Scheda hero che confronta FastFrames Video Generation e Vidu Q4 Preview, con la scheda a sinistra che riporta '832x480, senza audio', '36 ms per fotogramma' e 'solo prompt testuale', e la scheda a destra che riporta 'fino a 4K', '15 riferimenti immagine, 3 riferimenti audio' e 'da 3 a 16 secondi', con il logo OrcaRouter in basso a destra.
Guides & Insights

Generazione video FastFrames vs Vidu Q4 Preview: un'anteprima 4K contro un loop a 480p

Autore

jinhao.song

Data di pubblicazione

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

Vidu Q4 Preview è l'elemento anomalo di questa serie, perché la parola nel suo nome fa un lavoro concreto: è una build di anteprima, rilasciata il 7 ottobre 2026 da Shengshu Technology, e il materiale della stessa Shengshu la presenta come la versione che raccoglie il feedback che darà forma al modello finale. FastFrames Video Generation non è nemmeno un prodotto, ma per il motivo opposto: è ricerca conclusa, pubblicata come pesi il 16 novembre, senza endpoint, senza prezzo e senza roadmap per nessuno dei due. Metteteli fianco a fianco e otterrete due modelli entrambi non disponibili nel senso che interessa a un responsabile degli acquisti, ma su lati opposti dello stesso divario: Vidu Q4 Preview ha un'API in produzione e un listino prezzi e verrà superato; FastFrames non ha alcuna API e non lo sarà. Quanto segue riguarda quale di queste due assenze vi costa di più.

Il listino prezzi è la prima cosa davvero comparabile

Vidu Q4 Preview è uno dei pochi modelli in questo campo a pubblicare una tariffa al secondo per fascia di risoluzione, il che rende il suo calcolo trasparente in un modo in cui quello della maggior parte dei suoi concorrenti non lo è.

• 540p — 9 crediti al secondo, circa 0,045 $ secondo il tasso standard di credito pubblicato da Shengshu, pari a 0,005 $.

• 720p — 19 crediti al secondo, circa $0,095.

• 1080p — 24 crediti al secondo, circa 0,12 $.

• 2K — 38 crediti al secondo, circa 0,19 $.

4K — 78 crediti al secondo, circa $0,39, ovvero all'incirca $0,72 per una clip di sedici secondi alla tariffa di listino prima degli sconti.

• FastFrames — niente. Nessuna tariffa, nessun host, nessuna coda. Il costo è un B200 per 2,9 secondi di tempo effettivo sul modello piccolo, oppure otto B200 per 3,6 secondi su quello grande, per ogni clip da 5 secondi.

Due cose sulla curva di Vidu meritano di essere precisate, perché sono facili da fraintendere. La cifra di $0,014 al secondo che accompagnava l'annuncio del lancio corrisponde al livello 540p a una tariffa in crediti scontata, non a una tariffa generale. Inoltre la piattaforma sta applicando sconti promozionali a tempo limitato fino al 30% sui pacchetti di crediti, che abbassano tutti i livelli insieme anziché modificare la forma della curva. Pianifica sulla base della curva alle tariffe di listino; considera lo sconto come una compensazione temporanea che potrebbe non esserci più quando il tuo progetto verrà rilasciato.

Il confronto che ne risulta non è "uno costa meno". Vidu Q4 Preview ha un livello minimo — un tier di blocking a 540p con un prezzo calibrato esattamente sull'uso che se ne fa, ovvero provare una composizione prima di pagare per un rendering a piena risoluzione — mentre FastFrames non ha alcun tier, perché non ha alcuna superficie di fatturazione. Se il tuo lavoro prevede di iterare un'inquadratura a bassa risoluzione prima di dare l'ok definitivo, il tier 540p di Vidu è una vera funzionalità del prodotto e il 480p fisso di FastFrames non è la stessa cosa, anche se i numeri sono vicini.

Due modelli progettati per i due estremi dello stesso brief

Gli elenchi delle capacità si sovrappongono a malapena, e questo è il dato più utile di questo confronto.

• Risoluzione — Vidu Q4 Preview genera nativamente a 540p, 720p, 1080p, 2K e 4K, con colore a 10 bit nei due livelli superiori. FastFrames è 832×480 senza alcuna impostazione e senza percorso di upscale.

• Durata — Vidu Q4 Preview dura da 3 a 16 secondi in Image-to-Video e da 1 a 16 secondi in Reference-to-Video. FastFrames è di 81 frame a 16 fps, 5,06 secondi, estendibile solo tramite concatenamento.

• Input — Vidu Q4 Preview documenta due endpoint, /ent/v2/img2video e /ent/v2/reference2video, che accettano fino a 15 immagini tra personaggi, scene e stile, oltre a un massimo di 3 riferimenti audio mp3 da 3 a 12 secondi per la clonazione vocale. FastFrames richiede un prompt testuale e un seed. Non un budget di riferimenti più ridotto — nessun budget di riferimenti.

• Copertura delle modalità — Vidu Q4 Preview non documenta alcun percorso text-to-video né alcun percorso di editing video. FastFrames è solo text-to-video. Tra i due, ogni modalità che manca all'uno manca anche all'altro.

• Audio — Vidu Q4 Preview genera audio e video insieme, con un parametro audio nell'endpoint image-to-video che produce dialoghi ed effetti sonori oltre alla coerenza della voce di riferimento. FastFrames è silenzioso.

• Latenza — FastFrames dichiara 36 millisecondi per frame su una B200, 45 su otto per il 14B, e 158 millisecondi su una singola GPU per il modello grande. Vidu Q4 Preview non pubblica alcun dato di latenza per frame che questa pagina possa verificare.

Leggi quelle sei righe insieme e i due modelli sono quasi complementari. Vidu Q4 Preview è quello che mantiene un cast, genera audio e offre il 4K; FastFrames è quello che produce fotogrammi più velocemente di quanto tu possa guardarli, da testo, a 480p, in silenzio. Nessuno dei due sostituisce l'altro su nessuna delle sei.

A two-column scoreboard comparing FastFrames and Vidu Q4 Preview across six dimensions: resolution 832x480 against up to 4K, clip length 81 frames against 3 to 16 seconds, image references none against up to 15, audio references none against up to 3, audio none against generated dialogue and sound, and price GPU time you supply against 9 to 78 credits per second.

La posizione del consiglio e perché è un monito anziché un verdetto

Vidu Q4 Preview ha un punteggio indipendente e merita di essere letto attentamente anziché citato.

Nella classifica image-to-video di Artificial Analysis, consultata l'8 ottobre 2026, si colloca al terzo posto con 1.179 Elo su 5.543 voti. Al primo posto c'è MiniMax H3 Max con 1.195, al secondo MiniMax H3 con 1.181. Sedici punti separano il primo dal terzo, su intervalli di circa ±10 e ±11. È una parità statistica travestita da podio, e qualsiasi pagina che si apra dichiarando un vincitore su quella classifica sta leggendo rumore. Ciò che i voti stabiliscono è che l'output di Vidu Q4 Preview è competitivo con il vertice del campo su un compito che migliaia di persone hanno ormai giudicato.

FastFrames non ha alcun record del genere e non può acquisirne uno finché non è ospitato. La sua dichiarazione di qualità si basa sui numeri VBench dei suoi stessi autori — 84,23 per il checkpoint 1,3B e 84,44 per il 14B, contro 84,11 per la baseline Causal Forcing++ a 272 millisecondi per frame e 84,65 per Wan2.2 14,3B a 117.734 millisecondi. Nessuno indipendente li ha riprodotti, e VBench premia la scorrevolezza temporale in cui i modelli autoregressivi sono bravi. L'intera variazione di qualità della tabella è di circa due punti e mezzo; la sua variazione di latenza è di quattro ordini di grandezza. Questo è un argomento equo per sostenere che il benchmark ha smesso di discriminare, e un modo iniquo di affermare che un modello è buono quanto i suoi vicini.

Un'ulteriore avvertenza specificamente sul numero di Vidu: i voti sono di ottobre 2026 e sono stati espressi su un insieme di modelli che da allora è cambiato. Un modello che entra nell'arena più tardi, o una build di anteprima sostituita da un rilascio generale, riordina la classifica senza che nessuno dei modelli elencati migliori o peggiori. Leggi sempre la data insieme al dato.

Quanto ti costa l’“anteprima” e quanto ti costa la “versione di ricerca”

Entrambe le etichette sono oneste ed entrambe hanno conseguenze commerciali che vale la pena esplicitare.

Una build di anteprima è un rischio di licenza e di continuità. Il prezzo e la disponibilità delle funzionalità di Vidu Q4 Preview sono, secondo la stessa impostazione di Shengshu, elementi che si definiscono con la release completa, il che significa che il listino su cui basi il budget oggi potrebbe non essere quello su cui riceverai la fattura tra sei mesi, e una funzionalità su cui costruisci potrebbe cambiare forma. Il vantaggio compensativo è che l'anteprima esiste: c'è un'API, c'è documentazione, ci sono due endpoint denominati, c'è un percorso di supporto e c'è una direzione di sviluppo dichiarata.

{{1}}Un rilascio di ricerca{{/1}} è un rischio diverso. I pesi di FastFrames sono soggetti ai termini AMLR di Apple, i componenti demo di LingBot-World v2 nello stesso repository sono CC BY-NC-SA 4.0 — non commerciale — e il resto è sotto la Sample Code Licence di Apple. Non ci sono endpoint, SLA, supporto né politica di deprecazione, perché non c'è alcun servizio. In cambio si ottengono permanenza e ispezionabilità: i pesi non verranno ritirati, il paper non verrà riscritto e Apple ha pubblicato ogni checkpoint delle fasi di addestramento per il modello grande — il teacher causale, la fase distillata per coerenza, la fase distillata DMD e il generatore finale con il suo decoder pixel e la rete di raffinamento KV — il che rende il rilascio riproducibile in un modo in cui quasi nient'altro in questo campo lo è.

Il requisito hardware è la linea di demarcazione per la maggior parte dei team. FastFrames richiede Linux x86-64, una GPU NVIDIA e CUDA 12.8, poi uv sync e uno script di generazione. Vidu Q4 Preview richiede un account e una chiave API. Quella frase decide il confronto per più organizzazioni di quanto farà qualsiasi differenza di Elo.

Quale, in breve

Scegli Vidu Q4 Preview quando il lavoro richiede coerenza di cast e voce, quando la generazione nativa in 4K a colori a 10 bit è un requisito di consegna, quando l'input è un set di riferimento o un'immagine fissa anziché un prompt, o quando il tuo processo prevede effettivamente una passata di blocco a 540p economica prima di una conferma a piena risoluzione. Accetta che sia una preview, che i prezzi possano assestarsi diversamente e che non documenti alcun percorso text-to-video o di editing.

Scegli FastFrames quando il loop è il deliverable — un'anteprima dal vivo, un avatar in streaming, un modello del mondo controllabile — e quando un 480p silenzioso da un prompt testuale è la forma giusta per il prodotto anziché un compromesso. Accetta la revisione della licenza, la flotta di GPU, gli input di riferimento assenti e il fatto che nulla in questa release sia pensato per un deliverable in 1080p con audio.

OrcaRouter non instrada Vidu Q4 Preview — non esiste alcun identificatore Vidu nel catalogo — e non ospita FastFrames, che non dispone di alcun endpoint verso cui instradare. Ciò che una singola chiave offre è il livello video ospitato con tariffe al secondo 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 con OpenAI, ai prezzi di listino dei provider, trasferiti con 0% di ricarico e failover automatico tra gli endpoint. Per un team che valuta una build di anteprima rispetto a una release di ricerca, nessuna delle due oggi è una scommessa sicura per la produzione: è in quel catalogo che si trova una base stabile al secondo prima di prendere l'una o l'altra decisione.

Cosa lo risolverebbe

Due eventi e nessun altro. Un rilascio completo di Vidu Q4 che mantenga la sua posizione in classifica sulla stessa curva al secondo trasformerebbe l'anteprima in un impegno di produzione e rimuoverebbe il rischio di continuità; un rilascio che aggiungesse un endpoint text-to-video lo metterebbe sulle stesse classifiche di tutto il resto e renderebbe il confronto diretto. Dall'altro lato, il fatto che Apple ospiti FastFrames a qualsiasi prezzo — o che lo ospiti chiunque altro — darebbe al modello un ingresso nell'arena e una misurazione indipendente della latenza, l'unica cosa che permetterebbe a un lettore di giudicare 36 millisecondi rispetto a qualcosa invece di ammirarli isolatamente.

Nessuna delle due cose è accaduta al momento in cui scriviamo. Il che lascia la decisione dove di solito si trova: sul deliverable, sulla licenza e sulla scelta se affittare un'anteprima o possedere un cartaceo.

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.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.