Card hero che confronta FastFrames Video Generation e Runway Gen-4.5, la card a sinistra riporta '832x480 a 16 fps', '36 ms per frame' e 'nessun input di riferimento', la card a destra riporta '720p, 24 o 25 fps', 'da 2 a 10 secondi' e '$0.12 al secondo', con il logo OrcaRouter in basso a destra.
Guides & Insights

Generazione video FastFrames vs Runway Gen-4.5: quando 720p incontra 480p

Autore

Gideon Frost

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Accosta le due cifre di risoluzione e succede qualcosa di utile a questo confronto: si sgonfia. Runway Gen-4.5 genera a 720p, in clip da due a dieci secondi, a 24 o 25 fotogrammi al secondo, a 12 crediti per secondo generato — circa $0,12 al secondo nel piano sviluppatore, dove un credito vale un centesimo, con un supplemento documentato di cinque crediti al secondo per l'esportazione ProRes o di sequenze PNG. FastFrames Video Generation genera a 832×480, 81 fotogrammi a 16 fps, in 36 millisecondi per fotogramma su una singola B200, senza audio, solo da un prompt testuale. Uno di questi limiti massimi è 720p e l'altro è 480p, e il divario tra loro è minore del divario tra ciascuno e un master 4K. Ciò che è davvero distante è tutto ciò che accade prima e dopo il rendering: Gen-4.5 è la metà generativa di una piattaforma da studio con i propri strumenti di montaggio, esportazione e colore; FastFrames è una coppia di checkpoint e un file di licenza.

I due tetti, confrontati onestamente

La risoluzione è l’asse in cui i lettori si aspettano una disfatta e invece ottengono una domanda più circoscritta.

• Gen-4.5 — generazione a 720p, con un diritto all'upscale 4K a livello di piano che costituisce un'operazione separata e non rende la generazione originale nativa in 4K. Ciò che si confronta sono le dimensioni del download, non l'etichetta dell'esportazione.

• FastFrames — 832×480 fisso. Non esiste alcuna impostazione della risoluzione, alcun interruttore 720p né alcun percorso di upscaling nel repository. Apple riporta nel paper valori di latenza a 720p, ma la configurazione rilasciata è a 480p.

• Frame rate — Gen-4.5 espone 24 o 25 fps come parametro, un vero e proprio requisito di consegna per la trasmissione e per chiunque debba allinearsi a materiale già esistente. FastFrames è fisso a 16 fps, e questa è una proprietà del modello distillato, non un'impostazione che qualcuno ha dimenticato di rendere disponibile.

{{1}}Durata{{/1}} — Gen-4.5 offre {{2}}da due a dieci secondi{{/2}} in una singola generazione. FastFrames offre {{3}}81 fotogrammi{{/3}}, ovvero {{4}}5,06 secondi{{/4}}, e raggiunge durate più lunghe tramite concatenamento autoregressivo.

Dunque: una differenza di conteggio pixel di 1,5×, una differenza di frame rate che conta più di quella di risoluzione, e un tetto di durata più o meno simile. Se il tuo deliverable è un video social a 720p e 24 fps, FastFrames non è un candidato — non perché 480p sia inutilizzabile, ma perché lo è 16 fps, e perché non esiste un percorso da 480p/16 a 720p/24 che non implichi inventare fotogrammi. Se il tuo deliverable è un'anteprima live o un ciclo di controllo in cui il frame rate è una proprietà dell'interazione anziché del file, il parametro 24 fps di Gen-4.5 è irrilevante e il suo tetto di 720p è un costo che stai pagando per nulla.

Che cosa si sta comprando con i crediti e che cosa si sta comprando con la bolletta delle GPU

È possibile calcolare il costo di entrambi i modelli prima di premere genera, il che li pone avanti rispetto a qualsiasi cosa misurata in token o dalle decisioni del modello stesso. Le unità non coincidono ancora.

• Gen-4.5 — 12 crediti per secondo generato, tariffa fissa, su un listino in cui l'impostazione di output varia appena. Una generazione di cinque secondi costa 60 crediti, $0,60 a $0,01 per credito. Dieci secondi sono 120 crediti, $1,20. L'output in sequenza ProRes o PNG la porta a 85 crediti, $0,85, nel caso dei cinque secondi. Ognuno di questi valori è conoscibile in anticipo.

• FastFrames — nessuna tariffa oraria. Il costo è una B200 per 2,9 secondi (modello piccolo, clip da 5 secondi) oppure otto B200 per 3,6 secondi (modello grande). Se l'hardware è tuo, si tratta di un errore di arrotondamento. Se non lo è, è un contratto per istanze riservate il cui prezzo si misura in settimane.

• La ripresa che scarti — Gen-4.5 addebita per ogni secondo generato, indipendentemente dal fatto che la ripresa sia utilizzabile. FastFrames addebita gli stessi GPU-secondi per una ripresa scadente come per una buona: è di gran lunga la modalità di errore meno costosa e il motivo per cui i flussi di lavoro esplorativi gravitano verso la fatturazione per GPU-secondo.

• Quello che nessuna delle due tariffe ti dice: il footage accettato non è footage generato. La documentazione di Runway stessa distingue tra i tentativi di generazione e l'output accettato, e ogni budget costruito sulla tariffa di punta presuppone un tasso di successo. Fai il budget per clip consegnata, includendo le versioni che scarti.

Il listino prezzi di Runway ha una caratteristica che vale la pena menzionare perché è davvero valida: la tariffa fissa al secondo rende un budget per il 720p un calcolo da una riga, indipendentemente dalle impostazioni scelte. FastFrames non ha un prezzo, quindi non ha una caratteristica del genere: ha invece una dipendenza hardware, e le dipendenze hardware si mettono a budget su base annuale anziché per singolo progetto.

A two-column scoreboard comparing FastFrames and Runway Gen-4.5 across six dimensions: resolution 832x480 against 720p generation, frame rate 16 fps against 24 or 25 fps, clip length 81 frames against 2 to 10 seconds, audio none against native audio plus separate audio tools, latency 36 ms per frame against not published, and price GPU time you supply against 12 credits per second.

La piattaforma è la parte che non compare nella scheda tecnica

Gen-4.5 non arriva da solo, e fingere il contrario traviserebbe ciò che un acquirente ottiene.

Il lavoro video-to-video passa attraverso gli strumenti separati Modify Video di Runway anziché attraverso il percorso di condizionamento del modello stesso, il che significa che il flusso di lavoro di editing esiste ma è una superficie diversa con un proprio comportamento. I profili HDR sono documentati lato sviluppatore con i propri supplementi. L'audio nativo è presente sul modello, e strumenti audio separati di Runway si affiancano ad esso. L'esportazione di sequenze ProRes e PNG è documentata e con un prezzo definito anziché nascosta.

FastFrames non ha niente di tutto questo, e ha anche qualcosa che Runway non ha: l'intera pipeline di addestramento. Apple ha pubblicato ogni checkpoint delle fasi di addestramento del modello grande — il teacher causale, la fase distillata per consistenza, la fase distillata DMD e il generatore finale con il suo decoder pixel e la rete di raffinamento KV — oltre a un percorso di inferenza funzionante, uno script di benchmark della latenza che accetta un numero di GPU, un flusso di lavoro di valutazione VBench e un'app demo in apps/lingbot. Questo è un artefatto riproducibile, non un servizio. Se ti interessa come rendere interattivo uno stack video causale, quell'artefatto vale più di qualsiasi endpoint ospitato; se ti interessa consegnare uno spot pubblicitario per venerdì, non vale assolutamente nulla.

La licenza è il punto in cui tutto smette di essere astratto. I pesi di FastFrames sono coperti dai termini AMLR di Apple, i componenti demo di LingBot-World v2 sono CC BY-NC-SA 4.0 — non commerciali — e il resto del repository rientra nella Licenza per il codice di esempio di Apple. Runway vende un servizio commerciale con termini commerciali. Chiunque intenda costruire un prodotto su FastFrames deve leggere tre licenze prima di scrivere una riga di codice, e la clausola non commerciale sui componenti demo è il tipo di cosa che viene scoperta tardi e a caro prezzo.

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.

Che cosa ha misurato ciascuna parte, e chi ha effettuato le misurazioni

Runway descrive Gen-4.5 sulla propria pagina di ricerca come il suo modello di generazione video più avanzato, con miglioramenti nella qualità del movimento, nell'aderenza al prompt e nella coerenza temporale, disponibile su tutti i piani a pagamento. È un'affermazione di capacità senza numeri a supporto. Gen-4.5 non compare nelle prime ventotto righe della classifica image-to-video di Artificial Analysis — non è un'affermazione che il modello sia debole, ma un'affermazione su ciò che Runway ha scelto di presentare, e cambia effettivamente che tipo di decisione sia questa. Non esiste un Elo indipendente per Gen-4.5 né un numero di campioni.

FastFrames pubblica numeri che sono tutti suoi. Totali VBench di 84,23 per il modello 1.3B e 84,44 per il 14B, contro 84,11 per la baseline Causal Forcing++ da cui è stato distillato a 272 millisecondi per frame. Non riprodotto da nessuno in modo indipendente, su un benchmark che premia la fluidità temporale che i modelli autoregressivi sono progettati per produrre, in una tabella il cui intero intervallo è di circa due punti e mezzo mentre quello della latenza è di quattro ordini di grandezza. Dichiarato dal fornitore, in senso stretto, ed etichettato come tale ovunque compaia qui.

Quindi i due modelli hanno lo stesso status probatorio — affermazioni non verificate dei fornitori — e questa simmetria è di per sé la constatazione. Una pagina che li classificasse starebbe inventando una gerarchia a partire da due set di dati non valutati.

Quale, per lavoro

Scegli Runway Gen-4.5 quando la consegna è una clip breve a 720p che deve rientrare in un flusso di lavoro Runway, quando l'esportazione in ProRes o in sequenza PNG è un requisito e non un optional, quando 24 o 25 fps è una specifica che non puoi spostare, oppure quando la tariffa fissa in crediti rende possibile mettere per iscritto il budget di un progetto. Accetta il limite massimo di generazione a 720p e l'upscaling che non è la stessa cosa del 4K nativo.

Scegli FastFrames quando l'interazione è il prodotto e il file è un sottoprodotto: un'anteprima live, un avatar in streaming, un modello del mondo controllabile o un programma di ricerca che vuole la tecnica anziché l'output. Accetta 480p, 16 fps, assenza di audio, nessun condizionamento dell'immagine e una revisione della licenza. L'unica cosa che ottieni che Gen-4.5 non può offrire a qualsiasi costo in crediti è un frame ogni 36 millisecondi su una singola scheda, e la descrizione onesta di questo non è «generazione video più veloce» ma «una classe diversa di applicazione».

OrcaRouter non ha in catalogo Runway Gen-4.5 né FastFrames — non esiste una route per nessuno dei due nel catalogo, e questo articolo non ne sostiene l'esistenza. Quello che una singola chiave permette di raggiungere è il livello video ospitato già operativo oggi: MiniMax H3 a 0,08 $ al secondo a 768p e 0,13 $ a 2K, e la famiglia Kling 3.0, che affianca oltre 200 modelli linguistici su un endpoint compatibile OpenAI al prezzo di listino del provider, con markup dello 0%, così una variazione delle tariffe del fornitore è attiva qui lo stesso giorno e un endpoint degradato esegue il failover anziché bloccare una coda. Per un team che deve scegliere tra una piattaforma a consumo di crediti e una release di ricerca a consumo di GPU, questo è il modo più economico disponibile per ottenere prima una baseline reale di costi e latenza.

Cosa lo risolverebbe

Se Runway presentasse Gen-4.5 alla classifica image-to-video, sostituirebbe l'asimmetria centrale di questa pagina con un numero reale, e un livello di generazione superiore a 720p eliminerebbe l'unico punto in cui questi due modelli sono davvero vicini. Dall'altro lato, FastFrames ha bisogno di un endpoint ospitato prima che qualsiasi classifica di preferenze possa misurarlo, e Apple ha pubblicato i pesi senza uno.

Finché non si verifica una delle due cose, la decisione non dipende affatto dalla qualità. Dipende dalla frequenza dei fotogrammi, dal fatto che tu abbia bisogno di un file o di uno stream, e dal fatto che il tuo team legale preferisca esaminare una pagina di termini di servizio oppure tre licenze in una volta sola.

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.