Thẻ hero so sánh FastFrames Video Generation và Runway Gen-4.5, thẻ bên trái ghi '832x480 ở 16 fps', '36 ms mỗi khung hình' và 'không có đầu vào tham chiếu', thẻ bên phải ghi '720p, 24 hoặc 25 fps', '2 đến 10 giây' và '$0.12 mỗi giây', với logo OrcaRouter ở góc dưới bên phải.
Guides & Insights

FastFrames Video Generation so với Runway Gen-4.5: Khi 720p gặp 480p

Tác giả

Gideon Frost

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Đặt hai con số độ phân giải cạnh nhau và một điều hữu ích xảy ra với phép so sánh này: nó trở nên kém ấn tượng hơn. Runway Gen-4.5 tạo ra ở 720p, trong các clip dài từ hai đến mười giây, ở 24 hoặc 25 khung hình/giây, với 12 tín dụng mỗi giây được tạo — khoảng $0.12 một giây trên bậc nhà phát triển nơi một tín dụng là một xu, kèm theo phụ phí năm tín dụng mỗi giây được ghi trong tài liệu cho xuất chuỗi ProRes hoặc PNG. FastFrames Video Generation tạo ra ở 832×480, 81 khung hình ở 16 fps, trong 36 mili giây mỗi khung hình trên một B200 duy nhất, không âm thanh, chỉ từ một lời nhắc văn bản. Một trong những mức trần đó là 720p và mức còn lại là 480p, và khoảng cách giữa chúng nhỏ hơn khoảng cách giữa một trong hai với một bản master 4K. Điều thực sự cách xa nhau là mọi thứ diễn ra trước và sau khi kết xuất: Gen-4.5 là nửa tạo sinh của một nền tảng studio với công cụ chỉnh sửa, xuất và màu sắc riêng; FastFrames là một cặp checkpoint và một tệp giấy phép.

Hai mức trần, so sánh một cách trung thực

Kết cục là trục mà ở đó độc giả mong đợi một cuộc đại bại, nhưng thay vào đó lại nhận được một câu hỏi hẹp hơn.

• Gen-4.5 — tạo 720p, với quyền nâng cấp 4K ở cấp gói, là một thao tác riêng và không khiến bản tạo gốc trở thành 4K gốc. Kích thước tải xuống, không phải nhãn xuất, là thứ bạn so sánh.

• FastFrames — cố định 832×480. Không có cài đặt độ phân giải, không có tùy chọn bật/tắt 720p và không có đường dẫn nâng cấp (upscale) nào trong kho mã. Apple báo cáo các số liệu độ trễ 720p trong bài báo, nhưng cấu hình được phát hành là 480p.

• Tốc độ khung hình — Gen-4.5 cung cấp 24 hoặc 25 fps dưới dạng một tham số, đây là yêu cầu bàn giao thực sự cho phát sóng và cho bất kỳ ai cần khớp với cảnh quay hiện có. FastFrames được cố định ở 16 fps, và đó là thuộc tính của mô hình đã chưng cất chứ không phải một cài đặt mà ai đó quên đưa ra.

• Thời lượng — Gen-4.5 cho từ hai đến mười giây trong một lần tạo. FastFrames cung cấp 81 khung hình, tức 5,06 giây, và đạt thời lượng chạy dài hơn bằng cách nối chuỗi tự hồi quy.

Vậy là: chênh lệch số điểm ảnh 1,5×, một khác biệt về tốc độ khung hình quan trọng hơn khác biệt về độ phân giải, và một trần thời lượng gần như tương đương. Nếu sản phẩm đầu ra của bạn là video mạng xã hội 720p ở 24 fps, FastFrames không phải là lựa chọn — không phải vì 480p không dùng được, mà vì 16 fps thì không, và vì không có con đường nào từ 480p/16 lên 720p/24 mà không phải tạo thêm khung hình. Nếu sản phẩm đầu ra của bạn là bản xem trước trực tiếp hoặc một vòng điều khiển nơi tốc độ khung hình là thuộc tính của tương tác chứ không phải của tệp, thì tham số 24 fps của Gen-4.5 là không liên quan và giới hạn 720p của nó là một chi phí bạn đang trả mà không nhận lại được gì.

Tín dụng đang mua được những gì, và hóa đơn GPU đang mua được những gì

Cả hai mô hình đều có thể được tính chi phí trước khi bạn nhấn tạo, điều này khiến chúng vượt trội so với bất kỳ thứ gì được tính phí theo token hoặc theo quyết định của chính mô hình. Các đơn vị vẫn chưa khớp nhau.

• Gen-4.5 — 12 tín dụng cho mỗi giây được tạo, đồng giá, trên một bảng giá mà thiết lập đầu ra hầu như không thay đổi. Một lần tạo năm giây là 60 tín dụng, 0,60 USD với 0,01 USD mỗi tín dụng. Mười giây là 120 tín dụng, 1,20 USD. Đầu ra chuỗi ProRes hoặc PNG sẽ thành 85 tín dụng, 0,85 USD, cho trường hợp năm giây. Mọi con số đó đều có thể biết trước.

• FastFrames — hoàn toàn không có mức giá theo giờ. Chi phí là một B200 trong 2,9 giây (mô hình nhỏ, clip 5 giây) hoặc tám B200 trong 3,6 giây (mô hình lớn). Nếu phần cứng là của bạn, đó chỉ là một sai số làm tròn. Nếu không, đó là một hợp đồng reserved-instance được định giá theo tuần.

• Cú quay bạn bỏ đi — Gen-4.5 tính phí theo mỗi giây được tạo ra bất kể cú quay đó có dùng được hay không. FastFrames tính cùng số GPU-giây cho một cú quay hỏng như cho một cú quay tốt, đây là kiểu thất bại rẻ hơn rất nhiều và là lý do các quy trình khám phá có xu hướng thiên về tính phí theo GPU-giây.

• Điều mà cả hai bảng giá đều không nói cho bạn biết — cảnh quay được chấp nhận không phải là cảnh quay được tạo ra. Tài liệu của chính Runway phân biệt giữa các lần tạo được thử với đầu ra được chấp nhận, và mọi ngân sách dựng trên mức giá quảng cáo đều giả định một tỷ lệ thành công. Hãy tính ngân sách theo từng clip được giao, bao gồm cả những lần quay mà bạn phải bỏ đi.

Cách định giá của Runway có một đặc điểm đáng được gọi tên vì nó thực sự tốt: mức giá cố định theo giây khiến ngân sách cho 720p trở thành phép tính một dòng bất kể bạn chọn cài đặt nào. FastFrames không có giá, nên nó không có đặc điểm đó — thay vào đó, nó phụ thuộc vào phần cứng, và sự phụ thuộc phần cứng được lập ngân sách theo năm thay vì theo từng dự án.

A two-column scoreboard comparing FastFrames and Runway Gen-4.5 across six dimensions: resolution 832x480 against 720p generation, frame rate 16 fps against 24 or 25 fps, clip length 81 frames against 2 to 10 seconds, audio none against native audio plus separate audio tools, latency 36 ms per frame against not published, and price GPU time you supply against 12 credits per second.

Nền tảng là phần không có trên bảng thông số kỹ thuật

Gen-4.5 không đến một mình, và giả vờ rằng nó đến một mình sẽ xuyên tạc những gì người mua nhận được.

Công việc video sang video đi qua bộ công cụ Modify Video riêng của Runway thay vì qua đường điều kiện của chính mô hình, nghĩa là quy trình chỉnh sửa có tồn tại nhưng là một bề mặt khác với hành vi riêng của nó. Các cấu hình HDR được ghi tài liệu ở phía nhà phát triển với các khoản phụ phí riêng. Âm thanh gốc có sẵn trên mô hình, và các công cụ âm thanh riêng của Runway nằm bên cạnh đó. Xuất chuỗi ProRes và PNG được ghi tài liệu và định giá thay vì bị ẩn.

FastFrames không có bất kỳ thứ nào trong số đó, và nó còn có một thứ mà Runway không có: toàn bộ quy trình huấn luyện. Apple đã công bố mọi checkpoint của từng giai đoạn huấn luyện cho mô hình lớn — teacher nhân quả, giai đoạn chưng cất consistency, giai đoạn chưng cất DMD, và bộ sinh cuối cùng cùng với bộ giải mã pixel và mạng tinh chỉnh KV của nó — cộng thêm một đường suy luận hoạt động được, một script đo độ trễ nhận vào số lượng GPU, một quy trình đánh giá VBench và một ứng dụng demo trong apps/lingbot. Đó là một sản phẩm tái lập được, không phải một dịch vụ. Nếu bạn quan tâm đến việc làm thế nào để một chồng công nghệ video nhân quả có thể trở nên tương tác, thì sản phẩm đó đáng giá hơn bất kỳ endpoint được lưu trữ nào; còn nếu bạn quan tâm đến việc giao hàng thương mại vào thứ Sáu, thì nó chẳng đáng gì cả.

Giấy phép là chỗ mọi thứ thôi trừu tượng. Trọng số của FastFrames mang các điều khoản AMLR của Apple, các thành phần demo LingBot-World v2 là CC BY-NC-SA 4.0 — phi thương mại — và phần còn lại của kho lưu trữ thuộc Giấy phép Mã mẫu của Apple. Runway bán một dịch vụ thương mại với các điều khoản thương mại. Bất kỳ ai dự định xây dựng sản phẩm trên FastFrames cần đọc ba giấy phép trước khi viết một dòng mã, và điều khoản phi thương mại trên các thành phần demo là kiểu điều thường bị phát hiện muộn và tốn kém.

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.

Mỗi bên đã đo những gì và ai là người thực hiện việc đo

Runway mô tả Gen-4.5 trên trang nghiên cứu của riêng mình là mô hình tạo video tiên tiến nhất của họ, với những cải thiện về chất lượng chuyển động, mức độ tuân thủ lời nhắc và tính nhất quán theo thời gian, có mặt trên tất cả các gói trả phí. Đó là một tuyên bố về năng lực mà không kèm theo con số nào. Gen-4.5 không xuất hiện trong hai mươi tám hàng đầu của bảng xếp hạng image-to-video của Artificial Analysis — không phải là một phát biểu rằng mô hình yếu, mà là phát biểu về việc Runway đã chọn nộp những gì, và điều đó có thay đổi loại quyết định này là gì. Không có Elo độc lập cho Gen-4.5 và không có số lượng mẫu.

FastFrames công bố các con số và tất cả đều là số của chính họ. Tổng điểm VBench là 84,23 cho bản 1,3B và 84,44 cho bản 14B, so với 84,11 của baseline Causal Forcing++ mà nó được chưng cất từ đó, ở mức 272 mili giây mỗi khung hình. Không được bất kỳ ai độc lập tái tạo, trên một bộ đánh giá thưởng cho độ mượt theo thời gian mà các mô hình tự hồi quy được thiết kế để tạo ra, xuyên suốt một bảng mà toàn bộ khoảng biến thiên chỉ khoảng hai điểm rưỡi trong khi khoảng biến thiên độ trễ là bốn bậc độ lớn. Do nhà cung cấp tự báo cáo, theo đúng nghĩa chặt chẽ, và được ghi nhãn như vậy ở mọi nơi nó xuất hiện ở đây.

Vậy là hai mô hình có cùng vị thế bằng chứng — những tuyên bố chưa được xác minh từ nhà cung cấp — và chính sự tương xứng đó đã là phát hiện. Một trang mà xếp hạng chúng sẽ là đang tạo ra một hệ thống thứ bậc từ hai bộ dữ liệu chưa được đánh giá.

Cái nào, theo công việc

Chọn Runway Gen-4.5 khi sản phẩm bàn giao là một clip ngắn 720p phải nằm trong quy trình Runway, khi xuất chuỗi ProRes hoặc PNG là yêu cầu bắt buộc chứ không phải tiện ích thêm, khi 24 hoặc 25 fps là thông số kỹ thuật bạn không thể thay đổi, hoặc khi mức phí tín dụng cố định giúp bạn có thể lập ngân sách dự án một cách rõ ràng. Hãy chấp nhận giới hạn tạo 720p và việc nâng cấp độ phân giải không đồng nghĩa với 4K gốc.

Hãy chọn FastFrames khi tương tác là sản phẩm còn tệp chỉ là sản phẩm phụ — bản xem trước trực tiếp, avatar phát trực tuyến, mô hình thế giới có thể điều khiển hoặc một chương trình nghiên cứu muốn kỹ thuật hơn là đầu ra. Chấp nhận 480p, 16 fps, không âm thanh, không điều kiện hóa bằng hình ảnh và xem xét giấy phép. Điều duy nhất bạn có được mà Gen-4.5 không thể cung cấp ở bất kỳ mức tín dụng nào là một khung hình mỗi 36 mili giây trên một thẻ, và cách diễn đạt trung thực về điều đó không phải là "tạo video nhanh hơn" mà là "một lớp ứng dụng khác".

OrcaRouter không cung cấp Runway Gen-4.5 hay FastFrames — không có tuyến nào cho cả hai trên danh mục, và bài viết này không tuyên bố có. Điều mà một khóa có thể tiếp cận là lớp video được lưu trữ vốn đã hoạt động ngay hôm nay: MiniMax H3 với $0.08 mỗi giây ở 768p và $0.13 ở 2K, cùng dòng Kling 3.0, nằm cạnh hơn 200 mô hình ngôn ngữ trên một endpoint tương thích OpenAI ở giá niêm yết của nhà cung cấp với 0% phụ phí, nên thay đổi giá của nhà cung cấp có hiệu lực tại đây ngay trong ngày và một endpoint bị suy giảm sẽ tự chuyển sang dự phòng thay vì làm tắc hàng đợi. Đối với một nhóm đang cân nhắc giữa một nền tảng tính phí theo tín dụng và một bản phát hành nghiên cứu tính phí theo GPU, đây là cách rẻ nhất hiện có để có được đường cơ sở chi phí và độ trễ thực tế trước tiên.

Điều gì sẽ giải quyết được nó

Việc Runway gửi Gen-4.5 lên bảng xếp hạng image-to-video sẽ thay thế sự bất đối xứng trung tâm của trang này bằng một con số thực tế, và một hạng mục tạo sinh trên 720p sẽ xóa đi điểm duy nhất mà hai mô hình này thực sự gần nhau. Ở phía ngược lại, FastFrames cần một endpoint được lưu trữ trước khi bất kỳ bảng xếp hạng theo sở thích nào có thể đo lường nó, còn Apple đã công bố trọng số mà không có một endpoint như vậy.

Cho đến khi một trong hai điều đó xảy ra, quyết định hoàn toàn không dựa trên chất lượng. Nó dựa trên tốc độ khung hình, việc bạn cần tệp hay luồng, và việc nhóm pháp lý của bạn muốn xem một trang điều khoản dịch vụ hay ba giấy phép cùng lúc hơn.

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.