
FastFrames 비디오 생성 vs MiniMax H3: 스톱워치와 겨루는 세 개의 보드
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100만 토큰당
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100만 토큰당
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 89 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 97 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNEWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 88 tok/s
- OrcaNEWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 134 tok/s
- OrcaNEWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 87 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100만 토큰당
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 118 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100만 토큰당 · 187 tok/s
이 비교에는 두 비디오 모델을 나란히 놓고 더 빠른 쪽을 고르는 버전도 있을 수 있고, 그렇다면 약 400단어면 충분할 것이다. 하지만 그것은 틀린 비교이기도 하다. 왜냐하면 MiniMax H3는 초 단위로 호출할 수 있는 모델이고 FastFrames Video Generation은 다운로드해서 자신이 보유한 하드웨어에서 실행하는 가중치 묶음이기 때문이다. H3는 2026년 7월 31일 옴니모달 시스템으로 출시되었다. 텍스트, 이미지, 비디오, 오디오 레퍼런스를 하나의 컨텍스트로 읽어 들이고, 네이티브 스테레오 사운드를 생성하며, 2026년 10월 8일 기준 7,284표에서 1,181 Elo로 Artificial Analysis 이미지-투-비디오 보드 2위를 기록하고 있다. FastFrames는 11월 16일 1.3B와 14B 두 개의 체크포인트로 등장했으며, Wan2.1에서 증류되어 480p 프레임 한 장을 36밀리초에 만들어 낸다. 그리고 독립적인 보드에는 어디에도 올라 있지 않다. 이 둘을 가르는 것은 품질이 아니다. 둘 중 하나는 공개 스코어보드 기록을 가진 제품이고, 다른 하나는 스톱워치를 든 논문이라는 점이다.
세 개의 보드, 하나의 모델, 그리고 각 보드가 실제로 묻고 있는 것
H3의 입장은 정확히 밝힐 가치가 있다. 사람들이 인용하는 숫자는 대개 틀린 숫자이기 때문이다.
• 이미지→비디오 — 7,284표에서 1,181 Elo로 2위, 1,195 Elo의 MiniMax H3 Max에 뒤지고 1,179 Elo의 Vidu Q4 Preview를 앞선다. 상위 3개 간 차이는 16점으로, 이는 구간 안에 있다. 즉, 시상대로 포장된 동점이다.
• 텍스트-투-비디오 — 8,315표에서 1,137 Elo로 4위. 이 모델이 상대적으로 약한 부문이자, 480p 무음 연구 모델이 출전작을 냈다면 경쟁했을 부문이기도 하다.
• 동영상 편집 — 7,023표를 바탕으로 1,119 Elo를 기록하며 4위, 텍스트 지시에 따라 오디오를 보존하면서 클립을 편집하는 모델을 평가하는 보드에서.
세 번의 등장은 서로 다른 세 가지 기능이 제출되고 측정되었음을 의미합니다: 정지 이미지에서 생성하기, 텍스트에서 생성하기, 그리고 이미 존재하는 영상을 변환하기입니다. 세 번째가 이 비교에서 가장 중요합니다. 왜냐하면 입력으로 영상을 받아들여야 하는데, FastFrames는 텍스트 외에는 아무것도 받아들이지 않기 때문입니다.
가격은 자체 모델 카드에 768p 기준 초당 $0.08, 2K 기준 초당 $0.13으로 책정되어 있으며, 이는 분당 $4.80 및 $7.80입니다 — 아레나의 가격 열에 표시되는 것과 동일한 두 수치이며, 프리미엄 버전과 저가 버전이 아니라 두 가지 해상도 등급의 동일한 모델입니다. 768p의 5초 클립 비용은 $0.40입니다.
36밀리초가 포함하지 않는 것
FastFrames의 속도는 실제이며 범용 속도가 아닙니다. 또한 그 아키텍처는 스펙 목록이 설명하지 못하는 방식으로 그 이유를 설명합니다.
두 체크포인트는 모두 Causal Forcing++라는 레시피를 통해 Wan2.1에서 증류된 자기회귀 비디오 확산 모델입니다. 저자들은 확산 트랜스포머는 대부분 그대로 두고, 그 주변에서 본질이 아니었던 두 가지를 교체했습니다. VAE 디코더는 — Causal Forcing++ 기준에서 프레임당 약 147밀리초였는데 — 프레임을 직접 출력하며 약 1밀리초에 이르는 6,387만 파라미터 픽셀 디코더가 됩니다. KV 캐시 업데이트는 1.3B 모델에서 2밀리초, 14B에서 6밀리초가 드는 작은 정제 네트워크가 됩니다. 트랜스포머는 최종 단계 동안 동결됩니다.
소형 모델에서는 프레임당 271.8밀리초가 35.8밀리초로 줄어든다. B200 한 대에서 FastFrames-S는 초당 약 28개의 요청을 처리하고 5.06초짜리 클립을 2.9초 만에 생성한다. 14B는 B200 8대에서만 45밀리초를 유지하며, 단일 GPU에서는 프레임당 158밀리초로 떨어져 결과를 보는 것보다 느리다. 720p에서는 소형 모델 기준 127밀리초이며, 논문은 H100에서의 성능 저하 폭을 25~50퍼센트로 제시한다.
숫자에 포함되지 않는 것은 H3가 시간을 쏟는 모든 요소입니다. FastFrames는 오디오를 생성하지 않습니다. 텍스트에만 조건화합니다 — 시작 프레임도, 종료 프레임도, 참조 이미지도, 확장하거나 스타일을 바꿀 클립도 없습니다. 832×480에서 81프레임, 초당 16프레임으로 생성하며, 키프레임이나 카메라 제어를 제공하는 대신 블록을 연속 연결합니다. H3가 받아들이는 네 가지 입력 모달리티 중 세 가지는 FastFrames의 추론 경로에 존재하지 않습니다.

그럼에도 불구하고 속도가 여전히 가치 있는 이유
이전 섹션을 보고 FastFrames를 쉽게 무시할 수도 있겠지만, 그건 잘못된 해석이다. 그 숫자는 마케팅용 수치가 아니다. 그것은 어떤 종류의 제품이 가능한지를 바꾼다.
단일 B200에서 프레임당 36밀리초라면, 한 번의 생성이 지켜보기도 전에 끝납니다. 이것이 미리보기 루프가 배치 작업에서 벗어나 상호작용형이 되는 임계점입니다. 입력하고, 보고, 조정하면, 기계가 그 조정을 따라잡습니다. 노드 전체에서 45밀리초인 14B 모델은 배치 처리량 관점에서는 그 지점에 도달하지만, 사람이 실제로 느끼는 단일 스트림 지연은 소형 모델의 속성입니다. H3의 공개된 표면 어디에도 그 사용 사례를 다루는 내용은 없습니다. H3는 실제 시간 1초당 생성된 프레임 수가 아니라 완성된 영상의 초 단위로 과금되기 때문입니다. 둘은 같은 측정치가 아니며, 요율표만으로는 하나에서 다른 하나를 도출할 수 없습니다.
논문이 명시하는 2차적 결과가 하나 있다. 픽셀 디코더는 기본 모델별로 학습되지만, 트랜스포머는 동결하고 배관은 학습한다는 원칙은 논문 자체의 실험에서 이미 타사 시스템에 이식되어, LingBot-World를 1.3B 변형에서 프레임당 1,085밀리초에서 52밀리초로, 14B에서 3,862밀리초에서 233밀리초로 단축했다. 이는 제품이 아니라 기법에 관한 결과이며, 이번 릴리스에서 파급 범위가 가장 넓은 부분이다.
각 측 증거의 솔직한 현황
바로 이 지점에서 이 맞대결은 어느 쪽으로도 더 이상 논쟁할 수 없게 되며, 그 두 측면 모두에 대해 솔직하게 말할 만하다.
FastFrames가 품질에 관해 주장하는 모든 것은 자체 저자들로부터 나온 것입니다. 표 1의 VBench 총점은 FastFrames-S가 84.23, FastFrames-L이 84.44이며, 272밀리초의 기준선은 84.11, 117,734밀리초의 Wan2.2 14.3B는 84.65입니다. 이를 독립적으로 재현한 사람은 아무도 없습니다. VBench는 자기회귀 모델이 생성하도록 설계된 시간적 매끄러움에 보상을 주며, Apple 자체 표에서 전체 격차는 약 2.5점인 반면 같은 모델들 사이의 지연 시간 격차는 네 자릿수(10,000배) 규모입니다. 이 표는 동등성에 관한 주장으로 읽어야지, 동등성에 대한 측정으로 읽어서는 안 됩니다.
H3의 보드 순위는 샘플 수와 신뢰구간을 함께 제시하는데, 이는 더 강력한 형태의 증거이면서 동시에 더 좁은 범위의 증거이기도 하다. 선호도 보드는 두 클립을 보여줬을 때 사람들이 어떤 출력을 선택했는지 알려줄 뿐, 각 클립의 제작 비용이 얼마였는지, 사운드가 동기화되어 있었는지, 또는 모델이 2K에서 40개 요청 버스트를 견딜 수 있을지는 알려주지 않는다. 이미지-투-비디오 보드 상단의 16포인트 격차는 이 수치들이 역량이 아니라 인식을 순위화한다는 점, 그리고 ±10 구간에서 16포인트 격차만으로 승자를 선언하는 페이지는 노이즈를 읽고 있다는 점을 잘 일깨워준다.
결국 비교는 이렇게 귀결됩니다. 한 모델은 수천 명이 투표했고 초 단위로 가격이 매겨졌으며, 다른 모델은 스톱워치와 라이선스 파일, 그리고 논문 한 편을 가지고 있습니다. 이들은 서로 다른 종류의 증거이며 어느 쪽도 다른 쪽을 대신할 수 없습니다.
서로 닮지 않은 두 가지 조달 경로
H3에서 시간을 확보하는 일과 FastFrames를 실행하는 일은 공유하는 단계가 거의 없으며, 이것이 두 가지가 같은 결정으로 이어지는 경우가 드문 실질적인 이유입니다.
• H3 — 호스팅된 엔드포인트에서 초당 요금이 768p에서 $0.08, 2K에서 $0.13이며, 공급업체 자체 API와 여러 타사 플랫폼을 통해 이용할 수 있습니다. 하드웨어도, 라이선스 검토도, CUDA도 필요 없습니다. 우리는 이를 공개 모델 API에서 minimax/minimax-h3로 라우팅하며, 공급업체의 목록 요금을 그대로 적용해 아무것도 추가하지 않고 청구하고, 카탈로그의 언어 모델과 동일한 OpenAI 호환 엔드포인트에서 호출할 수 있습니다.
• FastFrames — Linux x86-64, NVIDIA GPU, CUDA 12.8 환경에서 uv sync를 실행한 뒤 체크포인트 디렉터리와 시드를 지정해 scripts/generate.py를 호출합니다. 가중치는 Apple의 AMLR 조건을 따릅니다. 같은 저장소에 있는 LingBot-World v2 데모 구성요소는 CC BY-NC-SA 4.0으로 비상업적이며, 나머지는 Apple의 Sample Code Licence에 따릅니다. Apple은 또한 대형 모델의 모든 학습 단계 체크포인트를 공개했는데, 이는 이례적이며 대부분의 오픈 웨이트 배포에서는 볼 수 없는 방식으로 이번 릴리스를 재현 가능하게 만듭니다.
• 양쪽 모두의 숨은 비용 — H3의 초당 미터는 테이크가 좋았든 아니든 작동하며, 거부된 테이크도 승인된 테이크와 동일하게 청구됩니다. FastFrames의 GPU 미터도 같은 방식으로 작동하지만, 그 한계 요율은 하드웨어가 이미 상각되었다면 반올림 오차 수준이고, 그렇지 않다면 큰 고정 비용입니다.
패스스루 가격 책정이 우리 쪽에서 갖는 실질적인 결과 중 하나는, MiniMax가 초당 요금을 변경할 경우 그 변경이 계약 갱신 시점이 아니라 같은 날 해당 라우트에 그대로 반영되어 보인다는 점입니다. FastFrames는 변경할 요금 자체가 없습니다.
각 항목이 무엇을 위한 것인지, 바로 실행할 수 있는 문장으로 제시해 주세요.
입력이 텍스트 프롬프트가 아닐 때, 결과물에 사운드가 필요할 때, 또는 멀티턴 확장이 가능한 15초 클립이 480p의 81프레임보다 당신의 샷에 더 가까울 때는 MiniMax H3를 선택하세요. 이는 둘 중 유일하게 영상을 편집할 수 있고, 유일하게 오디오를 생성하며, 품질에 대한 주장이 해당 제품을 만든 회사의 직원이 아닌 사람들에 의해 검증된 유일한 제품입니다. 2K 요금도 해당 등급에서 대부분의 경쟁 제품보다 저렴합니다.
루프가 제품이고 프레임이 결과물이 아닐 때 FastFrames를 선택하세요 — 라이브 미리보기, 제어 가능한 월드 모델, 세션 안에서 답해야 하는 아바타, 또는 생성하는 대상이 아니라 인과적 비디오 스택이 디코딩하는 방식을 바꾸고자 하는 연구 프로그램이라면. 480p, 무음, 참조 입력 없음, 그리고 상업적으로 출시하기 전에 반드시 읽어야 하는 라이선스를 감수하세요.
FastFrames는 OrcaRouter에서 제공되지 않으며, 이 페이지는 그렇다고 주장하지 않습니다 — Apple의 가중치를 위한 호스팅 엔드포인트는 존재하지 않습니다. H3는 사정이 다릅니다. 저희는 이를 minimax/minimax-h3로 라우팅하며, Kling 3.0 패밀리와 200개 이상의 언어 모델과 함께 하나의 키로 공급자 정가에 0% 마크업, 엔드포인트 간 자동 페일오버로 제공합니다. 대안에 분기 GPU 예산을 쏟아붓기 전에 초당 과금 비디오 모델이 여러분의 파이프라인에 맞는지 확인해 볼 수 있는 저렴한 방법입니다.

이것을 진짜 승부로 만들어 줄 단 하나의 결과
두 가지가 해석을 바꿀 수 있지만, 둘 다 더 나은 데모는 아닙니다.
첫 번째는 FastFrames가 아레나 보드에 등장하는 경우입니다. 그러려면 누군가 이를 호스팅해야 하는데, 현재는 아무도 하지 않습니다 — Apple은 가중치만 공개하고 엔드포인트는 공개하지 않았으므로, 선호도 테스트가 이를 투표자들에게 제공할 방법이 없습니다. 그때까지 이 모델의 품질 주장은 전적으로 저자들의 VBench 수치에 의존하며, 이는 H3의 세 보드에 있는 어떤 모델보다도 약한 입장입니다.
두 번째는 MiniMax가 지연 시간 수치를 공개한 것입니다. H3의 요금표는 출력 시간(초)을 기준으로 책정되어 있으며, 그 구조 어디에도 독자가 36밀리초와 비교할 수 있는 프레임당 비용은 없습니다. MiniMax나 독립 테스터가 특정 해상도와 GPU에서의 초당 프레임 수를 공개한다면, 두 모델은 마침내 공통 축에서 측정 가능해질 것입니다. 그러나 그들은 그렇게 하지 않았고, 벤더의 상업적 이익에도 그것을 시작하는 것은 부합하지 않습니다.

