
Apple's FastFrames genereert video's sneller dan je ze kunt bekijken
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 89 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 97 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNIEUWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 88 tok/s
- OrcaNIEUWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 134 tok/s
- OrcaNIEUWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 88 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 119 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 mln tokens
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 mln tokens · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligentie
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligentie
Zesendertig milliseconden per frame. Dat is het getal bovenaan FastFrames Video Generation, de release die Apple op 16 november 2026 samen met Cornell publiceerde — gewichten op Hugging Face als FastFrames-S met 1,3 miljard parameters en FastFrames-L met 14 miljard, en de volgende dag een paper getiteld "FastFrames: Video Generation at Interactive Latency". Reken eerst voordat je iets anders leest: een clip is 81 frames bij 832×480 en 16 frames per seconde, dat is 5,06 seconden video. Bij 36 milliseconden per frame op één B200 maakt het kleine model die clip in 2,9 seconden. Niet sneller dan de alternatieven — sneller dan afspelen. De interessante vraag is niet of het getal klopt. Het is wat Apple heeft opgeofferd om het te bereiken, en of je met die ruil kunt leven.
Wat er daadwerkelijk is verzonden, en wanneer
Twee checkpoints, beide tekst-naar-video, beide zonder toegangsbeperking en sinds deze week downloadbaar. De Hugging Face-repositories zijn aangemaakt op 16 november 2026 en werden op de ochtend van 18 november nog aangepast; de arXiv-preprint (2611.23226) is gedateerd op 17 november. Dit is dus een release van twee dagen oud, geen model met een bewezen staat van dienst, en niets hiervan is onafhankelijk geëvalueerd. Alles wat volgt is ofwel de eigen meting van de auteurs ofwel een eigenschap van de gepubliceerde weights.
• Formaten — FastFrames-S met 1,3B parameters, FastFrames-L met 14B (14,3B als de toegevoegde heads worden meegeteld).
• Basismodellen — respectievelijk gedistilleerd uit Wan2.1-T2V-1.3B en Wan2.1-T2V-14B, met behulp van een recept dat de auteurs Causal Forcing++ noemen.
• Uitvoer — 832×480 bij 16 fps, 81 frames per generatie, autoregressief zodat clips aan elkaar gekoppeld kunnen worden.
• Gewichten — open op Hugging Face, voorzien van Apple's AMLR-licentie; de democode van LingBot-World v2 valt onder CC BY-NC-SA 4.0, wat niet-commercieel is, en de rest van de repository valt onder Apple's Sample Code Licence.
• Prijzen — geen. Er is geen gehost FastFrames-endpoint van Apple; je draait het op je eigen GPU's.
Die laatste regel is degene die je je eigen moet maken. FastFrames is een onderzoeksrelease met downloadbare gewichten, wat iets anders is dan een product. Er is geen tarief per seconde, geen wachtrij, geen SLA en geen manier om het aan te roepen zonder een NVIDIA GPU en CUDA 12.8.

Waar de milliseconden naartoe gingen
Het architectonische idee is beperkter dan "een sneller model" en interessanter. FastFrames is een autoregressief videodiffusiemodel, wat betekent dat het een blok frames genereert op basis van wat ervoor kwam. In de baseline waarop het is gebouwd, Causal Forcing++, kost het genereren van één blok van 81 frames 271,8 milliseconden per frame, en een groot deel daarvan is helemaal niet de transformer — het is de variationele autoencoder die latente representaties terug naar pixels decodeert, plus de stap die de KV-cache bijwerkt zodat het volgende blok weet wat er in dit blok is gebeurd.
Het team van Apple verving beide uiteinden van die lus door kleine geleerde netwerken en liet de diffusietransformer ongemoeid.
• De VAE-decoder is verdwenen. Een pixeldecoder van 63,87 miljoen parameters — drie causale ConvNeXt-blokken en een laatste lineaire laag die per token 4×16×16 RGB-waarden afgeeft — produceert rechtstreeks frames. Het decoderen daalt van ongeveer 147 milliseconden naar ruwweg 1 millisecond.
• De KV-cache-update is nu een klein netwerk. Een gedeelde stam, vier self-attentionblokken met 8 heads en één residual repair-head per DiT-laag, wat 2 milliseconden kost op het kleine model en 6 op het grote.
• De transformer zelf veranderde nauwelijks en is tijdens de laatste fase bevroren. Bij het 1,3B-model gaat de DiT-tijd van 41,6 naar 16,4 milliseconden; bij het 14B-model van 89,2 naar 75,6.
Tel die op bij het 1,3B-model en 271,8 milliseconden wordt 35,8. Dat is de hele truc, en het is een goede: de auteurs hebben geen diffusie-transformer sneller gemaakt, ze hebben de onderdelen eromheen verwijderd die er nooit toe deden. De pixeldecoder is ongeveer een week getraind op 32 B200's over 150.000 rollouts, met een adversariële fase op 8 B200's met een bevroren DINOv3 ViT-S/16-discriminator om te voorkomen dat hij zachte frames produceert.
De kwaliteitsclaim, en wie die heeft gecontroleerd
Dit is het deel dat een label nodig heeft. De onderstaande VBench-cijfers zijn van de auteurs zelf, uitgevoerd op dezelfde prompts en seeds bij 480p, en gerapporteerd in Tabel 1 van het paper. Geen enkele onafhankelijke partij heeft ze gereproduceerd, en VBench is een benchmark die de soort temporele gladheid beloont waarin autoregressieve modellen goed zijn. Zie ze als een bewering over pariteit, niet als een meting daarvan.
• FastFrames-S — 84,23 VBench-totaal, 85,30 kwaliteit, 79,92 semantisch, bij 36 ms per frame.
• FastFrames-L — 84,44 totaal, 85,48 kwaliteit, 80,29 semantisch, bij 45 ms per frame op acht B200's.
• Causal Forcing++, de baseline waaruit het werd gedistilleerd — 84,11 totaal bij 272 ms per frame, dus ongeveer 7,6× langzamer voor 0,1 tot 0,3 punten minder.
• Krea-Realtime — 84,42 totaal bij 1.675 ms per frame; het paper claimt vergelijkbaar realisme, promptnaleving, compositie en tekstweergave bij meer dan tien keer de snelheid.
• Self-Forcing — 84.10 bij 717 ms; CausVid 83.18 bij 662 ms; LongLive2.0 83.65 bij 505 ms.
• Wan2.1 1.3B, het basismodel — 83,80 bij 30.444 ms per frame.
• Wan2.2 14.3B — 84,65 bij 117.734 ms per frame. Dat is een getal om even bij stil te staan: het beste totaal in de tabel, tegen ongeveer 2.600 keer de kosten per frame van FastFrames-L.
• MiniMax-H3 33,1B — 84,43 bij 38.454 ms; HunyuanVideo1.5 8,3B — 83,18 bij 1.555.508 ms.
Het patroon is een vlak kwaliteitsplateau van 83 tot 85,5 bij elk model op de lijst, en een latentieverschil van vier ordes van grootte. Wat de VBench-totaalscore ook meet, die onderscheidt deze systemen al een tijd niet meer. Wat ze nu onderscheidt, is hoe snel ze draaien en welke resolutie en audio ze kunnen produceren — en FastFrames wint de eerste kolom met afstand, terwijl het de tweede ronduit verliest.
Wat 36 milliseconden per frame werkelijk oplevert
Zet het om naar de eenheden waar een productmens om geeft. De auteurs rapporteren zowel doorvoer als latency, en die twee vertellen verschillende verhalen, afhankelijk van hoeveel GPU's je hebt.
• FastFrames-S, één B200 — 36 ms per frame, ongeveer 28 aanvragen per seconde. Een clip van 5 seconden in 2,9 seconden, ofwel 1,7× sneller dan je hem kunt bekijken.
FastFrames-L, acht B200's — 45 ms per frame, ongeveer 22 requests per seconde. Een clip van 5 seconden in 3,6 seconden.
• FastFrames-L, één GPU — 158 ms per frame, ongeveer 6,3 verzoeken per seconde. Dezelfde clip in 12,8 seconden, wat langzamer is dan afspelen. Het grote model wordt pas interactief wanneer je het over een node verdeelt.
• Bij 720p — 127 ms per frame voor het kleine model en 116 ms voor het grote model op acht GPU's, het punt waarop "interactief" niet langer klopt voor een sessie met één stream.
• Op H100 in plaats van B200 — volgens het artikel bedraagt de penalty 25 tot 50 procent, dus het kleine model komt uit op ongeveer 45 tot 54 ms per frame.
De bewering die standhoudt, is die over het kleine model op huidige hardware. FastFrames-S op één B200 is echt sneller dan realtime, en dat is wat een live preview-loop, een streaming avatar of een bestuurbaar wereldmodel haalbaar maakt zonder renderfarm. De 14B is alleen interactief in de zin van gebatchte doorvoer.
Het zelf draaien
De repository bevat een werkend inferentiepad, niet alleen gewichten. Je hebt Linux x86-64, een NVIDIA-GPU en CUDA 12.8 nodig; daarna uv sync, en uv run python scripts/generate.py --model ff-l --checkpoint-dir checkpoints --prompt "..." --seed 0 --output outputs/clip.mp4. Er is een latency-benchmarkscript dat het aantal GPU's als parameter neemt, een VBench-evaluatieworkflow, en een demo-app onder apps/lingbot die op poort 8000 draait. Apple heeft ook alle checkpoints per trainingsfase voor het grote model gepubliceerd — de causale teacher, de consistency-distilled fase, de DMD-distilled fase, en de uiteindelijke generator met zijn pixeldecoder en KV-refinementnetwerk — wat ongebruikelijk is en de release reproduceerbaar maakt op een manier waarop de meeste "open weights"-releases dat niet zijn.

Als je geen GPU's hebt, is de eerlijke boodschap dat OrcaRouter FastFrames niet aanbiedt, en niemand anders ook niet — er is geen gehost endpoint om naar te routeren. Wat één OrcaRouter-sleutel wel dekt, zijn de gehoste videomodellen die vandaag al werken, waaronder Kling 3.0 en Kling 3 Turbo, Kling Video O1 en MiniMax H3, tegen de lijstprijzen van de provider, doorgegeven met 0% opslag, zodat een prijswijziging van de leverancier je dezelfde dag bereikt in plaats van bij de volgende factureringscyclus. De verstandige aanpak voor een team dat nieuwsgierig is naar FastFrames, is om het productidee te prototypen met een gehost model waarvan je de latentie kunt meten, en pas GPU-tijd te kopen als je weet dat de loop de moeite waard is.
Wat het niet kan
Drie beperkingen, en geen ervan wordt volgende week gepatcht.
• Resolutie — 480p, punt uit. Apple rapporteert 720p-latentiecijfers, maar de uitgebrachte configuratie is 832×480. Elke concurrent in deze prijsklasse biedt minstens 1080p.
• Audio — geen. FastFrames is stil. Veo, Kling, Grok Imagine en HiDream genereren allemaal gesynchroniseerd audio in dezelfde aanroep.
• Duur en controle — 81 frames per generatie met autoregressieve chaining, alleen tekstprompts. Geen beeldconditionering, geen referentie-assets, geen keyframes, geen camerabesturing, geen extensie-API.
• Licentie — de modelgewichten vallen onder Apple's AMLR-voorwaarden, en de LingBot-World v2-componenten zijn CC BY-NC-SA 4.0. Lees dat voordat je een commercieel product op de demo-app bouwt; "open gewichten" en "vrij om te commercialiseren" zijn geen synoniemen en deze release is bewust zorgvuldig over het verschil.
Het ding om in de gaten te houden
FastFrames kun je het beste begrijpen als een demonstratie dat de kosten van autoregressieve videogeneratie nooit grotendeels het model waren. Het waren de decode en de cache-update, en Apple schrapte beide voor ongeveer twee milliseconden en een megabyte aan parameters. Dat resultaat is overdraagbaar: de pixeldecoder wordt per basismodel getraind, maar het principe — bevries de transformer, leer de plumbing — geldt voor elke causale videodiffusiestack, en het artikel laat al zien dat het naar twee systemen van derden is overgezet, waardoor LingBot-World op de 1.3B-variant van 1.085 naar 52 milliseconden per frame gaat en op de 14B van 3.862 naar 233.
Wat dat voor een koper betekent: als je product een videomodel in een realtime lus nodig heeft, is de hardwarevereiste net met een orde van grootte gedaald en lijken de kwaliteitskosten klein te zijn. Als je product een afgewerkte clip in 1080p met geluid nodig heeft, is niets in deze release op jou gericht, en blijven de gehoste modellen het antwoord. Het gat tussen die twee use cases is waar de komende twaalf maanden aan videomodelreleases zullen worden uitgevochten.

