
Generazione video FastFrames vs Seedance 2.5: trenta secondi contro ottantuno fotogrammi
- OrcaNUOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M di token
- tencentNUOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M di token
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 89 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 97 tok/s
- orcaNUOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNUOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 88 tok/s
- OrcaNUOVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 134 tok/s
- OrcaNUOVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M di token · 87 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M di token
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 118 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M di token · 187 tok/s
Un brief da trenta secondi e un budget di ottantuno fotogrammi sono due risposte diverse alla stessa domanda, e la domanda non è "quanto veloce". Seedance 2.5, la proposta long-form di ByteDance dal 31 luglio 2026, genera trenta secondi in un'unica esecuzione e si estende oltre attraverso i turni, leggendo fino a 30 riferimenti immagine, 10 riferimenti video e 10 clip audio come contesto. FastFrames Video Generation, il rilascio Apple del 16 novembre con Cornell, genera 81 fotogrammi a 832×480 e 16 fotogrammi al secondo — 5,06 secondi — in circa 2,9 secondi di tempo reale su una B200, senza input di riferimento di alcun tipo. Se hai mai visto un regista cercare di mantenere una performance attraverso un taglio, sai già quale di quei due numeri sia il problema ingegneristico più difficile e quale il problema di pianificazione più difficile. Questa pagina riguarda il secondo, perché è quello che decide i budget.
Due filosofie di misurazione, e nessuna delle due è un listino prezzi
Parti da come fattura ciascun modello, perché le unità non si convertono e ogni confronto che pretenda il contrario è aritmetica su un errore di categoria.
• Seedance 2.5 — misurato in token video da ByteDance secondo il listino ufficiale, pubblicato tramite Volcano Engine Ark in Cina e BytePlus ModelArk a livello internazionale. Il costo di una clip dipende da risoluzione, durata e utilizzo effettivo dei token, quindi una cifra al secondo è valida solo per una risoluzione e una durata. I tentativi falliti vengono addebitati allo stesso modo di quelli riusciti.
• Host di terze parti per Seedance 2.5 — ognuno applica il proprio margine e pubblica la propria tariffa al secondo o per clip, ed è per questo che una dozzina di pagine riporta una dozzina di cifre e nessuna di queste è quella del fornitore.
• FastFrames — nessun contatore. Compri la GPU. Una B200 per il modello 1.3B, otto per il 14B per restare interattivo. Una generazione che fallisce costa gli stessi secondi di una che riesce, ed entrambe si misurano in elettricità anziché in dollari per output.
• L'unico dato indipendente — Artificial Analysis registra Dreamina Seedance 2.5 a $34,12 al minuto nella classifica text-to-video e a $40,82 in quella di editing, rilevato l'8 ottobre 2026. Quella colonna è il costo di un minuto di output a 1080p con le impostazioni predefinite del modello, e Seedance 2.5 usa per impostazione predefinita la configurazione più lunga e più pesante per cui è tariffato il suo listino. Usalo per ordini di grandezza, non per una voce di budget.
Ciò significa che l'affermazione onesta è che uno di questi modelli ha un prezzo che non puoi prevedere dall'esterno e l'altro non ha alcun prezzo. L'imprevedibilità di FastFrames è dalla tua parte del bilancio — sai quante ore GPU hai consumato — e quella di Seedance 2.5 è dalla parte del fornitore, perché il numero di token dipende da come il modello sceglie di spendere token sul tuo prompt. Tra i due, il secondo è il più pericoloso da considerare nella pianificazione.
Che cosa acquista effettivamente il budget di riferimento
I numeri di riferimento pubblicati si leggono come una gara di specifiche, e in realtà sono un'affermazione di capacità.
• Immagini — Seedance 2.5 ne accetta fino a 30 contro lo zero di FastFrames. In FastFrames non esiste alcun percorso di condizionamento delle immagini.
• Video — fino a 10 clip come riferimenti. È questo l'elemento che cambia lo scopo del modello: un set di riferimenti che include movimento, ritmo e comportamento della camera tratti da riprese esistenti è un oggetto diverso da un set di riferimenti che veicola solo l'aspetto.
• Audio — fino a 10 clip. Seedance 2.5 genera con l'audio; FastFrames è silenzioso e nella configurazione rilasciata non è presente alcun percorso audio.
Lunghezza del prompt — nessun limite pubblicato che conti a questo livello di specificità per Seedance; FastFrames accetta un prompt testuale e un seed, e la sua finestra di 81 frame significa che stai descrivendo un'unica inquadratura continua anziché una scena.
Trenta secondi con un riferimento video sono un'inquadratura che puoi dirigere. Ottantuno fotogrammi da un prompt sono un'inquadratura che puoi campionare. Entrambi sono metodi di produzione legittimi; non sono lo stesso lavoro, ed è il budget di riferimento a renderli lavori diversi anziché diversi livelli di qualità.

Perché una finestra di cinque secondi non è il limite che sembra
Cinque secondi suonano squalificanti se paragonati a trenta, e l'architettura è la ragione per cui la cosa è meno grave di quanto sembri a leggerla — ed è anche la ragione per cui non la si può risolvere chiedendo più frame.
FastFrames è autoregressivo: ogni blocco di 81 fotogrammi è condizionato da quello che lo precede, ed è proprio questo che permette alle clip di concatenarsi. Il contributo degli autori non è un transformer più veloce, bensì la rimozione delle due componenti che lo circondano e che non sono mai state la questione centrale. Un decoder pixel da 63,87 milioni di parametri sostituisce il decoder VAE e porta la decodifica da circa 147 millisecondi per fotogramma a circa 1. Una piccola rete di raffinamento sostituisce l'aggiornamento della KV-cache, che richiede 2 millisecondi sul modello 1.3B e 6 sul 14B. Il transformer stesso è congelato nella fase finale. Sul modello piccolo, 271,8 millisecondi per fotogramma diventano 35,8.
Il concatenamento, però, non è un'estensione. Non c'è alcun keyframe, alcun fotogramma iniziale, alcun fotogramma finale, alcuna immagine di riferimento, alcuna clip da proseguire: quindi una sequenza di un minuto costruita con FastFrames è composta da undici blocchi concatenati, senza alcun meccanismo per mantenere il volto di un personaggio, un costume o una direzione della luce attraverso le giunture. Trenta secondi in un'unica esecuzione offrono a Seedance 2.5 un'unica finestra di contesto in cui la coerenza è un problema del modello anziché dell'editor. Questa differenza vale più di quanto lasci intendere il numero di durata sei volte superiore, e non è qualcosa che i miglioramenti dell'hardware potranno colmare.
Dove la velocità ti porta, e dove no
Converti 36 millisecondi nelle unità a cui tiene una persona di prodotto, e il quadro è più ristretto e più interessante del titolo.
• FastFrames-S su una B200 — 36 millisecondi per frame, circa 28 richieste al secondo, una clip di 5 secondi in 2,9 secondi. Più veloce della riproduzione di un fattore di circa 1,7.
• FastFrames-L su otto B200s — 45 millisecondi per frame, circa 22 richieste al secondo, 3,6 secondi per lo stesso clip.
• FastFrames-L su una GPU — 158 millisecondi per frame, ovvero 12,8 secondi per una clip di 5 secondi. Più lento che guardarla. Il modello grande è interattivo solo attraverso un nodo.
• A 720p: 127 millisecondi sul modello piccolo, 116 su quello grande su otto GPU. È qui che si ferma l'interattività a flusso singolo.
• Su H100 anziché B200 — una penalità dal 25 al 50 percento secondo la stima dello stesso documento, che colloca il modello piccolo intorno ai 45-54 millisecondi per frame.
Seedance 2.5 non pubblica nulla di comparabile, perché viene venduto in secondi di output anziché in frame al secondo di tempo reale, e nessuna terza parte ha pubblicato una latenza per frame che questa pagina possa verificare. Questa asimmetria non è una critica; è un promemoria del fatto che i due modelli sono strumentati per rispondere a domande diverse.
Ciò che afferma la documentazione indipendente, sul versante in cui esiste
Seedance 2.5 ha una posizione nel board e FastFrames no, ed entrambi i fatti vanno detti chiaramente.
Sulla classifica di video editing di Artificial Analysis, consultata l'8 ottobre 2026, Seedance 2.5 è al secondo posto con 1,161 Elo su 5,162 voti — modificando una clip a partire da un'istruzione testuale con l'audio preservato. Ciò è a valle della capacità di riferimento video, ed è il tipo di numero che significa qualcosa di specifico: diverse migliaia di persone hanno scelto il suo output rispetto a quello di un altro modello in un compito che entrambi erano stati chiamati a svolgere. Non è un verdetto sulla qualità in generale e non ti dice quanto è costata la clip.
FastFrames non ha una voce in classifica perché non ha un host. Apple ha pubblicato i pesi e nessun endpoint, quindi nessun test di preferenza può presentarlo ai votanti, e l'affermazione sulla qualità del modello poggia interamente sulla Tabella 1 dei suoi stessi autori: totali VBench di 84,23 per FastFrames-S e 84,44 per FastFrames-L contro 84,11 del baseline Causal Forcing++ a 272 millisecondi per frame, con Wan2.2 14.3B a 84,65. Non riprodotto, e su un benchmark che premia esattamente la levigatezza temporale che i modelli autoregressivi sono progettati per produrre. La dispersione in tutta la tabella di Apple è di circa due punti e mezzo, mentre la dispersione della latenza tra gli stessi modelli è di quattro ordini di grandezza — che è l'argomento più forte dell'articolo, ed è un argomento su cosa misurano i benchmark piuttosto che sulla qualità di FastFrames.
Calcolare il costo di un brief reale
Metti un lavoro reale a confronto con entrambi e le unità si scontrano in un modo che è più utile di qualsiasi tabella.
• "Un filmato prodotto di trenta secondi con una voce fuori campo fissa" — Seedance 2.5 può realizzarlo in un'unica esecuzione con estensione multi-turno, prendendo la voce come riferimento audio e le immagini statiche del prodotto come riferimenti immagine. FastFrames non può gestire l'audio, non può acquisire le immagini statiche e avrebbe bisogno di diversi blocchi concatenati le cui giunture dovresti poi nascondere. Il lavoro spetta a un solo modello per ragioni di capacità, prima ancora che il prezzo entri nella conversazione.
• "Cento varianti di un loop di cinque secondi per un display interattivo": FastFrames su una B200 le produce ciascuna in meno di tre secondi di tempo reale, a un costo marginale che è un errore di arrotondamento una volta ammortizzata la scheda. Seedance 2.5 fatturerebbe cento generazioni, diverse delle quali verrebbero scartate, contro un tariffario che non pubblica una cifra netta al secondo su cui pianificare.
• "Un hero shot che deve sembrare il girato che abbiamo già montato" — Seedance 2.5, perché il riferimento video è l'unico modo per indirizzare entrambi i modelli su footage esistente. FastFrames non ha un percorso da una clip in ingresso a una clip in uscita.
• «Dimostra il concetto di interazione prima di comprare l'hardware» — nessuno dei due, direttamente. Il costo al secondo di Seedance 2.5 è conoscibile solo a posteriori, e FastFrames ha bisogno prima dell'hardware. La mossa economica è fare prototipazione su un modello con una tariffa al secondo pubblicata e un dato di latenza reale, poi decidere.
OrcaRouter non eroga FastFrames — non esiste da nessuna parte un endpoint ospitato per i pesi di Apple, il che è un'affermazione sul rilascio più che sull'instradamento. Ciò che una chiave riesce a raggiungere oggi è il livello video ospitato con tariffe pubblicate: MiniMax H3 a $0,08 al secondo a 768p e $0,13 a 2K, e la famiglia Kling 3.0, insieme a oltre 200 modelli linguistici su un unico endpoint compatibile OpenAI al prezzo di listino del fornitore con 0% di ricarico. Anche Seedance 2.5 non è una route disponibile qui — ByteDance lo vende tramite le proprie piattaforme e la scheda token è la loro — e questa pagina non finge il contrario. L'uso pratico di quel catalogo in questo confronto è la misurazione: ottieni una baseline reale di latenza e costi da un modello di cui puoi leggere il contatore, prima di impegnarti con una flotta di GPU o con una bolletta di token che non puoi prevedere.
La questione aperta, e riguarda i metri più che i modelli
Se ByteDance pubblicasse una tabella di esempio delle tariffe per token per più configurazioni, l'asimmetria tra tariffazione a consumo e tariffazione prevedibile diventerebbe molto più facile da gestire in fase di pianificazione, e un lettore potrebbe finalmente confrontare Seedance 2.5 con un modello a tariffa al secondo senza dover fare i calcoli del fornitore al posto suo. Se Apple ospitasse FastFrames a qualsiasi prezzo, il modello acquisirebbe una voce in un'arena e un valore di latenza misurato da qualcun altro — le due cose che permetterebbero di giudicare i suoi 36 millisecondi invece di ammirarli.
Nessuna delle due cose si è verificata. Finché una non accade, il modo per scegliere è notare quale domanda stai effettivamente ponendo. Trenta secondi in un’unica esecuzione rispondono a «questo modello può tenere insieme una scena?». Trentasei millisecondi per fotogramma rispondono a «questo modello riesce a stare al passo con una persona?». Sono entrambe difficili, valgono entrambe il costo, e nessun listino prezzi unico le copre entrambe.


