Hero-kort som jämför FastFrames Video Generation och Vidu Q4 Preview, där det vänstra kortet visar "832x480, tyst", "36 ms per bildruta" och "endast textprompt", och det högra kortet visar "upp till 4K", "15 bildreferenser, 3 ljudreferenser" och "3 till 16 sekunder", med OrcaRouter-logotypen längst ner till höger.
Guides & Insights

FastFrames Video Generation vs Vidu Q4 Preview: En 4K-förhandsvisning mot en 480p-loop

Författare

jinhao.song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Vidu Q4 Preview är det udda inslaget i den här serien, eftersom ordet i namnet gör verkligt arbete: det är en förhandsversion som släpptes den 7 oktober 2026 av Shengshu Technology, och Shengshus eget material beskriver den som den version som samlar in feedbacken som formar den slutliga modellen. FastFrames Video Generation är inte heller en produkt, men av motsatt anledning – det är färdig forskning som publicerades som vikter den 16 november, utan endpoint, utan pris och utan färdplan för någon av dem. Ställ dem sida vid sida och du får två modeller som båda är otillgängliga på det sätt en inköpare bryr sig om, på varsin sida av samma gap: Vidu Q4 Preview har ett API i produktion och en prislista och kommer att ersättas; FastFrames har inget API alls och kommer inte att ersättas. Det följande handlar om vilken av dessa två frånvaron kostar dig mer.

Prislistan är det första som verkligen är jämförbart.

Vidu Q4 Preview är en av få modeller inom detta område som publicerar en sekundtaxa per upplösningsnivå, vilket gör dess aritmetik begriplig på ett sätt som de flesta av dess konkurrenters inte är.

• 540p – 9 krediter per sekund, cirka $0,045 vid Shengshus publicerade standardkreditpris på $0,005.

• 720p — 19 krediter per sekund, cirka 0,095 USD.

• 1080p — 24 krediter per sekund, cirka $0,12.

• 2K — 38 krediter per sekund, cirka 0,19 USD.

• 4K — 78 krediter per sekund, ungefär $0,39, eller cirka $0,72 för ett sexton sekunder långt klipp till listpris före rabatter.

FastFrames — ingenting. Ingen taxa, ingen värd, ingen kö. Kostnaden är en B200 för 2,9 sekunders väggklockstid på den lilla modellen, eller åtta B200:or för 3,6 sekunder på den stora, per 5-sekundersklipp.

Två saker om Vidu-kurvan är värda att nämna eftersom de är lätta att misstolka. Siffran $0.014 per sekund som åtföljde lanseringsmeddelandet avser 540p-nivån till ett rabatterat kreditpris, inte en generell taxa. Och plattformen kör tidsbegränsade paketrabatter på upp till 30 % på kreditpaket, vilka flyttar varje nivå nedåt tillsammans i stället för att ändra kurvans form. Planera utifrån listpriskurvan; behandla rabatten som en tillfällig kompensation som kanske inte finns kvar när ditt projekt levereras.

Jämförelsen som blir resultatet är inte "den ena är billigare". Vidu Q4 Preview har en lägstanivå – en 540p-nivå för blocking som är prissatt för precis det den används till: att prova en komposition innan man betalar för en rendering i full upplösning – och FastFrames har inga nivåer alls, eftersom det inte har någon faktureringsyta. Om ditt arbete innebär att iterera en tagning i låg upplösning innan du går vidare, är Vidus 540p-nivå en verklig produktfunktion och FastFrames fasta 480p är inte samma sak, även om siffrorna ligger nära varandra.

Två modeller byggda för olika ändar av samma brief

Funktionslistorna överlappar knappt, och det är det mest användbara faktumet i den här jämförelsen.

• Upplösning – Vidu Q4 Preview genererar inbyggt i 540p, 720p, 1080p, 2K och 4K, med 10-bitars färg på de två högsta nivåerna. FastFrames är 832×480 utan inställningsmöjlighet och utan uppskalningsväg.

• Varaktighet — Vidu Q4 Preview har en varaktighet på 3 till 16 sekunder för Image-to-Video och 1 till 16 sekunder för Reference-to-Video. FastFrames är 81 bildrutor vid 16 fps, 5,06 sekunder, och förlängs endast genom kedjning.

• Indata — Vidu Q4 Preview dokumenterar två slutpunkter, /ent/v2/img2video och /ent/v2/reference2video, som tar emot upp till 15 bilder fördelade på karaktärer, scener och stil samt upp till 3 mp3-ljudreferenser på 3 till 12 sekunder för röstkloning. FastFrames tar en textprompt och ett seed. Inte en mindre referensbudget — ingen referensbudget.

• Lägestäckning — Vidu Q4 Preview dokumenterar ingen väg för text-till-video och ingen väg för videoredigering. FastFrames är endast text-till-video. Sammantaget saknas i båda varje läge som den ena av dem saknar.

• Ljud — Vidu Q4 Preview genererar ljud och video tillsammans, med en ljudparameter i slutpunkten för bild-till-video som ger dialog och ljudeffekter samt konsekvent referensröst. FastFrames är tyst.

• Latens – FastFrames publicerar 36 millisekunder per bildruta på en B200, 45 på åtta för 14B-modellen och 158 millisekunder på en enda GPU för den stora modellen. Vidu Q4 Preview publicerar ingen latenssiffra per bildruta som den här sidan kunde verifiera.

Läs de sex raderna tillsammans, och de två modellerna är nästan komplementära. Vidu Q4 Preview är den som håller en ensemble, genererar ljud och levererar 4K; FastFrames är den som producerar bildrutor snabbare än du kan titta på dem, från text, i 480p, tyst. Ingen av dem ersätter den andra på någon av de sex.

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.

Styrelsens ståndpunkt, och varför det är en varning snarare än en dom

Vidu Q4 Preview har ett oberoende betyg och det förtjänar att läsas noggrant snarare än att citeras.

På image-to-video-tavlan hos Artificial Analysis, avläst den 8 oktober 2026, ligger den trea med 1 179 Elo efter 5 543 röster. Ettan är MiniMax H3 Max med 1 195, tvåan är MiniMax H3 med 1 181. Sexton poäng skiljer ettan från trean, med intervall på ungefär ±10 och ±11. Det är ett statistiskt dödläge utklätt till en pallplats, och varje sida som inleds med att utropa en vinnare på den tavlan läser brus. Det rösterna däremot fastställer är att Vidu Q4 Previews resultat är konkurrenskraftigt mot toppen av fältet i en uppgift som tusentals människor nu har bedömt.

FastFrames har inget sådant resultat och kan inte skaffa ett så länge det inte är hostat. Dess kvalitetsanspråk är författarnas egna VBench-siffror – 84,23 för 1,3B-checkpointen och 84,44 för 14B, mot 84,11 för Causal Forcing++-baslinjen vid 272 millisekunder per bildruta och 84,65 för Wan2.2 14,3B vid 117 734 millisekunder. Ingen oberoende part har reproducerat dem, och VBench belönar den tidsmässiga jämnhet som autoregressiva modeller är bra på. Hela kvalitetsspridningen i tabellen är omkring två och en halv poäng; latensspridningen är fyra storleksordningar. Det är ett rimligt argument för att benchmarken har slutat särskilja, och ett orättvist sätt att hävda att en modell är lika bra som sina grannar.

Ytterligare en varning om just Vidus siffra: rösterna är från oktober 2026 och avgavs mot ett fält som sedan dess har förändrats. En modell som kommer in i arenan senare, eller en förhandsversion som ersätts av en allmän version, sorterar om resultattavlan utan att någon av de listade modellerna förbättras eller försämras. Läs alltid datumet tillsammans med siffran.

Vad "förhandsvisning" kostar dig, och vad "forskningsutgåva" kostar dig

Båda etiketterna är ärliga och båda har kommersiella konsekvenser som är värda att redogöra för.

En förhandsversion är en licens- och kontinuitetsrisk. Vidu Q4 Preview:s prissättning och funktionstillgänglighet är, enligt Shengshus egen formulering, sådant som fastställs vid den slutliga lanseringen – vilket innebär att den prislista du budgeterar efter i dag kanske inte är den som du faktureras enligt om sex månader, och en funktion som du bygger på kan ändra form. Den kompenserande fördelen är att förhandsversionen finns: det finns ett API, det finns dokumentation, det finns två namngivna slutpunkter, det finns en supportväg och det finns en angiven färdriktning.

En forskningsrelease är en annan risk. FastFrames vikter omfattas av Apples AMLR-villkor, demo-komponenterna för LingBot-World v2 i samma repository är CC BY-NC-SA 4.0 – icke-kommersiellt – och resten lyder under Apples Sample Code Licence. Det finns ingen endpoint, inget SLA, ingen support och ingen policy för utfasning, eftersom det inte finns någon tjänst. Vad du får i utbyte är beständighet och granskningsbarhet: vikterna kommer inte att dras tillbaka, artikeln kommer inte att skrivas om, och Apple publicerade varje checkpoint för träningsstadierna för den stora modellen – den kausala läraren, det konsistensdestillerade steget, det DMD-destillerade steget och den slutliga generatorn med sin pixelavkodare och sitt KV-förfiningsnätverk – vilket gör releasen reproducerbar på ett sätt som nästan inget annat inom detta område är.

Hårdvarukravet är skiljelinjen för de flesta team. FastFrames kräver Linux x86-64, ett NVIDIA-grafikkort och CUDA 12.8, därefter uv sync och ett genereringsskript. Vidu Q4 Preview kräver ett konto och en API-nyckel. Den meningen avgör jämförelsen för fler organisationer än någon Elo-skillnad kommer att göra.

Vilken, i korthet?

Välj Vidu Q4 Preview när jobbet handlar om konsistens i rollbesättning och röst, när inbyggd 4K-generering i 10-bitars färg är ett leveranskrav, när indata är en referensuppsättning eller en stillbild i stället för en prompt, eller när en billig 540p-blockeringsgenomgång före en slutgiltig körning i full upplösning är så din process faktiskt fungerar. Acceptera att det är en förhandsversion, att prissättningen kan landa annorlunda och att den inte dokumenterar någon text-till-video- eller redigeringsväg.

Ta FastFrames när loopen är själva leveransen – en liveförhandsvisning, en strömmande avatar, en styrbar världsmodell – och när tyst 480p från en textprompt är rätt form för produkten snarare än en kompromiss. Acceptera licensgranskningen, GPU-flottan, avsaknaden av referensindata och det faktum att ingenting i den här utgåvan är inriktat på en leverans i 1080p med ljud.

OrcaRouter dirigerar inte Vidu Q4 Preview – det finns ingen Vidu-identifierare i katalogen – och den är inte värd för FastFrames, som saknar slutpunkt för någon att dirigera till. Det en enda nyckel faktiskt erbjuder är det hostade videolagret med publicerade priser per sekund: MiniMax H3 till $0,08 per sekund vid 768p och $0,13 vid 2K, samt Kling 3.0-familjen, tillsammans med över 200 språkmodeller på en enda OpenAI-kompatibel slutpunkt, till leverantörernas listpriser som vidarebefordras med 0 % påslag och med automatisk failover mellan slutpunkter. För ett team som väger en förhandsversion mot en forskningsrelease, där ingen av dem är ett säkert produktionsval i dag, är den katalogen platsen att hämta en stabil baslinje per sekund innan något av besluten fattas.

Vad skulle avgöra det?

Två händelser och inga andra. En fullständig Vidu Q4-lansering som behåller sin position på resultattavlan vid samma persekundskurva skulle förvandla förhandsversionen till ett produktionsåtagande och eliminera kontinuitetsrisken; en lansering som lägger till en text-till-video-slutpunkt skulle sätta den på samma resultattavlor som allt annat och göra jämförelsen direkt. Å andra sidan skulle Apple som hostar FastFrames till vilket pris som helst – eller någon annan som hostar det – ge modellen en plats i en arena och en oberoende latensmätning, vilket är det enda som skulle låta en läsare bedöma 36 millisekunder mot något annat i stället för att beundra det isolerat.

Inget av detta har inträffat när detta skrivs. Det gör att beslutet ligger där det brukar: på leveransen, på licensen och på om du hellre vill hyra en förhandsvisning eller äga ett papper.

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.