FastFrames Video Generation과 Luma Ray 3.2를 비교하는 히어로 카드로, 왼쪽 카드에는 '프레임당 36ms', '832x480, 무음', '81프레임'이 표시되고, 오른쪽 카드에는 '최대 1080p', '10/12/16-bit EXR', '5초 또는 10초'가 표시되며, 오른쪽 아래에는 OrcaRouter 로고가 있습니다.
Guides & Insights

FastFrames 비디오 생성 vs Luma Ray 3.2: 그레이딩된 파일에 맞선 프레임 스트림

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

Luma Ray 3.2와 FastFrames Video Generation은 둘 다 디퓨전 비디오 모델이고, 둘 다 2026년에 공개되었으며, 둘 다 올해 하반기 이전에는 출시되지 않는다. 그리고 제작자가 보기에 어떤 의미에서도 서로의 대체재가 아니다. 6월 9일부터 제공된 Ray 3.2의 출력은 파일로 끝난다. 최대 1080p, 5초 또는 10초, 선택적으로 ACES2065-1 EXR 표준의 10비트, 12비트, 16비트 HDR을 지원하는데, 이는 컬러리스트가 그레이딩하는 포맷이다. 11월 16일 Apple이 Cornell과 함께 공개한 FastFrames의 출력은 스트림으로 끝난다. 832×480, 81프레임, 단일 B200에서 36밀리초마다 한 프레임, 오디오 없음, 텍스트 프롬프트 전용, 가중치는 Hugging Face에 공개. 하나는 출력물이 피니싱 파이프라인을 거쳐 살아남도록 만들어졌다. 다른 하나는 마지막 출력물을 다 보기도 전에 결과가 도착하도록 만들어졌다. 아래의 모든 내용은 그 구분에서 비롯되며, 두 모델 모두 그 질문을 판가름할 독립적인 점수를 갖고 있지 않다는 불편한 사실도 포함한다.

출력 형식은 사양서가 아니라 논거다.

각 모델이 당신에게 건네주는 것부터 시작하세요. 비교는 바로 여기에 있기 때문입니다.

• Ray 3.2는 기본적으로 MP4를 제공하며, 요청 시 ACES2065-1 EXR로 10비트, 12비트 또는 16비트 HDR 프레임을 제공합니다. 하지만 720p와 1080p에서만, 그리고 5초 클립에 대해서만 제공합니다. 심리스 루핑과 EXR 경로는 모두 5초 기능입니다.

• FastFrames는 832×480 해상도, 초당 16프레임으로 81프레임의 MP4를 제공하며, 이는 5.06초 분량의 무음 영상입니다. EXR 경로도, 비트 심도 선택도, 내보내기 대화상자도 없습니다. 픽셀 디코더는 토큰당 8비트 RGB를 출력하며, 그게 전부입니다.

• 해상도는 480p 고정점에 맞선 1080p 상한선입니다. 하지만 이 비교는 양쪽 방향 모두 불공정합니다. Ray 3.2의 1080p HDR 모드는 10초 클립에는 존재하지 않고, FastFrames의 480p는 높일 수 있는 설정이 아니기 때문입니다.

• 제어 인터페이스: Ray 3.2는 텍스트, 시작 프레임, 종료 프레임 또는 수정할 기존 비디오를 입력받으며, 클립당 최대 16개의 키프레임과 최대 8개 얼굴에 걸친 얼굴 퍼포먼스 추적을 지원합니다. FastFrames는 텍스트 프롬프트와 시드를 입력받습니다.

그 목록을 다시 읽고 그것이 구매자에 대해 무엇을 시사하는지 주목하세요. Ray 3.2의 기능 세트는 이미 편집본에 존재하며 완성, 수정 또는 확장이 필요한 샷의 기능 세트입니다. FastFrames의 기능 세트는 아직 샷이 무엇인지 결정하지 못한 시스템의 기능 세트입니다.

Ray 3.2, 포스트 프로덕션 도구로 읽기

EXR 경로는 이 모델이 현재의 형태로 존재하는 이유 그 자체이며, 대부분의 설명에서 빠뜨리는 제약이 함께 따른다.

540p, 720p, 1080p로 5초 또는 10초 클립을 생성하며, 세로, 정사각형, 와이드스크린을 아우르는 6가지 화면 비율을 지원합니다. 하지만 10초 생성은 텍스트-투-비디오 전용이라 프레임 컨디셔닝 및 비디오 컨디셔닝 경로는 5초로 제한됩니다. HDR은 720p 및 1080p, 5초, 옵트인 설정입니다. HDR을 활성화해야 EXR 내보내기를 얻을 수 있으며 자동으로 제공되지는 않습니다. 오디오는 또 다른 제약이며, 예상치 못한 방식으로 제한이 작용합니다. Ray 3.2는 텍스트-투-비디오나 이미지-투-비디오용 동기화 오디오를 생성하지 않습니다. 오디오는 이미 트랙이 있는 기존 푸티지를 수정하거나 리프레이밍할 때만 유지됩니다. 피니싱에 위치한 모델로서는 일관됩니다 — 사운드는 생성기가 아니라 편집에서 나오니까요 — 하지만 한 번의 호출로 사운드가 포함된 비디오를 얻으려는 모델을 찾는 사람이라면 여기서 읽기를 멈춰야 합니다.

상업적 구조도 중요합니다. Ray 3.2는 Ray 제품군 최초로 완전한 개발자 API를 갖춘 모델이며, 종량제 Build 티어와 SLA가 포함된 예약 처리량 Scale 티어로 나뉩니다. 이전 Ray 모델들은 구독 전용이었기 때문에, 제품군의 가격 이력은 이 모델의 가격을 판단하는 기준이 되지 못합니다. 클립당 비용은 해상도, 다이내믹 레인지, 길이에 따라 함께 변합니다. 제3자 목록에서는 5초 720p 클립이 약 $0.30, 1080p 클립이 약 $1.20이며, HDR 또는 EXR 내보내기는 클립 비용에 더해지는 것이 아니라 곱해집니다. 이는 Luma가 자체 공개한 수치가 아니라 Luma의 요율표를 기준으로 집계 업체가 계산한 값으로 봐야 합니다.

문장 하나를 할애할 가치가 있는 명명 함정이 하나 있습니다: Luma의 버전 번호는 읽히는 방식대로 올라가지 않습니다. Ray3.14는 2026년 1월 26일에, Ray 3.2는 2026년 6월 9일에 출시되었으므로 더 낮은 번호가 더 새로운 모델이며, Luma는 대부분의 오래된 가이드가 여전히 기반으로 삼고 있는 Dream Machine 브랜딩을 폐기했습니다.

FastFrames, 렌더 루프로 읽기

FastFrames는 더 작은 Ray 3.2가 아닙니다. 이는 가중치로 공개된 증류 결과이며, 아키텍처는 속도와 누락된 기능을 모두 설명합니다.

두 체크포인트는 모두 Wan2.1을 기반으로 구축된 자기회귀 비디오 확산 모델입니다 — FastFrames-S는 Wan2.1-T2V-1.3B에서, FastFrames-L은 Wan2.1-T2V-14B에서 나왔으며 — 저자들이 Causal Forcing++라고 부르는 레시피를 거쳤습니다. 이 논문의 기여는 더 빠른 트랜스포머가 아닙니다. 그것은 트랜스포머 주변의 값비싼 두 구성 요소를 삭제한 것입니다. 기준선에서 프레임당 약 147밀리초가 들던 VAE 디코더는 거의 1밀리초 수준에 이르는 6,387만 파라미터 픽셀 디코더로 대체되었고, KV 캐시 업데이트는 작은 모델에서 2밀리초, 큰 모델에서 6밀리초가 드는 작은 정제 네트워크가 됩니다. 트랜스포머 자체는 최종 단계에서 동결됩니다.

1.3B 모델에서 계산해 보면 프레임당 271.8밀리초가 35.8이 된다. B200 한 대에서는 초당 약 28회 요청, 즉 5초짜리 클립을 2.9초에 처리하는 셈이다. 14B는 45밀리초와 초당 22회 요청을 유지하려면 B200 8대가 필요하다; GPU 한 대에서는 158밀리초로 떨어져 재생 속도보다 느리다. 720p에서는 소형 모델이 프레임당 127밀리초, 대형 모델은 GPU 8대에서 116밀리초가 필요하며, 논문은 H100에서의 페널티를 추가로 25~50퍼센트로 본다.

자기회귀 생성은 81프레임이 들리는 것만큼 제한적이지 않은 이유이자, 이 모델이 Ray 3.2가 하는 일을 할 수 없는 이유이기도 합니다. 각 블록이 이전 블록을 조건으로 하기 때문에 클립이 이어지기는 하지만, 이어 붙이는 것은 키프레임 제어가 아니며 시작 프레임, 끝 프레임, 참조 이미지 또는 기존 클립을 입력할 경로가 없습니다. 이 모델에는 어떤 종류의 이미지 컨디셔닝도 없습니다.

A two-column scoreboard comparing FastFrames and Luma Ray 3.2 across six dimensions: output MP4 only against MP4 and EXR, resolution 832x480 against a 1080p ceiling, clip length 81 frames at 16 fps against 5 or 10 seconds, audio none on both sides for text-to-video, inputs a text prompt only against 16 keyframes and 8 faces, and price GPU time you supply against $0.30 to $1.20 per clip.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.

측정 격차는 실제로 존재하며, 양방향으로 나타납니다

어느 모델도 순위를 매길 수 없으며, 그 이유는 서로 충분히 달라 분리해서 다룰 가치가 있다.

Ray 3.2는 Artificial Analysis 비디오 아레나에 항목이 없습니다 — 텍스트-투-비디오에도, 이미지-투-비디오에도 없으며, 이 블로그를 위해 2026년 9월 18일에 확인했습니다. 대신 Luma가 공개하는 것은 Veo 3와 동등하다고 주장하고 여러 경쟁사보다 앞선다고 주장하는 내부 Ray3 평가 보고서인데, 수치 점수는 첨부되지 않았고, API가 비교 가능한 모델보다 절반 이하의 가격과 지연 시간으로 실행된다는 주장도 정량화되지 않았습니다. 그것들은 포지셔닝 문서입니다. 샘플 수와 신뢰 구간이 있는 아레나 Elo와 비교할 수 있는 것이 아니며, 어떤 페이지도 그것들을 마치 그런 것인 양 제시해서는 안 됩니다.

FastFrames는 정반대 문제를 안고 있습니다. 숫자는 있지만, 그 숫자 전부가 자사 저자들에게서 나온 것입니다. 논문 표 1의 VBench 총점은 FastFrames-S가 84.23, FastFrames-L이 84.44이며, 증류 원본인 베이스라인 Causal Forcing++는 프레임당 272밀리초에 84.11입니다. 기본 모델인 Wan2.1 1.3B는 30,444밀리초에 83.80점입니다. Wan2.2 14.3B는 117,734밀리초에 84.65점입니다. 어떤 독립적인 주체도 이를 재현하지 못했으며, VBench는 자기회귀 모델이 강점을 보이는 시간적 매끄러움에 정확히 보상을 주는 벤치마크입니다. 논문 자체의 표는 83~85.5 구간 전반의 대등성에 관한 주장이지 품질에 대한 측정이 아닙니다.

두 격차의 공통점이 바로 핵심입니다. Apple 목록의 모든 모델에 걸친 VBench 총점의 격차는 약 2.5점인 반면, 같은 목록 전반의 지연 시간 격차는 네 자릿수입니다. 그 벤치마크가 무엇을 측정하든, 그것은 이미 오래전부터 이 시스템들 사이를 구별하지 못하게 되었습니다. 이 두 모델은 모두 VBench가 보지 못하는 축을 기준으로 판매되고 있습니다.

각각 한 번의 시도가 소요된다

구체적인 브리프를 두 요율표에 각각 대입해 보면 계산은 비교 자체가 성립하지 않는다.

• 5초 분량의 1080p HDR 클립 — Ray 3.2, HDR 배율 적용 전 표시 요율 기준 약 $1.20이며, 바로 그레이딩에 투입되는 EXR로 제공됩니다. FastFrames는 어떤 가격으로도 이 샷을 제작할 수 없습니다.

• 5초 분량의 480p 무음 클립 — FastFrames는 소형 모델에서 B200 1대로 실제 시간 2.9초, 대형 모델에서는 B200 8대로 3.6초가 걸립니다. Ray 3.2는 480p로는 아예 생성하지 못하며, 최저 해상도는 540p입니다.

• 무엇이든 10초 — Ray 3.2는 텍스트에서만, 1080p 이하에서. FastFrames는 두 개의 81프레임 블록을 이어 붙이고 이음새가 버텨 주기를 바라는 방식으로 10초에 도달합니다.

• 같은 장면을 90번 테이크하는 것 — 바로 여기서 경제성이 뒤집힙니다. Ray 3.2는 클립당 요금을 받으므로 100번의 시도에는 100개 클립 비용이 듭니다. FastFrames는 GPU-초 단위로 요금을 받으므로 100번의 시도에는 이미 임대 중인 머신의 2.9초가 100번 드는 비용만 발생합니다.

• 여러분에게 없는 하드웨어 — FastFrames는 Linux x86-64, NVIDIA GPU 및 CUDA 12.8을 요구하며, 저장소에는 작동하는 추론 경로, 지연 시간 벤치마크 스크립트, VBench 평가 워크플로 및 데모 앱이 포함되어 있습니다. 그중 어느 것도 호스팅 서비스가 아닙니다.

그 '90테이크' 기준선이 진짜 구분점이다. 클립당 과금은 결과물에 가격을 매기고, GPU 초당 과금은 탐색에 가격을 매긴다. 당신의 프로세스가 "제대로 될 때까지 생성한다"라면, 두 번째 모델은 10배 더 저렴하면서 다른 모든 축에서는 더 나쁘다. 당신의 프로세스가 "그레이딩을 견뎌야 하는 한 가지를 생성한다"라면, 첫 번째 모델만이 둘 중 그 일을 해낼 수 있다.

라이선스는 사양서보다 더 많은 것을 좌우한다

FastFrames의 가중치에는 Apple의 AMLR 약관이 적용되며, 같은 저장소에 있는 LingBot-World v2 데모 구성 요소는 CC BY-NC-SA 4.0 — 비상업적입니다. 나머지는 Apple의 Sample Code Licence에 따릅니다. "오픈 가중치"와 "상업화 자유"는 동의어가 아니며, 이번 릴리스는 Build 티어와 SLA가 포함된 Scale 티어를 갖춘 상업용 API 계약으로 판매되는 Ray 3.2가 결코 그렇지 않은 방식으로 그 차이를 의도적으로 신중하게 다룹니다.

그래서 조달 문제는 기술적 문제와 반대 방향으로 흘러갑니다. Ray 3.2는 공급업체 관계를 받아들이라고 요구합니다. 요율표, 서비스 약관, Scale을 구매할 경우의 처리량 약정, 그리고 당신이 모르는 사이 바뀔 수 있는 엔드포인트까지요. FastFrames는 세 개의 라이선스를 읽고 GPU에 대한 책임을 지라고 요구합니다. API 공급업체를 위한 법률 검토 절차를 이미 갖춘 스튜디오에는 첫 번째가 더 쉽습니다. 이미 B200s를 보유하고 있고 재미로 라이선스를 읽는 컴플라이언스 담당자가 있는 연구 그룹에는 두 번째가 더 쉽습니다.

각각이 어디에 속하는지, 그리고 이것을 바꿀 질문

Ray 3.2를 파이프라인 끝에, FastFrames를 파이프라인 시작에 두면 둘은 더 이상 경쟁하지 않습니다. Ray 3.2는 편집이 이미 존재하고, 컬러 파이프라인이 실제로 갖춰져 있으며, 샷이 10비트 이상으로 그레이딩 가능한 상태로 결과물에 나와야 할 때 선택하는 도구입니다. 이때 1080p, 5초 HDR 클립, 생성 오디오 없음, 그리고 다이내믹 레인지에 따라 배로 늘어나는 클립당 비용을 감수합니다. FastFrames는 루프 자체가 제품일 때 선택하는 도구입니다. 라이브 미리보기, 제어 가능한 월드 모델, 세션 안에서 반응하는 아바타를 제공하며, 480p, 무음, 참조 입력 없음, 그리고 출시 전에 반드시 읽어야 하는 라이선스를 감수합니다.

이들 중 어느 것도 OrcaRouter의 라우트가 아니며, 이 글은 그렇게 주장하지 않습니다. 하나의 키로 실제로 닿는 것은 오늘날 이미 작동하는 호스팅 비디오 레이어입니다 — 768p에서 초당 $0.08, 2K에서 $0.13인 MiniMax H3와 Kling 3.0 패밀리 — 그리고 200개 이상의 언어 모델까지, 공급업체 정가를 0% 마크업으로 그대로 전달하여 벤더의 요금 인하가 발표되는 당일 여기에 반영됩니다, 엔드포인트가 대기열 중간에 성능이 저하되면 자동 페일오버도 제공됩니다. 위 모델 중 하나를 평가하는 팀에게 이는 GPU 예산이나 Scale 계약을 가설에 투입하기 전에 실제 지연 시간과 비용 프로필이 어떤 모습인지 측정하는 저렴한 방법입니다.

이 비교를 결판낼 것은 어느 쪽의 더 나은 데모가 아니다. 그것은 이미지-투-비디오 아레나에서 Ray 3.2에 대한 독립적인 측정 하나이며, 그래야 완성 모델에게도 숫자가 생기고, 또 Apple이나 Cornell에서 일하지 않는 누군가에 의한 FastFrames의 84.4 재현 하나이다. 둘 다 존재하기 전까지는, 선택의 정직한 근거는 결과물이다 — 그리고 그 축에서 이 두 모델은 혼동될 만큼 가깝지 않다.

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.