya.
Generasi autoregresif adalah alasan 81 frame tidak sebatas yang terdengar dan juga alasan model tidak dapat melakukan apa yang dilakukan Ray 3.2. Karena setiap blok dikondisikan pada blok sebelumnya, klip dapat dirangkai — tetapi perangkaian bukanlah kontrol keyframe, dan tidak ada jalur untuk memasukkan frame awal, frame akhir, gambar referensi, atau klip yang sudah ada. Model ini tidak memiliki pengondisian gambar dalam bentuk apa pun.


Kesenjangan pengukuran itu nyata, dan terjadi di kedua arah
Tidak ada model yang dapat diperingkat, dan alasannya cukup berbeda sehingga layak untuk dipisahkan.
Ray 3.2 tidak memiliki entri di arena video Artificial Analysis — baik di teks-ke-video maupun gambar-ke-video, diperiksa pada 18 September 2026 untuk blog ini. Yang diterbitkan Luma sebagai gantinya adalah laporan evaluasi internal Ray3 yang mengklaim kesetaraan dengan Veo 3 dan keunggulan atas beberapa pesaing, tanpa skor numerik yang disertakan, dan klaim bahwa API-nya berjalan dengan harga dan latensi kurang dari setengah model yang sebanding, juga tanpa kuantifikasi. Itu adalah dokumen positioning. Dokumen tersebut tidak sebanding dengan Elo arena yang memiliki jumlah sampel dan interval kepercayaan, dan tidak ada halaman yang boleh menyajikannya seolah-olah sebanding.
FastFrames memiliki masalah sebaliknya: ia memiliki angka, dan semuanya berasal dari penulisnya sendiri. Total VBench dalam Tabel 1 makalah adalah 84,23 untuk FastFrames-S dan 84,44 untuk FastFrames-L, dibandingkan 84,11 untuk Causal Forcing++, baseline yang menjadi sumber distilasinya, pada 272 milidetik per frame. Wan2.1 1.3B, model dasar, mencetak 83,80 pada 30.444 milidetik. Wan2.2 14.3B mencetak 84,65 pada 117.734. Tidak ada pihak independen yang mereproduksi satu pun dari itu, dan VBench adalah tolok ukur yang secara tepat memberi imbalan pada kelancaran temporal yang memang menjadi keunggulan model autoregresif. Tabel dalam makalah itu sendiri adalah klaim tentang kesetaraan di sepanjang plateau 83 hingga 85,5, bukan pengukuran kualitas.
Apa yang dimiliki bersama oleh kedua kesenjangan itu adalah hal yang perlu diingat: sebaran total VBench di seluruh model dalam daftar Apple sekitar dua setengah poin, sedangkan sebaran latensi di daftar yang sama adalah empat orde magnitudo. Apa pun yang diukur tolok ukur itu, ia sudah berhenti membedakan sistem-sistem ini beberapa waktu lalu. Kedua model ini dijual berdasarkan sumbu yang tidak dilihat VBench.
Menghabiskan satu tembakan di masing-masing
Terapkan brief yang konkret pada kedua rate card, dan hitungannya sama sekali tidak lagi bisa dibandingkan.
• Klip HDR 1080p berdurasi lima detik — Ray 3.2, sekitar $1.20 dengan tarif yang tertera sebelum pengali HDR, dikirim sebagai EXR yang langsung masuk ke proses grading. FastFrames tidak dapat menghasilkan shot ini dengan harga berapa pun.
• Klip senyap 480p berdurasi lima detik — FastFrames, satu B200 selama 2,9 detik waktu nyata pada model kecil, atau delapan B200 selama 3,6 detik pada model besar. Ray 3.2 sama sekali tidak dapat menghasilkan pada 480p; batas terendahnya adalah 540p.
• Sepuluh detik apa pun — Ray 3.2 hanya dari teks, pada 1080p atau di bawahnya. FastFrames mencapai sepuluh detik dengan merangkai dua blok 81 frame dan berharap sambungannya tetap mulus.
• Sembilan puluh pengambilan untuk adegan yang sama — di sinilah logika ekonominya berbalik. Ray 3.2 menagih per klip, jadi seratus percobaan berarti seratus klip. FastFrames menagih per detik GPU, jadi seratus percobaan berarti seratus kali 2,9 detik dari mesin yang sudah Anda sewa.
• Perangkat keras yang tidak Anda miliki — FastFrames memerlukan Linux x86-64, GPU NVIDIA, dan CUDA 12.8, serta repositori ini menyertakan jalur inferensi yang berfungsi, skrip benchmark latensi, alur kerja evaluasi VBench, dan aplikasi demo. Tidak satu pun dari itu merupakan layanan yang dihosting.
Garis "sembilan puluh take" itu adalah pembeda yang sebenarnya. Penagihan per klip memberi harga pada satu hasil yang harus diserahkan; penagihan per detik GPU memberi harga pada eksplorasi. Jika proses Anda adalah "hasilkan sampai benar", model kedua lebih murah satu orde besaran dan lebih buruk pada setiap aspek lainnya. Jika proses Anda adalah "hasilkan satu hal yang harus lolos penilaian", model pertama adalah satu-satunya dari keduanya yang dapat melakukan pekerjaan itu.
Lisensi lebih menentukan daripada lembar spesifikasi
Bobot FastFrames membawa ketentuan AMLR Apple, dan komponen demo LingBot-World v2 di repositori yang sama berlisensi CC BY-NC-SA 4.0 — nonkomersial. Sisanya berada di bawah Apple's Sample Code Licence. "Bobot terbuka" dan "bebas dikomersialkan" bukanlah sinonim, dan rilis ini sengaja berhati-hati terhadap perbedaan tersebut dengan cara yang sama sekali tidak dilakukan Ray 3.2, yang dijual berdasarkan kontrak API komersial dengan tier Build dan tier Scale dengan SLA.
Jadi pertanyaan pengadaan berjalan berlawanan arah dengan pertanyaan teknis. Ray 3.2 meminta Anda menerima hubungan dengan vendor: daftar tarif, ketentuan layanan, komitmen throughput jika Anda membeli Scale, endpoint yang dapat berubah saat Anda bergantung padanya. FastFrames meminta Anda membaca tiga lisensi dan bertanggung jawab atas GPU. Bagi studio yang sudah memiliki proses tinjauan hukum untuk vendor API, pilihan pertama lebih mudah. Bagi kelompok riset yang sudah memiliki B200s dan petugas kepatuhan yang membaca lisensi untuk kesenangan, pilihan kedualah yang lebih mudah.
Ke mana masing-masing seharusnya ditempatkan, dan pertanyaan yang akan mengubahnya
Letakkan Ray 3.2 di akhir pipeline dan FastFrames di awalnya, dan keduanya berhenti bersaing. Ray 3.2 adalah pilihan yang Anda ambil ketika hasil edit sudah ada, pipeline warna sudah nyata, dan shot harus keluar di sisi lain dalam keadaan dapat di-grade pada 10 bit atau lebih — menerima klip HDR 1080p berdurasi lima detik, tanpa audio yang dihasilkan, dan tagihan per klip yang berlipat seiring rentang dinamis. FastFrames adalah pilihan yang Anda ambil ketika loop adalah produknya: pratinjau langsung, model dunia yang dapat dikendalikan, avatar yang merespons di dalam sesi — menerima 480p, tanpa suara, tanpa input referensi, dan lisensi yang harus Anda baca sebelum merilis.
Tidak satu pun dari keduanya merupakan rute di OrcaRouter, dan artikel ini tidak mengklaim sebaliknya. Yang dapat dijangkau dengan satu kunci adalah lapisan video terkelola yang sudah berfungsi hari ini — MiniMax H3 seharga $0,08 per detik pada 768p dan $0,13 pada 2K, serta keluarga Kling 3.0 — bersama lebih dari 200 model bahasa, dengan harga daftar penyedia yang diteruskan tanpa markup 0% sehingga penurunan tarif vendor tiba di sini pada hari yang sama saat diumumkan, dengan failover otomatis jika suatu endpoint menurun kualitasnya di tengah antrean. Bagi tim yang mengevaluasi salah satu model di atas, itu adalah cara murah untuk mengukur seperti apa profil latensi dan biaya yang sebenarnya sebelum mengalokasikan anggaran GPU atau kontrak Scale untuk sebuah hipotesis.
Hal yang akan menyelesaikan perbandingan ini bukanlah demo yang lebih baik dari pihak mana pun. Melainkan satu pengukuran independen Ray 3.2 di arena image-to-video, agar model penyelesaian itu setidaknya punya angka, dan satu reproduksi 84,4 FastFrames oleh seseorang yang tidak bekerja di Apple atau Cornell. Sampai keduanya ada, dasar yang jujur untuk memilih adalah hasil yang dapat diserahkan — dan pada sumbu itu, kedua model ini tidak cukup berdekatan untuk bisa tertukar.

