FastFrames Video Generation と Runway Gen-4.5 を比較するヒーローカード。左のカードには「832x480、16 fps」「1フレームあたり36 ms」「参照入力なし」、右のカードには「720p、24または25 fps」「2~10秒」「1秒あたり$0.12」と表示され、右下に OrcaRouter のロゴがある。
Guides & Insights

FastFrames 動画生成 対 Runway Gen-4.5:720p が 480p と出会うとき

著者

Gideon Frost

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

2つの解像度の数値を並べてみると、この比較には有益なことが起こる。つまり、その差は縮むのだ。Runway Gen-4.5は720pで、2~10秒のクリップを、24または25フレーム/秒で、生成1秒あたり12クレジットで生成する——開発者向けティアでは1クレジット=1セントなので1秒あたり約0.12ドルで、ProResまたはPNGシーケンスの書き出しには1秒あたり5クレジットの追加料金が明記されている。FastFrames Video Generationは832×480で、16 fpsで81フレームを、単一のB200上で1フレーム36ミリ秒で、音声なし、テキストプロンプトのみから生成する。一方の上限は720pでもう一方は480pだが、その差はどちらかと4Kマスターとの差より小さい。実際に大きく隔たっているのは、レンダリングの前後に起こることすべてだ。Gen-4.5は独自の編集、書き出し、カラー調整ツールを備えたスタジオプラットフォームの生成部分であり、FastFramesは一対のチェックポイントとライセンスファイルにすぎない。

2つの天井を正直に比較

解決は、読者が完敗を期待する一方で、代わりにより狭い問いを受け取る軸である。

• Gen-4.5 — 720p生成。プランレベルの4Kアップスケール権利が付きますが、これは別操作であり、元の生成がネイティブ4Kになるわけではありません。比較すべきは書き出しラベルではなく、ダウンロード時の寸法です。

• FastFrames — 832×480固定。解像度設定も720pの切り替えも、リポジトリ内にアップスケール経路も存在しない。Appleは論文で720pのレイテンシ数値を報告しているが、公開されている構成は480pである。

• フレームレート — Gen-4.5 は 24 または 25 fps をパラメータとして提供しており、これは放送や既存映像に合わせる必要があるあらゆる用途にとって、真に納品要件となるものです。FastFrames は 16 fps に固定されており、これは誰かが設定として表に出すのを忘れたのではなく、蒸留モデルの性質によるものです。

• 長さ — Gen-4.5 は1回の生成で2~10秒を生成します。FastFrames は81フレーム、つまり5.06秒を生成し、自己回帰的な連鎖によってより長い実行時間を実現します。

つまり、1.5×の画素数差があり、解像度の差よりも重要なフレームレートの差があり、時間上限はほぼ同程度だ。成果物が24 fpsの720pソーシャル動画なら、FastFramesは候補にならない。480pが使えないからではなく、16 fpsが使えないからであり、480p/16から720p/24へ至る道で、フレームを新たに作り出すことを伴わない道はないからだ。成果物がライブプレビューや、フレームレートがファイルではなくインタラクションの属性である制御ループなら、Gen-4.5の24 fpsパラメータは無関係であり、その720pの上限は、何の得にもならないコストを払っていることになる。

クレジットが何を買っているのか、そしてGPUの請求が何を買っているのか

どちらのモデルも、generate を押す前にコストを算出できるため、トークン数やモデル自身の判断で課金されるものより有利です。ただし、単位は依然として揃っていません。

• Gen-4.5 — 生成1秒あたり12クレジットで一律。出力設定がほとんど変わらない料金表全体に適用されます。5秒の生成は60クレジットで、1クレジット0.01ドルなら0.60ドル。10秒は120クレジットで1.20ドル。ProResまたはPNGシーケンス出力にすると、5秒の場合で85クレジット、0.85ドルになります。これらの数字はすべて事前に把握できます。

• FastFrames — 料金レートは一切なし。コストは、B200 1台で2.9秒(小型モデル、5秒クリップ)、または B200 8台で3.6秒(大型モデル)。ハードウェアが自前なら、それは誤差の範囲。そうでなければ、週単位で価格設定されるリザーブドインスタンス契約になる。

• 破棄するテイク — Gen-4.5 は、そのテイクが使えたかどうかに関係なく、生成された秒数ごとに課金します。FastFrames は、不良テイクにも良好テイクと同じ GPU 秒数を課金します。これは失敗時のコストが桁違いに安い方式であり、探索的なワークフローが GPU 秒単位の課金に引き寄せられる理由です。

• どちらの料金表にも書かれていないこと — 採用された映像は生成された映像ではない。Runway 自身のドキュメントでは、試行された生成と採用された出力を区別しており、見出しの料金だけに基づく予算はすべて成功率を前提としている。納品するクリップあたりの予算は、捨てるテイクも含めて立てよ。

Runwayの料金体系には、特筆に値する性質があります。それは純粋に優れているからです。秒単位の定額レートにより、どの設定を選んでも720pの予算は一行の計算で済みます。FastFramesには価格がないため、そのような性質もありません。代わりにあるのはハードウェア依存であり、ハードウェア依存はプロジェクト単位ではなく年間単位で予算計上されるものです。

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.

プラットフォームとは、仕様書には載らない部分のことだ。

Gen-4.5は単独で登場するわけではなく、そう装うと購入者が得るものを誤って伝えることになる。

動画から動画への作業は、モデル自体のコンディショニングパスではなく、Runwayの別個のModify Videoツール群を通じて行われます。つまり、編集ワークフローは存在しますが、独自の挙動を持つ別のサーフェスです。HDRプロファイルは開発者側で文書化されており、独自の追加料金が設定されています。モデルにはネイティブ音声があり、それとは別にRunwayの音声ツールが並立しています。ProResおよびPNGシーケンスのエクスポートは、隠されるのではなく、文書化され、価格が明示されています。

FastFrames にはそうしたものは一切なく、さらに Runway にはないものもあります。それが学習パイプライン全体です。Apple は大規模モデルの学習段階ごとのチェックポイントをすべて公開しました — 因果的教師モデル、整合性蒸留ステージ、DMD 蒸留ステージ、そしてピクセルデコーダーと KV リファインメントネットワークを備えた最終生成器 — 加えて、動作する推論パス、GPU 数を引数に取るレイテンシーベンチマークスクリプト、VBench 評価ワークフロー、そしてデモアプリがあり、それはapps/lingbot配下にあります。これは再現可能な成果物であり、サービスではありません。因果的動画スタックをどのようにインタラクティブにできるかに興味があるなら、その成果物はどのホスト型エンドポイントよりも価値があります。金曜日に商用製品を出荷することに興味があるなら、それはまったく価値がありません。

ライセンスの話になると、これは抽象論では済まなくなる。FastFrames の重みには Apple の AMLR 条件が適用され、LingBot-World v2 のデモ用コンポーネントは CC BY-NC-SA 4.0(非商用)で、リポジトリの残りは Apple の Sample Code Licence の下にある。Runway は商用条件で商用サービスを販売している。FastFrames の上に製品を作ろうと考えている人は、コードを一行書く前に三つのライセンスを読む必要があり、デモ用コンポーネントの非商用条項は、後になってから高くつく形で発覚する類のものだ。

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.

各側が何を測定し、誰がその測定を行ったのか

Runwayは自社の研究ページでGen-4.5を、動きの品質、プロンプト追従性、時間的一貫性が向上した最も先進的な動画生成モデルと説明しており、すべての有料プランで利用できる。これは数値を伴わない能力に関する主張だ。Gen-4.5はArtificial Analysisのimage-to-videoボードの上位28行には現れない。これはモデルが弱いという記述ではなく、Runwayが何を提出することを選んだかについての記述であり、このことがどういった種類の判断なのかを実際に変えている。Gen-4.5について独立したEloはなく、サンプル数もない。

FastFramesは数値を公表しているが、それはすべて自社によるものだ。VBenchの合計は1.3Bが84.23、14Bが84.44で、蒸留元であるCausal Forcing++ベースラインの84.11(1フレーム272ミリ秒)と対比される。独立した第三者による再現はなく、しかもこれは、自己回帰モデルが生み出すように設計されている時間的な滑らかさを評価するベンチマーク上での話であり、表全体の幅が約2.5ポイントなのに対し、レイテンシの幅は4桁に及ぶ。厳密な意味でベンダー報告値であり、ここに登場するすべての箇所でそのように明記されている。

つまり、両モデルの証拠上の位置づけは同じであり——ベンダーによる未検証の主張——、その対称性それ自体が知見である。両者を順位付けするページは、評価されていない2つのデータセットから階層をでっち上げることになる。

職種別でどれですか?

Runway Gen-4.5 を選ぶのは、成果物が Runway のワークフロー内に収める必要がある短い 720p クリップである場合、ProRes または PNG シーケンスの書き出しが「あれば嬉しい」ではなく必須要件である場合、24 または 25 fps が動かせない仕様である場合、あるいは一律クレジット料金によってプロジェクト予算を数字に落とし込める場合です。720p という生成上限と、ネイティブ 4K とは同じものではないアップスケールを受け入れてください。

FastFramesを選ぶのは、インタラクションそのものが製品で、ファイルが副産物である場合だ——ライブプレビュー、ストリーミングアバター、制御可能なワールドモデル、あるいは出力ではなく技術自体を求める研究プログラムなど。480p、16 fps、無音、画像による条件付けなし、そしてライセンスレビューを受け入れること。Gen-4.5がどんなクレジットレートでも提供できない唯一のものは、1枚のカード上で36ミリ秒ごとに1フレームが得られることであり、それを正直に位置づけるなら「より高速な動画生成」ではなく「別種のアプリケーション」である。

OrcaRouterはRunway Gen-4.5もFastFramesも取り扱っていません。カタログ上にどちらのルートも存在せず、本記事もそれらを提供していると主張するものではありません。1つのキーで到達できるのは、すでに今日動作しているホスト型のビデオレイヤーです。MiniMax H3は768pで毎秒0.08ドル、2Kで0.13ドル、そしてKling 3.0ファミリー、これらは200以上の言語モデルと並んで、OpenAI互換エンドポイント上でプロバイダー定価・マークアップ0%で提供されているため、ベンダーの料金改定は同日にここへ反映され、劣化したエンドポイントはフェイルオーバーします——キューを停滞させることはありません。クレジット従量制のプラットフォームとGPU従量制の研究リリースのどちらを選ぶかを検討しているチームにとって、これはまず実際のコストとレイテンシのベースラインを把握するための、最も安価な方法です。

何がそれを解決するのでしょうか

RunwayがGen-4.5を画像→動画ボードに提出すれば、このページの中心的な非対称性は実際の数値に置き換わるだろうし、720pを超える生成ティアがあれば、これら2つのモデルが本当に肉薄している唯一の箇所がなくなる。一方で、FastFramesはどの選好ボードでも測定できるようになる前にホスト型エンドポイントを必要としており、Appleはそれを伴わずに重みを公開している。

どちらかが起こるまでは、判断は品質にまったく左右されない。左右するのはフレームレートであり、ファイルが必要かストリームが必要か、そして法務チームが利用規約のページ1枚とライセンス3つを同時にレビューするのをどちらを好むかだ。

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.