Hero-kaart voor een vergelijking van FastFrames Video Generation en MiniMax H3, met links drie badges met de tekst '36 ms per frame', '832x480, zonder geluid' en '81 frames', en rechts drie met de tekst '1.181 Elo image-to-video', 'native stereoaudio' en '$0,08 per seconde', met het OrcaRouter-logo rechtsonder.
Engineering & Research

FastFrames-videogeneratie vs. MiniMax H3: drie boards tegen een stopwatch

Auteur

Gideon Frost

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

Er is een versie van deze vergelijking die twee videomodellen naast elkaar zet en de snelste kiest, en die zou ongeveer vierhonderd woorden kosten. Die zou ook onjuist zijn, want MiniMax H3 is een model dat je per seconde kunt aanroepen en FastFrames Video Generation is een set gewichten die je downloadt en op hardware draait die je zelf bezit. H3 werd gelanceerd op 31 juli 2026 als een omni-modaal systeem dat tekst-, beeld-, video- en audiomateriaal als één context leest, native stereogeluid genereert en de tweede plaats bezet op het Artificial Analysis image-to-video-board met 1.181 Elo uit 7.284 stemmen, zoals gelezen op 8 oktober 2026. FastFrames verscheen op 16 november als twee checkpoints, 1,3B en 14B, gedistilleerd uit Wan2.1 om een 480p-frame in 36 milliseconden te produceren — en het verschijnt op geen enkel onafhankelijk board. Wat hen onderscheidt, is niet de kwaliteit. Het is dat een van deze een product is met een openbaar scorebordrecord en de andere een paper met een stopwatch.

Drie boards, één model, en wat elke board eigenlijk vraagt

Het loont om de standpunten van H3 precies te verwoorden, want het getal dat mensen citeren is meestal het verkeerde.

• Afbeelding-naar-video — tweede met 1.181 Elo op basis van 7.284 stemmen, achter MiniMax H3 Max met 1.195 en voor Vidu Q4 Preview met 1.179. De top drie ligt binnen zestien punten van elkaar, wat binnen de intervallen valt; dat is een gelijkspel in de gedaante van een podium.

• Tekst-naar-video — vierde met 1.137 Elo over 8.315 stemmen. Het zwakkere leaderboard van het model, en het leaderboard waarop een stil 480p-onderzoeksmodel zou meedoen als het een inzending had.

• Videobewerking — vierde met 1.119 Elo bij 7.023 stemmen, op een ranglijst die modellen beoordeelt op het bewerken van een clip volgens een tekstinstructie met behoud van de audio.

Drie vermeldingen betekenen dat er drie verschillende mogelijkheden zijn ingediend en gemeten: genereren vanuit een stilstaand beeld, genereren vanuit tekst, en het transformeren van bestaande footage. De derde is degene die het meest telt voor deze vergelijking, omdat daarvoor video als invoer nodig is, en FastFrames accepteert niets anders dan tekst.

De prijsstelling staat op onze eigen modelkaart: $0,08 per seconde bij 768p en $0,13 per seconde bij 2K, wat neerkomt op $4,80 en $7,80 per minuut — dezelfde twee cijfers die in de prijskolom van de arena staan, en hetzelfde model in twee resolutieniveaus in plaats van een premium- en een goedkope versie. Een clip van 5 seconden bij 768p kost $0,40.

Wat 36 milliseconden niet bevat

De snelheid van FastFrames is reëel en het is geen snelheid voor algemeen gebruik, en de architectuur verklaart waarom op een manier die een specificatielijst niet doet.

Both checkpoints zijn autoregressieve videodiffusiemodellen die uit Wan2.1 zijn gedistilleerd via een recept genaamd Causal Forcing++. De auteurs lieten de diffusietransformer grotendeels ongemoeid en vervingen de twee dingen eromheen die er nooit toe deden. De VAE-decoder — ongeveer 147 milliseconden per frame in de Causal Forcing++-baseline — wordt een pixeldecoder met 63,87 miljoen parameters die frames rechtstreeks afgeeft en rond 1 milliseconde uitkomt. De KV-cache-update wordt een klein verfijningsnetwerk dat 2 milliseconden kost op het 1,3B-model en 6 op het 14B-model. De transformer wordt tijdens de laatste fase bevroren.

Bij het kleine model gaat dat van 271,8 milliseconden per frame naar 35,8. Op één B200 draait FastFrames-S ongeveer 28 requests per seconde en produceert een clip van 5,06 seconden in 2,9 seconden. De 14B haalt 45 milliseconden alleen met acht B200's; op één GPU zakt dat naar 158 milliseconden per frame, wat langzamer is dan naar het resultaat kijken. Bij 720p is dat 127 milliseconden op het kleine model, en het artikel schat de H100-penalty op 25 tot 50 procent.

Wat dat aantal niet omvat, is alles waar H3 zijn tijd aan besteedt. FastFrames produceert geen audio. Het conditioneert uitsluitend op tekst: geen beginframe, geen eindframe, geen referentieafbeelding, geen clip om uit te breiden of te restylen. Het genereert 81 frames bij 832×480 en 16 frames per seconde, en het schakelt blokken aaneen in plaats van keyframe- of camerabesturing te bieden. Drie van de vier invoermodaliteiten die H3 accepteert, komen niet voor in het inferentiepad van FastFrames.

A two-column scoreboard comparing FastFrames and MiniMax H3 across six dimensions: independent score none against 1,181 Elo, resolution 832x480 against 2K, clip length 81 frames against 4 to 15 seconds, audio none against native stereo, inputs text only against text, image, video and audio, and price GPU time you supply against $0.08 per second.

Waarom snelheid desondanks toch nog iets waard is

Het zou gemakkelijk zijn om FastFrames na de vorige sectie af te schrijven, maar dat zou een verkeerde interpretatie zijn. Dat getal is geen marketingcijfer; het verandert wat voor soort product mogelijk is.

Bij 36 milliseconden per frame op één B200 is een generatie klaar voordat je ernaar kunt kijken. Dat is de drempel waarop een preview-lus ophoudt een batchtaak te zijn en interactief wordt: je typt, je ziet, je past aan, en de machine houdt de aanpassing bij. Een 14B-model op 45 milliseconden over een node komt daar in de zin van gebatchte doorvoer wel, maar de single-stream latency die een mens daadwerkelijk voelt, is de eigenschap van het kleine model. Niets in het gepubliceerde oppervlak van H3 adresseert dat gebruiksscenario, omdat H3 wordt afgerekend in seconden voltooide footage in plaats van in frames die per seconde kloktijd worden geproduceerd — dat zijn niet dezelfde metingen en met de tariefkaart kun je de ene niet uit de andere afleiden.

Er is een tweedeordegevolg dat het artikel expliciet maakt. De pixeldecoder wordt per basismodel getraind, maar het principe — bevries de transformer, leer de infrastructuur — is in de eigen experimenten van het artikel al overgedragen naar systemen van derden, waardoor LingBot-World op de 1,3B-variant van 1.085 naar 52 milliseconden per frame ging en op de 14B van 3.862 naar 233. Dat is een resultaat over een techniek, niet over een product, en het is het deel van deze release met de grootste reikwijdte.

De eerlijke stand van het bewijs aan beide zijden

Dit is het punt waarop de vergelijking in geen van beide richtingen nog discutabel is, en het loont om over beide helften ronduit te zijn.

Alles wat FastFrames over kwaliteit beweert, is afkomstig van zijn eigen auteurs. De VBench-totalen in Tabel 1 zijn 84,23 voor FastFrames-S en 84,44 voor FastFrames-L, tegenover 84,11 voor de baseline bij 272 milliseconden en 84,65 voor Wan2.2 14.3B bij 117.734 milliseconden. Geen enkele onafhankelijke partij heeft ze gereproduceerd. VBench beloont de temporele gladheid waarvoor autoregressieve modellen zijn gemaakt, en de volledige spreiding in Apples eigen tabel is ongeveer tweeënhalf punt, terwijl de latentiespreiding over dezelfde modellen vier ordes van grootte beslaat. Lees de tabel als een bewering over pariteit, niet als een meting ervan.

De posities van H3 op de boards gaan gepaard met steekproefaantallen en betrouwbaarheidsintervallen, wat een sterkere vorm van bewijs is en tegelijk een beperktere. Een voorkeursboard vertelt je welke output mensen kozen toen hun twee clips werden getoond; het zegt niets over wat het produceren van elk van beide clips kostte, of het geluid synchroon liep, of het model een burst van 40 verzoeken bij 2K zou overleven. De spreiding van zestien punten bovenaan het image-to-video-board is een goede herinnering eraan dat deze cijfers percepties rangschikken, niet capaciteiten, en dat elke pagina die een winnaar uitroept op basis van een gat van zestien punten bij ±10-intervallen, ruis leest.

Dus de vergelijking komt hierop neer: het ene model is door duizenden mensen beoordeeld en per seconde geprijsd, en het andere heeft een stopwatch, een licentiebestand en een paper. Dat zijn verschillende soorten bewijs, en geen van beide vervangt het andere.

Twee inkooptrajecten die niet op elkaar lijken

Tijd inkopen op H3 en FastFrames draaien omvatten vrijwel geen gedeelde stappen, en dat is de praktische reden waarom ze zelden in dezelfde beslissing terechtkomen.

• H3 — een tarief per seconde op een gehost endpoint, tegen $0,08 bij 768p en $0,13 bij 2K, via de eigen API van de leverancier en via meerdere platforms van derden. Geen hardware, geen licentiereview, geen CUDA. We routeren het als minimax/minimax-h3 op de publieke model-API, gefactureerd tegen de lijstprijs van de leverancier en doorgegeven zonder enige toeslag, aanroepbaar via hetzelfde OpenAI-compatibele endpoint als de taalmodellen in de catalogus.

• FastFrames — Linux x86-64, een NVIDIA-GPU, CUDA 12.8, daarna uv sync en een aanroep van scripts/generate.py met een checkpointmap en een seed. De gewichten vallen onder de AMLR-voorwaarden van Apple; de demo-onderdelen van LingBot-World v2 in dezelfde repository vallen onder CC BY-NC-SA 4.0, wat niet-commercieel is; de rest valt onder Apple's Sample Code Licence. Apple heeft ook elke checkpoint uit elke trainingsfase voor het grote model gepubliceerd, wat ongebruikelijk is en de release reproduceerbaar maakt op een manier waarop de meeste open-weight-releases dat niet zijn.

• De verborgen kosten aan beide kanten — de meter per seconde van H3 loopt door, of de take nu goed was of niet, en een afgekeurde take kost evenveel als een geaccepteerde. De GPU-meter van FastFrames werkt op dezelfde manier, maar tegen een marginaal tarief dat een afrondingsfout is als de hardware al is afgeschreven, en een grote vaste kostenpost als dat niet zo is.

Een praktisch gevolg van pass-through-prijzen aan onze kant: wanneer MiniMax een tarief per seconde wijzigt, is die wijziging dezelfde dag zichtbaar op de route in plaats van bij contractverlenging. FastFrames heeft geen tarief om te wijzigen.

Waar elk van hen voor dient, geformuleerd als een zin waarop je kunt handelen.

Kies MiniMax H3 wanneer de invoer iets anders is dan een tekstprompt, wanneer het eindproduct geluid nodig heeft, of wanneer een clip van vijftien seconden met multi-turn-extensie dichter bij je shot zit dan 81 frames van 480p. Het is de enige van de twee die footage kan bewerken, de enige die audio genereert, en de enige waarvan de kwaliteitsclaim is getest door mensen die niet werken voor het bedrijf dat hem heeft gemaakt. Het 2K-tarief is ook goedkoper dan dat van de meeste concurrenten in die categorie.

Kies FastFrames wanneer de loop het product is en het frame niet het eindproduct — een live preview, een bestuurbaar wereldmodel, een avatar die binnen een sessie moet antwoorden, of een onderzoeksprogramma dat wil veranderen hoe een causale videostack decodeert in plaats van wat die genereert. Accepteer 480p, stilte, geen referentie-inputs en een licentie die je moet lezen voordat je iets commercieels uitbrengt.

FastFrames wordt niet aangeboden door OrcaRouter, en deze pagina beweert dat ook niet — er is geen gehost endpoint voor Apple's weights. H3 is een ander verhaal: we routeren het als minimax/minimax-h3, naast de Kling 3.0-familie en meer dan 200 taalmodellen, op één key tegen de lijstprijs van de provider met 0% markup en automatische failover tussen endpoints. Dat is de goedkope manier om erachter te komen of een videomodel per seconde in je pipeline past voordat je een kwart van je GPU-budget aan het alternatief besteedt.

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.

De enige uitslag die dit een echte wedstrijd zou maken

Twee dingen zouden de interpretatie veranderen, en geen van beide is een betere demo.

Het eerste is dat FastFrames op een arena-bord verschijnt. Daarvoor moet iemand het hosten, en op dit moment doet niemand dat — Apple heeft wel weights gepubliceerd, maar geen endpoint, dus er is geen manier waarop een preferentietest het aan kiezers kan voorleggen. Tot die tijd berust de kwaliteitsclaim van het model volledig op de VBench-cijfers van de auteurs, wat een zwakkere positie is dan die van welk model dan ook op de drie borden van H3.

Het tweede is dat MiniMax een latentiecijfer publiceert. De tariefkaart van H3 is uitgedrukt in seconden output, en nergens in die structuur staat een kostenpost per frame die een lezer zou kunnen vergelijken met 36 milliseconden. Als MiniMax of een onafhankelijke tester frames per seconde bij een gegeven resolutie en GPU zou publiceren, zouden de twee modellen eindelijk meetbaar zijn op een gedeelde as. Dat hebben ze niet gedaan, en het is niet in het commerciële belang van de leverancier om daarmee te beginnen.

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.