Cartão principal comparando FastFrames Video Generation e Runway Gen-4.5, com o cartão esquerdo exibindo "832x480 a 16 fps", "36 ms por quadro" e "sem entradas de referência", e o cartão direito exibindo "720p, 24 ou 25 fps", "2 a 10 segundos" e "$0,12 por segundo", com o logotipo OrcaRouter no canto inferior direito.
Guides & Insights

Geração de Vídeo FastFrames vs Runway Gen-4.5: Quando 720p Encontra 480p

Autor

Gideon Frost

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Coloque os dois números de resolução lado a lado e algo útil acontece a esta comparação: ela perde força. Runway Gen-4.5 gera em 720p, em clipes de dois a dez segundos, a 24 ou 25 quadros por segundo, a 12 créditos por segundo gerado — cerca de US$ 0,12 por segundo no nível de desenvolvedor, em que um crédito vale um centavo, com uma sobretaxa documentada de cinco créditos por segundo para exportação em ProRes ou sequência PNG. FastFrames Video Generation gera em 832×480, 81 quadros a 16 fps, em 36 milissegundos por quadro em uma única B200, sem áudio, apenas a partir de um prompt de texto. Um desses tetos é 720p e o outro é 480p, e a diferença entre eles é menor do que a diferença entre qualquer um deles e um master em 4K. O que está realmente muito distante é tudo o que acontece antes e depois da renderização: o Gen-4.5 é a parte de geração de uma plataforma de estúdio com ferramentas próprias de edição, exportação e cor; o FastFrames é um par de checkpoints e um arquivo de licença.

Os dois tetos, comparados honestamente

A resolução é o eixo em que os leitores esperam uma derrota esmagadora e, em vez disso, recebem uma pergunta mais restrita.

• Gen-4.5 — geração em 720p, com um direito a upscale para 4K no nível do plano que é uma operação separada e não torna a geração original 4K nativa. As dimensões do download, e não o rótulo de exportação, são o que você compara.

• FastFrames — 832×480 fixo. Não há configuração de resolução, nem opção de 720p, nem caminho de upscale no repositório. A Apple informa números de latência de 720p no artigo, mas a configuração disponibilizada é 480p.

• Taxa de quadros — O Gen-4.5 expõe 24 ou 25 fps como parâmetro, o que é um requisito real de entrega para transmissão e para qualquer pessoa que precise corresponder a material existente. O FastFrames é fixado em 16 fps, e isso é uma propriedade do modelo destilado, e não uma configuração que alguém esqueceu de expor.

• Duração — Gen-4.5 oferece de dois a dez segundos em uma única geração. O FastFrames fornece 81 quadros, o que equivale a 5,06 segundos, e alcança durações mais longas por encadeamento autorregressivo.

Então: uma diferença de 1,5× na contagem de pixels, uma diferença na taxa de quadros que importa mais do que a de resolução, e um teto de duração aproximadamente semelhante. Se o seu entregável é vídeo social em 720p a 24 fps, o FastFrames não é candidato — não porque 480p seja inutilizável, mas porque 16 fps é, e porque não há caminho de 480p/16 para 720p/24 que não envolva inventar quadros. Se o seu entregável é uma pré-visualização ao vivo ou um loop de controle em que a taxa de quadros é uma propriedade da interação e não do arquivo, o parâmetro de 24 fps do Gen-4.5 é irrelevante e seu teto de 720p é um custo que você está pagando por nada.

O que os créditos estão comprando, e o que a conta de GPU está comprando

Ambos os modelos podem ter o custo calculado antes de você pressionar gerar, o que os coloca à frente de qualquer coisa medida por tokens ou pelas decisões do próprio modelo. As unidades ainda não batem.

• Gen-4.5 — 12 créditos por segundo gerado, valor fixo, em uma tabela de preços em que a configuração de saída quase não varia. Uma geração de cinco segundos custa 60 créditos, US$ 0,60 a US$ 0,01 por crédito. Dez segundos são 120 créditos, US$ 1,20. Saída em ProRes ou sequência PNG eleva para 85 créditos, US$ 0,85, no caso de cinco segundos. Todos esses números podem ser conhecidos de antemão.

• FastFrames — nenhuma taxa. O custo é uma B200 por 2,9 segundos (modelo pequeno, clipe de 5 segundos) ou oito B200s por 3,6 segundos (modelo grande). Se o hardware é seu, isso é um erro de arredondamento. Se não for, é um contrato de instância reservada precificado em semanas.

• A tomada que você descarta — o Gen-4.5 cobra por segundo gerado, independentemente de a tomada ter sido utilizável. O FastFrames cobra os mesmos segundos de GPU por uma tomada ruim quanto por uma boa, que é o modo de falha mais barato por uma margem ampla e o motivo pelo qual fluxos de trabalho exploratórios gravitam em torno da cobrança por segundo de GPU.

• O que nenhuma das tabelas de preços informa — material aceito não é material gerado. A própria documentação da Runway diferencia gerações tentadas de resultados aceitos, e todo orçamento baseado na tarifa anunciada pressupõe uma taxa de acerto. Orce por clipe entregue, incluindo as tomadas que você descarta.

A precificação do Runway tem uma característica que merece ser destacada porque é genuinamente boa: a tarifa fixa por segundo faz com que um orçamento para 720p seja um cálculo de uma linha, independentemente das configurações escolhidas. O FastFrames não tem preço, portanto não tem essa característica — em vez disso, tem uma dependência de hardware, e dependências de hardware são orçadas anualmente, não por projeto.

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.

A plataforma é a parte que não está na ficha técnica.

O Gen-4.5 não chega sozinho, e fingir que chega deturparia o que um comprador recebe.

O trabalho de vídeo para vídeo passa pelas ferramentas separadas Modify Video da Runway, e não pelo caminho de condicionamento do próprio modelo, o que significa que o fluxo de trabalho de edição existe, mas é uma superfície diferente com comportamento próprio. Os perfis HDR estão documentados no lado do desenvolvedor com suas próprias sobretaxas. Há áudio nativo no modelo, e ferramentas de áudio separadas da Runway ficam ao lado dele. A exportação de sequências ProRes e PNG está documentada e precificada, em vez de oculta.

O FastFrames não tem nada disso e também tem algo que o Runway não tem: todo o pipeline de treino. A Apple publicou todos os checkpoints das etapas de treino do modelo grande — o professor causal, a etapa destilada por consistência, a etapa destilada por DMD e o gerador final com o seu descodificador de píxeis e rede de refinamento KV — além de um caminho de inferência funcional, um script de benchmark de latência que recebe um número de GPUs, um fluxo de trabalho de avaliação VBench e uma aplicação de demonstração em apps/lingbot. Isso é um artefacto reproduzível, não um serviço. Se o seu interesse é saber como uma stack de vídeo causal pode ser tornada interativa, esse artefacto vale mais do que qualquer endpoint alojado; se o seu interesse é lançar um produto comercial na sexta-feira, não vale absolutamente nada.

A licença é onde isso deixa de ser abstrato. Os pesos do FastFrames carregam os termos AMLR da Apple, os componentes de demonstração do LingBot-World v2 estão sob CC BY-NC-SA 4.0 — não comercial — e o restante do repositório está sob a Licença de Código de Exemplo da Apple. A Runway vende um serviço comercial com termos comerciais. Qualquer pessoa que planeje criar um produto sobre o FastFrames precisa ler três licenças antes de escrever uma linha de código, e a cláusula não comercial dos componentes de demonstração é o tipo de coisa que é descoberta tarde e com custo alto.

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.

O que cada lado mediu e quem fez a medição

A Runway descreve o Gen-4.5, em sua própria página de pesquisa, como seu modelo de geração de vídeo mais avançado, com melhorias na qualidade do movimento, na aderência ao prompt e na consistência temporal, disponível em todos os planos pagos. Trata-se de uma alegação de capacidade sem números anexados. O Gen-4.5 não aparece nas vinte e oito primeiras linhas do ranking image-to-video do Artificial Analysis — o que não é uma afirmação de que o modelo seja fraco, mas sim uma afirmação sobre o que a Runway optou por submeter, e isso de fato muda o tipo de decisão em questão. Não há Elo independente para o Gen-4.5 nem contagem de amostras.

A FastFrames publica números, e todos são seus. Totais do VBench de 84,23 para o de 1.3B e 84,44 para o de 14B, contra 84,11 da linha de base Causal Forcing++ da qual foi destilado a 272 milissegundos por quadro. Não reproduzido por ninguém independente, em um benchmark que recompensa a suavidade temporal que os modelos autorregressivos são projetados para produzir, em uma tabela cuja amplitude total é de cerca de dois pontos e meio, enquanto a amplitude de latência é de quatro ordens de magnitude. Relatado pelo fornecedor, no sentido estrito, e rotulado como tal em todos os lugares em que aparece aqui.

Portanto, os dois modelos têm o mesmo status probatório — alegações não verificadas dos fornecedores — e essa simetria é, em si, a constatação. Uma página que os classificasse estaria inventando uma hierarquia a partir de dois conjuntos de dados não avaliados.

Qual deles, por trabalho

Escolha o Runway Gen-4.5 quando o entregável for um clipe curto em 720p que precise se encaixar em um fluxo de trabalho do Runway, quando a exportação em ProRes ou sequência PNG for uma exigência, e não um luxo, quando 24 ou 25 fps for uma especificação inegociável, ou quando a tarifa fixa de créditos tornar possível definir um orçamento de projeto. Aceite o teto de geração em 720p e o upscale que não é a mesma coisa que 4K nativo.

Use FastFrames quando a interação é o produto e o arquivo é um subproduto — uma prévia ao vivo, um avatar em streaming, um modelo de mundo controlável ou um programa de pesquisa que quer a técnica em vez do resultado. Aceite 480p, 16 fps, silêncio, sem condicionamento por imagem e uma revisão de licença. A única coisa que você obtém que o Gen-4.5 não consegue oferecer a nenhum custo em créditos é um quadro a cada 36 milissegundos em uma única placa, e o enquadramento honesto disso não é “geração de vídeo mais rápida”, mas “uma classe diferente de aplicação”.

O OrcaRouter não oferece Runway Gen-4.5 nem FastFrames — não há rota para nenhum dos dois no catálogo, e este texto não afirma isso. O que uma única chave alcança é a camada de vídeo hospedada que já funciona hoje: MiniMax H3 a US$ 0,08 por segundo em 768p e US$ 0,13 em 2K, além da família Kling 3.0, lado a lado com mais de 200 modelos de linguagem em um endpoint compatível com OpenAI, pelo preço de tabela do provedor e com 0% de markup, de modo que uma mudança de tarifa do fornecedor entra no ar aqui no mesmo dia e um endpoint degradado faz failover em vez de travar uma fila. Para uma equipe que precisa decidir entre uma plataforma medida por créditos e um lançamento de pesquisa medido por GPU, essa é a maneira mais barata disponível de obter primeiro uma linha de base real de custo e latência.

O que resolveria isso

O envio do Gen-4.5 pela Runway ao ranking de imagem para vídeo substituiria a assimetria central desta página por um número real, e um nível de geração acima de 720p removeria o único ponto em que esses dois modelos estão genuinamente próximos. Por outro lado, o FastFrames precisa de um endpoint hospedado antes que qualquer ranking de preferência possa medi-lo, e a Apple publicou pesos sem um.

Até que uma delas aconteça, a decisão não depende nada da qualidade. Depende da taxa de quadros, de se precisa de um ficheiro ou de um stream, e de se a sua equipa jurídica prefere analisar uma página de termos de serviço ou três licenças ao mesmo tempo.

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.