Главная карточка, сравнивающая FastFrames Video Generation и Vidu Q4 Preview: левая карточка — «832x480, без звука», «36 мс на кадр» и «только текстовый запрос», правая карточка — «до 4K», «15 референсов изображений, 3 аудиореференса» и «от 3 до 16 секунд», логотип OrcaRouter в правом нижнем углу.
Guides & Insights

FastFrames Video Generation vs Vidu Q4 Preview: 4K-превью против 480p-цикла

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

Vidu Q4 Preview стоит особняком в этой серии, потому что слово в его названии несёт реальную смысловую нагрузку: это preview-сборка, выпущенная 7 октября 2026 года компанией Shengshu Technology, и собственные материалы Shengshu представляют её как версию, которая собирает обратную связь, формирующую финальную модель. FastFrames Video Generation тоже не является продуктом, но по противоположной причине — это завершённое исследование, опубликованное в виде весов 16 ноября, без эндпоинта, без цены и без дорожной карты ни по тому, ни по другому. Поставьте их рядом — и получите две модели, которые обе недоступны в том смысле, который важен для сотрудника закупок, но находятся по разные стороны одного и того же разрыва: у Vidu Q4 Preview есть работающий API и тарифная сетка, и её в итоге заменят; у FastFrames вообще нет API, и её не заменят. Далее речь пойдёт о том, какое из этих двух отсутствий обойдётся вам дороже.

Тарифная карта — это первая по-настоящему сопоставимая вещь.

Vidu Q4 Preview — одна из немногих моделей в этой области, которая публикует посекундную ставку с разбивкой по уровням разрешения, благодаря чему её арифметика становится понятной так, как у большинства её конкурентов — нет.

• 540p — 9 кредитов в секунду, около $0,045 по опубликованной Shengshu стандартной ставке за кредит в размере $0,005.

• 720p — 19 кредитов в секунду, около $0,095.

• 1080p — 24 кредита в секунду, около $0,12.

• 2K — 38 кредитов в секунду, около $0,19.

• 4K — 78 кредитов в секунду, примерно $0,39, или около $0,72 за шестнадцатисекундный клип по базовой ставке до скидок.

• FastFrames — ничего. Ни тарифа, ни хоста, ни очереди. Стоимость — один B200 за 2,9 секунды астрономического времени на малой модели или восемь B200 за 3,6 секунды на большой, на каждый 5-секундный клип.

О двух вещах в кривой Vidu стоит сказать прямо, потому что их легко неверно истолковать. Цифра $0.014 в секунду, сопровождавшая анонс запуска, относится к уровню 540p при льготной кредитной ставке, а не к общей ставке. Кроме того, платформа проводит ограниченные по времени пакетные скидки до 30% на наборы кредитов, которые снижают все уровни вместе, а не меняют форму кривой. Планируйте исходя из кривой по базовым ставкам; рассматривайте скидку как временную компенсацию, которой может не оказаться к моменту выпуска вашего проекта.

Сравнение, которое из этого следует, — не «один дешевле». У Vidu Q4 Preview есть нижний порог — тариф 540p для блокинга, цена которого рассчитана ровно на его назначение: проверить композицию, прежде чем платить за рендер в полном разрешении, — а у FastFrames тарифов вообще нет, потому что у него нет биллинговой поверхности. Если ваша работа включает итеративную доработку кадра в низком разрешении перед утверждением, тариф 540p у Vidu — это реальная продуктовая функция, а фиксированные 480p у FastFrames — не то же самое, даже если числа близки.

Две модели, созданные для противоположных задач в рамках одного брифа

Списки возможностей почти не пересекаются, и это самый полезный факт в этом сравнении.

• Разрешение — Vidu Q4 Preview нативно генерирует в 540p, 720p, 1080p, 2K и 4K, с 10-битным цветом на двух верхних уровнях. FastFrames — 832×480 без настроек и без возможности апскейла.

• Длительность — Vidu Q4 Preview работает от 3 до 16 секунд в Image-to-Video и от 1 до 16 секунд в Reference-to-Video. FastFrames — это 81 кадр при 16 fps, 5,06 секунды; продление возможно только путём объединения в цепочку.

• Входные данные — Vidu Q4 Preview документирует две конечные точки, /ent/v2/img2video и /ent/v2/reference2video, принимающие до 15 изображений персонажей, сцен и стиля, а также до 3 mp3-аудиореференсов длительностью от 3 до 12 секунд для клонирования голоса. FastFrames принимает текстовый промпт и seed. Не меньший лимит референсов — а никакого лимита референсов.

• Покрытие режимов — в документации Vidu Q4 Preview не описаны ни путь «текст-в-видео», ни путь редактирования видео. FastFrames поддерживает только «текст-в-видео». В совокупности у обоих отсутствует каждый режим, которого не хватает одному из них.

• Аудио — Vidu Q4 Preview генерирует аудио и видео вместе: параметр audio в эндпоинте image-to-video выводит диалоги и звуковые эффекты, а также обеспечивает согласованность референсного голоса. FastFrames работает без звука.

• Задержка — FastFrames заявляет 36 миллисекунд на кадр на одном B200, 45 на восьми для модели 14B и 158 миллисекунд на одном GPU для крупной модели. Vidu Q4 Preview не публикует показатель задержки на кадр, который можно было бы проверить на этой странице.

Прочитайте эти шесть строк вместе — и две модели почти дополняют друг друга. Vidu Q4 Preview — та, что сохраняет состав персонажей, генерирует звук и выдаёт 4K; FastFrames — та, что создаёт кадры быстрее, чем вы успеваете их смотреть, из текста, в 480p, без звука. Ни одна из них не заменяет другую ни по одному из шести пунктов.

A two-column scoreboard comparing FastFrames and Vidu Q4 Preview across six dimensions: resolution 832x480 against up to 4K, clip length 81 frames against 3 to 16 seconds, image references none against up to 15, audio references none against up to 3, audio none against generated dialogue and sound, and price GPU time you supply against 9 to 78 credits per second.

Позиция совета, и почему это предостережение, а не вердикт

У Vidu Q4 Preview есть независимая оценка, и её стоит внимательно прочитать, а не просто цитировать.

По состоянию на 8 октября 2026 года в таблице лидеров преобразования изображения в видео на Artificial Analysis она занимает третье место с 1 179 Elo при 5 543 голосах. Первое место — MiniMax H3 Max с 1 195, второе — MiniMax H3 с 1 181. Первую и третью позиции разделяют шестнадцать пунктов при интервалах примерно ±10 и ±11. Это статистическая ничья, поданная как пьедестал, и любая страница, которая начинается с объявления победителя в этой таблице, читает шум. Что голоса действительно устанавливают, так это то, что результат Vidu Q4 Preview конкурентоспособен с лидерами поля в задаче, которую уже оценили тысячи людей.

У FastFrames нет такой записи, и она не может её получить, пока не размещена на хостинге. Её заявление о качестве — это собственные показатели VBench её авторов: 84,23 для чекпоинта 1.3B и 84,44 для 14B против 84,11 у базовой линии Causal Forcing++ при 272 миллисекундах на кадр и 84,65 у Wan2.2 14.3B при 117 734 миллисекундах. Ни один независимый исследователь их не воспроизвёл, а VBench поощряет временную гладкость, в которой сильны авторегрессионные модели. Весь разброс качества в таблице — около двух с половиной баллов; разброс задержки — четыре порядка. Это честный аргумент в пользу того, что бенчмарк перестал различать модели, и нечестный способ утверждать, что модель так же хороша, как её соседи.

Ещё одно предостережение конкретно насчёт показателя Vidu: голоса относятся к октябрю 2026 года и были поданы против состава участников, который с тех пор изменился. Модель, вышедшая на арену позже, или предварительная сборка, заменённая финальным релизом, перестраивают таблицу, хотя ни одна из перечисленных моделей не улучшилась и не ухудшилась. Всегда читайте дату вместе с цифрой.

Чем вам обходится «предварительная версия» и чем вам обходится «исследовательский релиз»

Оба ярлыка честны, и оба влекут за собой коммерческие последствия, которые стоит разъяснить.

Preview-сборка — это риск с точки зрения лицензирования и непрерывности. Ценообразование и доступность функций Vidu Q4 Preview, по формулировке самой Shengshu, — это то, что окончательно определяется к полному релизу; а значит, тарифная сетка, на которую вы закладываете бюджет сегодня, может не совпасть с той, по которой вам выставят счёт через шесть месяцев, а функция, на которую вы опираетесь при разработке, может измениться. Компенсирующее преимущество в том, что preview существует: есть API, есть документация, есть два именованных эндпоинта, есть канал поддержки и есть заявленный вектор развития.

Исследовательский релиз — это риск иного рода. На веса FastFrames распространяются условия Apple AMLR, демонстрационные компоненты LingBot-World v2 в том же репозитории распространяются по CC BY-NC-SA 4.0 — некоммерческой лицензии, — а остальное — под Apple's Sample Code Licence. Нет ни эндпоинта, ни SLA, ни поддержки, ни политики устаревания, потому что нет сервиса. Взамен вы получаете неизменность и возможность проверки: веса не будут отозваны, статья не будет переписана, а Apple опубликовала каждый чекпоинт каждой стадии обучения крупной модели — каузального учителя, стадии дистилляции согласованности, стадии DMD-дистилляции и финального генератора с его пиксельным декодером и сетью уточнения KV, — что делает этот релиз воспроизводимым так, как почти ничто другое в этой области.

Требования к аппаратному обеспечению — это разделительная линия для большинства команд. FastFrames требует Linux x86-64, GPU NVIDIA и CUDA 12.8, а затем uv sync и скрипт генерации. Vidu Q4 Preview требует учётной записи и API-ключа. Именно эта фраза решает исход сравнения для большего числа организаций, чем любая разница в Elo.

Который из них, вкратце?

Выбирайте Vidu Q4 Preview, когда задача — согласованность персонажей и голоса, когда генерация в нативном 4K с 10-битным цветом является требованием к сдаче, когда на входе набор референсов или стоп-кадр, а не промпт, или когда ваш процесс на самом деле предполагает дешёвый черновой проход в 540p перед переходом к полному разрешению. Учитывайте, что это предварительная версия, что цены могут в итоге сложиться иначе и что в ней не описаны ни сценарий text-to-video, ни сценарий редактирования.

Выбирайте FastFrames, когда конечный результат — это зацикленное видео: живой предпросмотр, стриминговый аватар, управляемая модель мира, — и когда беззвучный результат 480p по текстовому промпту — это именно то, что нужно продукту, а не компромисс. Примите проверку лицензии, парк GPU, отсутствие референсных входных данных и тот факт, что ничто в этом релизе не нацелено на результат 1080p со звуком.

OrcaRouter не маршрутизирует Vidu Q4 Preview — в каталоге нет идентификатора Vidu — и не размещает FastFrames, у которого нет эндпоинта, на который кто-либо мог бы маршрутизировать. Что действительно даёт один ключ, так это размещённый видеослой с опубликованными посекундными тарифами: MiniMax H3 по $0.08 за секунду при 768p и $0.13 при 2K, а также семейство Kling 3.0 — наряду с более чем 200 языковыми моделями на одном OpenAI-совместимом эндпоинте, по прайс-листовым ценам провайдеров, передаваемым с наценкой 0% и автоматическим переключением между эндпоинтами при сбое. Для команды, взвешивающей превью-сборку против исследовательского релиза, ни один из которых сегодня не является надёжной ставкой для продакшена, именно этот каталог — то место, где можно получить стабильный посекундный базовый ориентир до принятия любого из этих решений.

Что бы это решило?

Два события, и никаких других. Полноценный релиз Vidu Q4, который удержит свою позицию в таблице на той же кривой «за секунду», превратил бы превью в производственное обязательство и снял бы риск непрерывности; релиз, добавляющий эндпоинт «текст — видео», поставил бы его на те же таблицы, что и всё остальное, и сделал бы сравнение прямым. С другой стороны, размещение FastFrames у Apple по любой цене — или у кого угодно ещё — дало бы модели запись на арене и независимое измерение задержки, а это единственное, что позволило бы читателю оценить 36 миллисекунд хоть в каком-то сопоставлении, а не любоваться ими в вакууме.

Ни то, ни другое на момент написания этого текста не произошло. Так что решение остаётся там, где оно обычно и находится: зависит от поставляемого результата, от лицензии и от того, предпочтёте ли вы арендовать предварительный просмотр или владеть бумажным экземпляром.

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.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.
© 2026 OrcaRouter