
FastFrames Video Generation vs HiDream O1 Video 1.0: задержка, познакомься с нарративом
- 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
Два релиза, выпущенные с разницей в десять недель, построены на противоположных представлениях о том, для чего нужна видеомодель. HiDream O1 Video 1.0 исходил из предположения, что клип — это короткометражный фильм: он планирует повествовательную дугу, генерирует от пяти до двадцати секунд в 1080p с синхронизированным звуком и рассматривает физику как ограничение, а не как эстетику. FastFrames Video Generation исходил из предположения, что кадр — это событие, которое должно прибыть прежде, чем понадобится следующий, и оптимизировал расстояние между кадрами до 36 миллисекунд — при 480p, без звука, на весах, которые Apple опубликовала 16 ноября 2026 года вместе со статьёй, датированной 17-м. Ни один не является худшей версией другого. Это ответы на разные вопросы, и выбор одного говорит всем, какой вопрос вы задавали.
Одно измеряется таблицей лидеров, другое — секундомером.
Асимметрия в доказательствах — самое важное на этой странице. HiDream O1 Video 1.0 был оценён третьей стороной; FastFrames — нет, и не мог бы в текущем виде, потому что модель «текст-в-видео» разрешением 480p без звука не вписывается в таблицу «изображение-в-видео», которая предполагает наличие звука.
• HiDream O1 Video 1.0 — шестое место в рейтинге image-to-video от Artificial Analysis с включённым аудиофильтром, Elo 1 175 ±10 на 3 231 образце, при $5,80 за минуту, в срезе от 10 октября 2026 года. Artificial Analysis указывает датой выпуска 28 августа 2026 года, датой появления в рейтинге — 10 сентября, а датой собственного анонса HiDream.ai — 17 сентября.
• FastFrames-S и FastFrames-L — без записи в таблице, без независимой оценки. Показатели VBench 84,23 и 84,44 взяты у самих авторов из таблицы 1 статьи, на тех же промптах и сидах, что и у всех базовых моделей в этой таблице.
• Утверждение, которое их связывает, — ничего не измерено. Суммарные показатели VBench и Elo не конвертируются друг в друга, и никто не прогонял оба на одних и тех же промптах.
Честный способ сравнивать качество — это отказаться от такого сравнения. Сравнивать можно возможности, задержку, цену и доступ, и по трём из этих четырёх пунктов результат совсем не близок.

Что HiDream O1 Video 1.0 даёт вам за $5.80 в минуту
Это гораздо более амбициозная система — с большим отрывом. В материалах запуска HiDream описываются три этапа — этап планирования, совместная генерация аудио и видео, а затем этап выравнивания — с постобучением на основе обучения с подкреплением для диффузионных моделей с использованием мультимодальной модели вознаграждения. На практике это проявляется в виде видеомодели, которая сама решает, какой длины должен быть клип, а не получает это указание: длительность планируется нарративно в пределах 5–20 секунд, а аудио генерируется вместе с изображением, а не накладывается afterward.
• Разрешение и длительность — 1080p, от 5 до 20 секунд; длительность планируется, а не выбирается.
• Аудио — генерируется совместно с видео и синхронизируется с ним, а не отдельным проходом.
• Conditioning — текст, изображение и видео вместе, при этом в hosted API требуется ровно одно референсное изображение.
• Физика — рассматривается как ограничение генерации, и именно это утверждение лежит в основе её Elo выше медианного.
• Доступ — размещённая конечная точка MaaS с асинхронной задачей и циклом опроса, стоимостью $5,80 за минуту вывода, что составляет около $0,097 в секунду.
• Открытые веса — нет.
API уже, чем в материалах к запуску, и именно эта деталь чаще всего застаёт команды врасплох. Публичный эндпоинт принимает ровно одно референсное изображение — в виде публичного URL или Base64 без префикса data-URL, размером от 40 КБ до 20 МБ. Промпт необязателен и по умолчанию пуст. Здесь нет ни поля для референсного видео, ни выбора разрешения — соотношение сторон наследуется от референса, — ни управления звуком. Единственный рычаг — булев параметр force_10s. И есть клиентская ловушка, о которой стоит знать до того, как вы напишете цикл опроса: когда result.status верхнего уровня достигает 1, это значит, что все подзадачи завершились, а не что они выполнились успешно. Фактические результаты лежат в sub_task_results[].task_status, где 1 — успех, 3 — ошибка генерации, а 4 — отказ по соображениям безопасности. Наивный цикл опроса пометит неудачные генерации как завершённые.
Что FastFrames даёт вам за цену одного GPU
Меньше продукта, больше машины. FastFrames — это авторегрессионная модель видео-диффузии, дистиллированная из Wan2.1: чекпойнт 1.3B из Wan2.1-T2V-1.3B, а 14B — из Wan2.1-T2V-14B, — по рецепту под названием Causal Forcing++. Её вклад — не трансформер, а то, что его окружает: VAE-декодер заменён пиксельным декодером на 63,87 млн параметров, который выдаёт 4×16×16 значений RGB на токен через три причинных блока ConvNeXt и линейную голову, сокращая декодирование примерно со 147 миллисекунд до около 1, а обновление KV-кэша превращается в небольшую уточняющую сеть — общий ствол, четыре блока внимания с 8 головами, одна остаточная голова восстановления на каждый слой DiT — стоимостью от 2 до 6 миллисекунд. Сам DiT на финальной стадии заморожен.
• Выход — 832×480, 81 кадр, 16 fps. Около 5,06 секунды на одну генерацию, с возможностью авторегрессивного связывания в цепочку.
• Задержка — 36 мс на кадр для малой модели на одном B200, 45 мс для большой модели на восьми; 158 мс для большой модели на одном GPU и 127/116 мс при 720p.
• Обусловливание — только текст. Без изображения, без видео, без ключевых кадров, без управления камерой.
• Аудио — нет.
• Доступ — веса на Hugging Face под лицензией AMLR от Apple, код на GitHub, Linux x86-64 с CUDA 12.8. Входящая в комплект демоверсия LingBot-World v2 распространяется по лицензии CC BY-NC-SA 4.0, которая запрещает коммерческое использование этой части.
• Цена — нигде нет тарифа за хостинг. Вы предоставляете оборудование.
Утверждение о качестве — если оно чего-то стоит как непроверенная цифра от вендора: общий балл VBench — 84.23 для малой модели и 84.44 для большой, против 84.11 у базового варианта Causal Forcing++ при 272 мс на кадр и 84.65 у Wan2.2 14.3B при 117 734 мс. Если эти цифры верны, модель, которая тратит на кадр всего на долю миллисекунды больше базовой, не уступает модели, работающей в две тысячи шестьсот раз медленнее. Именно это утверждение нужно проверять, а не цитировать.

Решение для трёх аудиторий
Разделите покупателей по тому, что они производят, и выбор перестанет быть сравнением.
Если вы создаёте готовое видео
HiDream O1 Video 1.0 — единственный из двух, кто выдаёт готовое видео. 1080p, звук, длительность подбирается под контент, цена посчитана за секунду, так что можно прогнозировать. При $0,097 за секунду двадцатисекундный клип стоит $1,94 — это обычная статья расходов в производственном бюджете. FastFrames не может участвовать в этом разговоре ни при каких объёмах, потому что не способен выдать файл, который кто-либо стал бы смотреть.
Если вы создаёте интерактивную систему
Всё ровно наоборот. Асинхронный цикл задач и опроса HiDream структурно не подходит для всего, что должно отвечать в пределах одного кадра — вы отправляете задачу, ждёте, получаете результат. FastFrames при 36 мс на кадр на одном B200 выдаёт быстрее, чем воспроизведение со скоростью 16 кадров/с, а это порог, при котором человек перестаёт замечать, что генерацию выполняет машина. Если ваш продукт — живой предпросмотр, аватар или управляемая сцена, в этой статье нет ни одной хостинговой модели, которая справляется с задачей, и релиз Apple — наиболее заслуживающий доверия открытый путь к этому, при условии проверки лицензии, которая для демонстрационных компонентов означает только некоммерческое использование.
Если вы оцениваете, стоит ли создавать что-либо из них
Тогда самый дешёвый эксперимент — это проверка на размещённой модели, и OrcaRouter — один ключ для размещённой стороны: MiniMax H3, ближайший размещённый сосед по амбициям HiDream, стоит рядом с Kling 3.0, Kling 3 Turbo и Kling Video O1 в одном каталоге, по списочным ценам провайдера, передаваемым с наценкой 0%, так что изменение тарифа поставщика отражается в вашем счёте в тот же день, когда оно происходит. Ни HiDream O1 Video 1.0, ни FastFrames там не обслуживаются — мы не маршрутизируем ни то, ни другое, и эта статья не утверждает обратного. Что даёт этот ключ — это способ измерить вашу собственную терпимость к задержке, прежде чем вы потратитесь на оборудование, необходимое FastFrames, потому что это измерение — единственное, что решает, стоят ли 36 миллисекунд 480p.
Что могло бы это уладить?
Один эксперимент: запустить обе на одних и тех же двадцати промптах и показать результаты людям, которые не знали, какая модель что создала. FastFrames проиграет на каждом промпте, где важны звук или детализация, и может выиграть на тех, где взгляд цепляется за согласованность движения, потому что авторегрессионная генерация хороша именно в этом. Пока кто-нибудь не проведёт его, защитимая позиция такова: HiDream O1 Video 1.0 — лучшая видеомодель, а FastFrames — лучший результат по задержке, и это два разных продукта, которые продаются — один по секундам, другой по GPU-часам.

