
FastFrames Video Generation vs Grok Imagine Video: обе авторегрессивные, но выпущена только одна
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 89 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 97 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaНОВИНКАOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 88 tok/s
- OrcaНОВИНКАOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 134 tok/s
- OrcaНОВИНКАOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 88 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 119 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 за 1 млн токенов
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 за 1 млн токенов · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Интеллект
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Интеллект
Самый близкий к техническому собрату продукт, который есть у FastFrames Video Generation в продакшене сегодня, — это Grok Imagine Video, и сходство это не поверхностное. Оба генерируют видео авторегрессионно — каждый блок обусловлен предшествующими кадрами — и оба используют эту структуру, чтобы продлевать клип, а не отрисовывать фиксированное окно. Релиз Apple, опубликованный 16 ноября 2026 года вместе со статьёй 17-го, использует её, чтобы достигать 36 миллисекунд на кадр на одном GPU. Релиз xAI использует её, чтобы позволить продолжать сцену до пятнадцати секунд со звуком. Разница в том, что один из них — скачиваемый исследовательский артефакт, а другой присутствует в публичном API с января 2026 года, и именно эта разница — а не таблица бенчмарков — решает исход противостояния для любого, у кого есть дедлайн.
Сколько стоит каждый из них — в тех единицах, в которых вы бы на самом деле планировали бюджет.
У FastFrames нет цены, потому что покупать нечего. Веса доступны на Hugging Face по лицензии AMLR от Apple, и единственная статья расходов — оборудование: один B200 для модели 1.3B или восемь для 14B, чтобы сохранять интерактивность, плюс CUDA 12.8 и Linux. Grok Imagine Video продаётся посекундно, а Artificial Analysis указывает его как цену за минуту, из-за чего расчёты получаются необычно простыми.
• Grok Imagine Video, первоначальный выпуск — $4.20 за минуту готового видео, что составляет $0.07 в секунду. 15-секундный клип стоит около $1.05.
• Grok Imagine Video 1.5 — 8,40 $ в минуту, 0,14 $ в секунду, примерно 2,10 $ за те же пятнадцать секунд.
• Grok Imagine Video 1.5 Lite в категории «текст — видео» — также $8.40 за минуту; это ценовая странность, которую стоит отметить, а не объяснять.
• FastFrames-S — без тарифа. Один B200 по цене примерно от $2 до $4 за GPU-час, генерируя 28 пятисекундных клипов на каждую секунду реального времени в теоретическом пределе, так что предельная стоимость приближается к стоимости электроэнергии.
• FastFrames-L — то же самое, но на восьми GPU, и вот здесь аргумент о «дешевизне» становится менее убедительным.
История с затратами становится выгодной для FastFrames только при больших объёмах и только если у вас уже есть GPU. Для команды, которая арендует GPU, точка окупаемости настолько далека, что причиной выбрать это решение должна быть задержка, а не цена.

Где Grok Imagine Video просто впереди
Три реализованные возможности, которых у FastFrames нет ни в каком виде.
• Разрешение — Grok Imagine Video выдаёт 480p, 720p или 1080p в зависимости от вызова; FastFrames фиксировано на 832×480.
• Аудио — xAI генерирует изображение и звук вместе, с речью, синхронизированной по губам, и до трёх предустановленных голосовых референсов; FastFrames создаёт видео без звука и не имеет аудиотракта.
• Панель управления — до 14 референсных изображений, до четырёх ключевых кадров в середине видео плюс первый и последний кадры, а также продления, сцепленные от последнего кадра вплоть до пятнадцати секунд; FastFrames принимает текстовый запрос — и это весь интерфейс.
По измеренному качеству семейство Grok находится в середине таблицы, а не на вершине — согласно срезам Artificial Analysis за октябрь 2026 года: исходная версия занимала тринадцатое место в таблице image-to-video с Elo 1 072 ±7 по 14 371 образцу, Grok Imagine Video 1.5 — девятое место с 1 098 ±8 по 5 267 образцам, а уровень 1.5 Lite — шестнадцатое место в text-to-video с 993 ±10 по 5 715 образцам. Таким образом, обновление 1.5 дало около 26 пунктов Elo — реальное улучшение на границе доверительных интервалов, а не качественный скачок — при вдвое большей цене за секунду. Это сторонние цифры за октябрь; у FastFrames нет записи в таблице для сравнения, а собственные итоговые показатели Apple по VBench — 84,23 и 84,44 для малой и большой моделей — несопоставимы с Elo.
Где FastFrames впереди — и это лишь одна ось
Скорость — и прежде всего скорость, а также цель, которой эта скорость служит. Grok Imagine Video — это система запрос-ответ: вы отправляете запрос, ждёте и получаете клип. FastFrames-S на одном B200 возвращает кадры за 36 миллисекунд каждый — 28 в секунду совокупной пропускной способности — что быстрее, чем воспроизводится поток с частотой 16 кадров/с. Модели 14B требуется восемь B200, чтобы достичь 45 мс на кадр; на одном GPU этот показатель возрастает до 158 мс, и модель перестаёт быть интерактивной.
Это не столько число, заставляющее Grok выглядеть медленным, сколько число, описывающее другой продукт. xAI продаёт готовые короткие клипы со звуком. Apple опубликовала компонент для цикла в реальном времени — и продемонстрировала его, сделав интерактивными чужие системы: время на кадр для варианта 1.3B от LingBot-World снизилось с 1,085 до 52 мс, а для его 14B — с 3,862 до 233, при этом RealWonder 1.3B — с 1,141 до 51. К тому же ни одна из этих систем не выдаёт звук в разрешении 1080p. Реалистичная трактовка такова: FastFrames — это техника, ждущая продукта, и техника хороша: замена декодирования VAE пиксельным декодером с 63.87 млн параметров сокращает этот этап примерно со 147 мс примерно до 1 мс, а небольшая сеть уточнения KV заменяет обновление кэша, занимая 2–6 мс.
Лицензионная ловушка, о которой никто не упоминает в таблице бенчмарков
FastFrames открыт в узком, осторожном смысле. Веса модели распространяются на условиях Apple AMLR. Код и веса LingBot-World v2, поставляемые вместе с ним в качестве демо, распространяются по лицензии CC BY-NC-SA 4.0 — некоммерческой, с сохранением условий. Остальная часть репозитория — под лицензией Apple Sample Code Licence. Если вы планировали встроить демо-приложение в коммерческий продукт, лицензия остановит вас раньше, чем ограничение в 480p. У Grok Imagine Video нет такой неоднозначности: это API, вы платите за секунду, а условия представляют собой соглашение об оказании услуг, а не предоставление прав на веса.
Эту сделку стоит назвать прямо, потому что «открытые веса» используются как краткое обозначение «свободно использовать», а этот релиз таковым не является.

Как выбрать между ними
Спросите, что происходит после того, как клип уже существует. Если человек смотрит его один раз и идёт дальше — пост в соцсети, раскадровка, вариант рекламы — Grok Imagine Video от $0.07 до $0.14 в секунду со звуком и 1080p — более дешёвый и лучший ответ, и FastFrames не может конкурировать по качеству результата, потому что не создаёт готовый результат. Если клип — это входные данные для чего-то другого — превью, которое обновляется по мере ввода пользователем, персонаж, который реагирует в пределах кадра, исследуемая модель мира — тогда оплата за клип и очередь запросов совершенно не подходят, и FastFrames-S на одном GPU — единственное в этом сравнении, что подходит.
Для промежуточного сценария, когда нужно проверить, стоит ли создавать интерактивный формат ещё до покупки оборудования, самый дешёвый путь — прототипировать на облачной модели, к которой можно обратиться уже сегодня. OrcaRouter покрывает облачные видеомодели по одному ключу по прайс-листу провайдера с наценкой 0% — среди них Kling 3.0, Kling 3 Turbo, Kling Video O1 и MiniMax H3 — а сквозная передача по фиксированной цене означает, что изменение цены поставщика отражается в вашем счёте в тот же день, а не при продлении. Grok Imagine Video и FastFrames оба отсутствуют в этом каталоге: мы не предоставляем ни один из них, и ничто здесь не подразумевает обратного. Что один ключ действительно даёт, так это стабильный способ измерить, какую задержку готовы терпеть ваши пользователи, — а это число показывает, относится ли релиз Apple к вашей дорожной карте вообще.
Честное резюме
Grok Imagine Video — лучший видеогенератор по всем параметрам, кроме того, который оптимизировала Apple, и этот параметр Apple оптимизировала сильнее, чем кто-либо другой. Через два года интересный вопрос будет не в том, кто из этих двух быстрее, потому что хостинговая сторона достаточно подтянется, и это различие перестанет иметь значение для большинства продуктов. Он будет в том, позволяет ли какое-либо хостинговое решение управлять генерацией, пока она ещё рендерится. Именно эту возможность демонстрирует FastFrames, и ни один API в этом сравнении её не предлагает.

