
Tạo video FastFrames so với HiDream O1 Video 1.0: Độ trễ, gặp tự sự
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 89 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 97 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaMỚIOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 88 tok/s
- OrcaMỚIOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 134 tok/s
- OrcaMỚIOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 trên 1 triệu token · 88 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 119 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 trên 1 triệu token
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 trên 1 triệu token · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Trí tuệ
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Trí tuệ
Hai bản phát hành, cách nhau mười tuần, được xây dựng trên những niềm tin trái ngược về mục đích của một mô hình video. HiDream O1 Video 1.0 bắt đầu từ giả định rằng một clip là một phim ngắn: nó lập kế hoạch cho một mạch truyện, tạo ra năm đến hai mươi giây ở 1080p với âm thanh đồng bộ, và coi vật lý là một ràng buộc chứ không phải một yếu tố thẩm mỹ. FastFrames Video Generation bắt đầu từ giả định rằng một khung hình là một sự kiện phải đến trước khi cần đến khung tiếp theo, và nó đã tối ưu hóa khoảng cách giữa các khung hình xuống còn 36 mili giây — ở 480p, không có âm thanh, trên các trọng số mà Apple công bố vào ngày 16 tháng 11 năm 2026 cùng với một bài báo đề ngày 17. Không cái nào là phiên bản tệ hơn của cái kia. Chúng là câu trả lời cho những câu hỏi khác nhau, và việc chọn một cái sẽ cho mọi người biết bạn đang hỏi câu hỏi nào.
Một cái được đo bằng bảng xếp hạng, cái kia bằng đồng hồ bấm giờ.
Sự bất đối xứng trong bằng chứng là điều quan trọng nhất trên trang này. HiDream O1 Video 1.0 đã được một bên thứ ba xếp hạng; FastFrames thì chưa, và không thể được xếp hạng ở dạng hiện tại, vì một mô hình văn bản-thành-video 480p không có âm thanh không phù hợp để đưa vào một bảng xếp hạng hình ảnh-thành-video vốn mặc định có âm thanh.
• HiDream O1 Video 1.0 — đứng thứ sáu trên bảng xếp hạng image-to-video của Artificial Analysis khi bật bộ lọc âm thanh, Elo 1.175 ±10 trên 3.231 mẫu, với giá 5,80 USD mỗi phút, trong bản ghi ngày 10 tháng 10 năm 2026. Artificial Analysis ghi nhận ngày phát hành là 28 tháng 8 năm 2026, mục trên bảng xếp hạng là ngày 10 tháng 9, và thông báo của chính HiDream.ai là ngày 17 tháng 9.
• FastFrames-S và FastFrames-L — không có mục trên bảng xếp hạng, không có đánh giá độc lập. Tổng điểm VBench 84,23 và 84,44 là của chính các tác giả, lấy từ Bảng 1 của bài báo, trên cùng các prompt và seed như mọi baseline trong bảng đó.
• Luận điểm kết nối chúng — không có gì được đo lường. Tổng VBench và Elo không thể quy đổi, và chưa ai chạy cả hai trên cùng một tập prompt.
Vậy cách trung thực để so sánh chất lượng là từ chối so sánh. Những gì có thể so sánh là năng lực, độ trễ, giá cả và khả năng tiếp cận, và ở ba trong bốn điều đó, câu trả lời không hề sát nút.

HiDream O1 Video 1.0 mang đến cho bạn những gì với giá 5,80 USD mỗi phút
Đây là một hệ thống tham vọng hơn hẳn. Tài liệu ra mắt của HiDream mô tả ba giai đoạn — một lượt lập kế hoạch, tạo âm thanh-video đồng thời, rồi một giai đoạn căn chỉnh — với hậu huấn luyện bằng học tăng cường khuếch tán dựa trên một mô hình phần thưởng đa phương thức. Trên thực tế, điều đó thể hiện ở một mô hình video tự quyết định độ dài của một clip thay vì được chỉ định: thời lượng được lập kế hoạch theo mạch truyện trong khoảng 5 đến 20 giây, và âm thanh được tạo ra cùng với hình ảnh thay vì được chèn vào sau.
• Độ phân giải và độ dài — 1080p, 5 đến 20 giây, thời lượng được lên kế hoạch thay vì được chọn.
• Âm thanh — được tạo cùng với video và đồng bộ hóa với video, không phải là một bước riêng.
• Điều kiện hóa — văn bản, hình ảnh và video cùng nhau, với đúng một hình ảnh tham chiếu bắt buộc trên API được lưu trữ.
• Vật lý — được coi là một ràng buộc sinh tạo, đây chính là luận điểm đằng sau mức Elo trên trung vị của nó.
• Truy cập — một endpoint MaaS được lưu trữ với tác vụ bất đồng bộ và chu kỳ thăm dò, với giá $5.80 mỗi phút đầu ra, tức khoảng $0.097 mỗi giây.
• Trọng số mở — không có.
API có phạm vi hẹp hơn tài liệu ra mắt, và đó là chi tiết khiến các đội trở tay không kịp. Endpoint công khai chỉ chấp nhận đúng một ảnh tham chiếu, được cung cấp dưới dạng URL công khai hoặc chuỗi Base64 không có tiền tố data-URL, có kích thước từ 40 KB đến 20 MB. Prompt là tùy chọn và mặc định để trống. Không có trường video tham chiếu, không có bộ chọn độ phân giải — tỷ lệ khung hình được kế thừa từ ảnh tham chiếu — và không có điều khiển âm thanh. Tham số điều chỉnh duy nhất là boolean force_10s boolean. Và có một cạm bẫy phía client đáng biết trước khi bạn viết vòng lặp polling: ở cấp cao nhất, result.status đạt 1 nghĩa là mọi tác vụ con đã kết thúc, chứ không phải chúng đã thành công. Kết quả thực tế nằm trong sub_task_results[].task_status, trong đó 1 là thành công, 3 là lỗi tạo sinh và 4 là từ chối vì lý do an toàn. Một vòng lặp polling ngây thơ sẽ đánh dấu các lần tạo sinh thất bại là đã hoàn tất.
FastFrames mang lại cho bạn những gì với mức giá bằng một GPU
Ít sản phẩm hơn, nhiều máy móc hơn. FastFrames là một mô hình khuếch tán video tự hồi quy được chưng cất từ Wan2.1 — checkpoint 1.3B từ Wan2.1-T2V-1.3B, bản 14B từ Wan2.1-T2V-14B — bằng một công thức có tên Causal Forcing++. Đóng góp của nó không nằm ở transformer mà ở phần bao quanh nó: bộ giải mã VAE được thay bằng một bộ giải mã pixel 63,87 triệu tham số, phát ra các giá trị RGB 4×16×16 trên mỗi token qua ba khối ConvNeXt nhân quả và một đầu tuyến tính, rút ngắn thời gian giải mã từ khoảng 147 mili giây xuống còn khoảng 1, và cập nhật bộ nhớ đệm KV trở thành một mạng tinh chỉnh nhỏ — stem dùng chung, bốn khối attention 8 đầu, một đầu sửa phần dư cho mỗi lớp DiT — tốn 2 đến 6 mili giây. Bản thân DiT được đóng băng ở giai đoạn cuối.
• Đầu ra — 832×480, 81 khung hình, 16 fps. Khoảng 5,06 giây mỗi lần tạo, có thể nối chuỗi tự hồi quy.
• Độ trễ — 36 ms mỗi khung hình đối với mô hình nhỏ trên một B200, 45 ms đối với mô hình lớn trên tám; 158 ms đối với mô hình lớn trên một GPU, và 127/116 ms ở 720p.
• Điều kiện — chỉ văn bản. Không hình ảnh, không video, không keyframe, không điều khiển camera.
• Âm thanh — không có.
• Truy cập — trọng số trên Hugging Face theo giấy phép AMLR của Apple, mã nguồn trên GitHub, Linux x86-64 với CUDA 12.8. Bản demo LingBot-World v2 đi kèm là CC BY-NC-SA 4.0, điều này cấm sử dụng thương mại đối với phần đó.
• Giá — không có mức giá thuê dịch vụ lưu trữ nào ở đâu cả. Bạn tự cung cấp phần cứng.
Tuyên bố về chất lượng, dù chỉ đáng giá như một con số chưa được xác minh từ nhà cung cấp: tổng VBench 84.23 cho mô hình nhỏ và 84.44 cho mô hình lớn, so với 84.11 của đường cơ sở Causal Forcing++ ở 272 ms mỗi khung hình và 84.65 của Wan2.2 14.3B ở 117,734 ms. Nếu những con số đó đứng vững, một mô hình chạy với thời gian chỉ nhiều hơn đường cơ sở một phần nhỏ của mili giây mỗi khung hình lại sánh ngang với một mô hình chạy chậm hơn hai nghìn sáu trăm lần. Đó là tuyên bố cần kiểm chứng, chứ không phải để trích dẫn.

Quyết định về ba đối tượng khán giả
Phân chia người mua theo thứ họ đang tạo ra và lựa chọn sẽ không còn là một sự so sánh.
Nếu bạn đang tạo video thành phẩm
HiDream O1 Video 1.0 là sản phẩm duy nhất trong hai sản phẩm tạo ra một video hoàn chỉnh. 1080p, có âm thanh, thời lượng được chọn để phù hợp với nội dung, tính giá theo giây để bạn có thể dự báo. Với $0.097 mỗi giây, một clip hai mươi giây có giá $1.94, một khoản mục bình thường trong ngân sách sản xuất. FastFrames không thể tham gia cuộc trò chuyện này ở bất kỳ quy mô nào, vì nó không thể cung cấp một tệp mà bất kỳ ai cũng sẽ xem.
Nếu bạn đang xây dựng một hệ thống tương tác
Điều ngược lại là hoàn toàn đúng. Chu kỳ tác vụ bất đồng bộ rồi thăm dò của HiDream sai về mặt cấu trúc đối với bất kỳ thứ gì phải phản hồi trong một khung hình — bạn gửi đi, bạn chờ, bạn lấy về. FastFrames với 36 ms mỗi khung hình trên một B200 tạo ra nhanh hơn tốc độ phát lại 16 fps, ngưỡng mà tại đó con người không còn nhận ra rằng máy đang tạo nội dung. Nếu sản phẩm của bạn là bản xem trước trực tiếp, avatar hay một cảnh có thể điều khiển, thì không có mô hình được lưu trữ nào trong bài viết này đáp ứng được yêu cầu, và bản phát hành của Apple là con đường mở đáng tin cậy nhất để đạt được điều đó — tùy thuộc vào việc rà soát giấy phép, mà đối với các thành phần demo thì chỉ có nghĩa là phi thương mại.
Nếu bạn đang cân nhắc xem có nên xây dựng một trong hai
Vậy thì thử nghiệm rẻ nhất là chạy với một mô hình được lưu trữ (hosted), và OrcaRouter là một khóa duy nhất cho phía hosted: MiniMax H3, hàng xóm hosted gần nhất với tham vọng của HiDream, nằm cùng Kling 3.0, Kling 3 Turbo và Kling Video O1 trong cùng một danh mục, theo giá niêm yết của nhà cung cấp, được chuyển tiếp nguyên vẹn với mức đánh thêm 0%, nên khi nhà cung cấp đổi giá thì hóa đơn của bạn sẽ cập nhật ngay trong ngày. Cả HiDream O1 Video 1.0 lẫn FastFrames đều không được phục vụ ở đó — chúng tôi không định tuyến cả hai, và bài viết này không khẳng định rằng chúng tôi có làm vậy. Thứ mà chiếc khóa này mang lại là một cách để đo mức chịu đựng độ trễ của chính bạn trước khi bạn chi tiền cho phần cứng mà FastFrames cần, bởi vì phép đo đó là thứ duy nhất quyết định liệu 36 mili giây có đáng với 480p hay không.
Điều gì sẽ giải quyết việc này?
Một thử nghiệm: chạy cả hai trên cùng hai mươi prompt và đưa đầu ra cho những người không biết mô hình nào tạo ra cái nào. FastFrames sẽ thua ở mọi prompt nơi âm thanh hoặc chi tiết quan trọng, và có thể thắng ở những prompt nơi tính mạch lạc của chuyển động là thứ mắt bắt được, vì sinh tự hồi quy giỏi đúng ở điểm đó. Cho đến khi có ai đó chạy thử, quan điểm có thể bảo vệ là HiDream O1 Video 1.0 là mô hình video tốt hơn còn FastFrames là kết quả độ trễ tốt hơn, và đó là hai sản phẩm khác nhau đang được bán — một cái bán theo giây, một cái bán theo giờ GPU.

