用于对比 FastFrames Video Generation 与 Runway Gen-4.5 的主视觉卡片:左侧卡片显示“832x480,16 fps”“每帧 36 ms”和“无参考输入”,右侧卡片显示“720p,24 或 25 fps”“2 到 10 秒”和“每秒 $0.12”,OrcaRouter 标志位于右下角。
Guides & Insights

FastFrames 视频生成对比 Runway Gen-4.5:当 720p 遇上 480p

作者

Gideon Frost

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

把这两个分辨率数字并排放在一起,这个比较就会发生一个有用的变化:它便泄了气。 Runway Gen-4.5以 720p 生成,片段时长为 2 到 10 秒,帧率为 24 或 25 帧每秒,每生成一秒消耗 12 个积分——在积分单价为一美分的开发者层级上约为每秒 0.12 美元,另有文档说明的每秒 5 个积分附加费,用于 ProRes 或 PNG 序列导出。 FastFrames Video Generation以 832×480 分辨率、16 fps 下的 81 帧生成,在单块 B200 上每帧耗时 36 毫秒,无音频,仅凭文本提示生成。这两个上限中,一个是 720p,另一个是 480p,而两者之间的差距小于它们中任何一个与 4K 母版之间的差距。真正相距甚远的是渲染前后发生的一切:Gen-4.5 是一个工作室平台的生成部分,该平台自带编辑、导出和调色工具;FastFrames 则是一对检查点和一个许可证文件。

两个上限,如实比较

结局正是这样一个维度:读者期待看到一场一边倒的完胜,得到的却是一个更狭窄的问题。

• Gen-4.5 — 720p 生成,附带套餐级别的 4K 升频权益;该升频是独立操作,不会使原始生成变为原生 4K。要比较的是下载尺寸,而不是导出标签。

• FastFrames — 固定为 832×480。仓库中没有分辨率设置,没有 720p 开关,也没有任何升采样路径。Apple 在论文中报告了 720p 的延迟数据,但发布的配置为 480p。

• 帧率 — Gen-4.5 将 24 fps 或 25 fps 作为参数提供,这对广播以及任何需要匹配现有素材的人来说都是实实在在的交付要求。FastFrames 则固定为 16 fps,这是蒸馏模型本身的固有属性,而不是某个被遗忘、未开放出来的设置项。

• 时长 — Gen-4.5 一次生成可提供两到十秒。FastFrames 提供 81 帧,即 5.06 秒,并通过自回归链式生成达到更长的运行时长。

所以:1.5 倍的像素数量差异、一个比分辨率差异更重要的帧率差异,以及大致相近的时长上限。如果你的交付物是 24 fps 的 720p 社交媒体视频,FastFrames 不是候选——不是因为 480p 不可用,而是因为 16 fps 不可用,而且从 480p/16 到 720p/24 不存在不凭空生成帧的路径。如果你的交付物是实时预览或控制回路,其中帧率是交互的属性而非文件的属性,那么 Gen-4.5 的 24 fps 参数就无关紧要,而它的 720p 上限就是你白白付出的成本。

这些额度究竟买到了什么,GPU 账单又买到了什么

两个模型都可以在你按下“生成”之前计算成本,这使它们优于任何按 token 或按模型自身决策来计量的方式。单位仍然对不上。

• Gen-4.5 — 每生成一秒 12 个积分,统一计价,且是在一张输出设置几乎不产生变化的费率卡上。五秒生成是 60 个积分,按每积分 $0.01 计算为 $0.60。十秒是 120 个积分,$1.20。ProRes 或 PNG 序列输出使五秒情形变为 85 个积分,$0.85。上述每一个数字都可提前知晓。

• FastFrames —— 完全不计费率。成本是:使用小模型处理 5 秒片段时,需占用 1 块 B200 运行 2.9 秒;使用大模型时,需占用 8 块 B200 运行 3.6 秒。如果硬件是你自己的,那只是一个舍入误差;如果不是,那就是一份按周计价的预留实例合同。

• 你丢弃的镜头——无论镜头是否可用,Gen-4.5 都按生成的秒数计费。FastFrames 对无效镜头和有效镜头收取相同的 GPU 秒数,这是一种成本低得多的失败模式,也正是探索型工作流倾向于按 GPU 秒计费的原因。

• 两份报价单都不会告诉你的一件事——被采用的素材并不等于生成出来的素材。Runway 自家的文档就区分了“尝试生成”与“被采纳的输出”,而每一个基于标价构建的预算,都隐含着一个命中率假设。请按交付成片来编预算,把你扔掉的那些废片也算进去。

Runway 的定价有一个值得点名的特性,因为它确实很好:无论你选择什么设置,固定的每秒费率都能让 720p 预算变成一行算式。FastFrames 没有价格,因此不具备这样的特性——它取而代之的是一项硬件依赖,而硬件依赖是按年度而非按项目做预算的。

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.

平台就是规格表上没有体现的那部分

Gen-4.5 并非单独推出,若假装它是,就会歪曲买家实际得到的内容。

视频到视频工作通过 Runway 独立的 Modify Video 工具完成,而不是经由模型自身的条件控制路径,这意味着编辑工作流确实存在,但它是一个具有自身行为方式的不同界面。HDR 配置文件在开发者侧有文档说明,并有其自身的附加费用。模型具备原生音频,而独立的 Runway 音频工具与之并列存在。ProRes 和 PNG 序列导出均有文档说明并明确定价,而非隐藏。

FastFrames 完全没有这些,而且它还具备 Runway 所没有的东西:完整的训练流水线。Apple 公开了大模型的每一个训练阶段检查点——因果教师、一致性蒸馏阶段、DMD 蒸馏阶段,以及带有像素解码器和 KV 精炼网络的最终生成器——还提供了一条可用的推理路径、一个接收 GPU 数量的延迟基准测试脚本、一个 VBench 评估工作流,以及 apps/lingbot 下的演示应用。这是一个可复现的产物,而不是一项服务。如果你感兴趣的是如何让因果视频栈变得可交互,那么这个产物比任何托管端点都更有价值;如果你感兴趣的是在周五交付一个商业产品,那它毫无价值。

许可证正是这件事不再抽象的地方。FastFrames 的权重受 Apple 的 AMLR 条款约束,LingBot-World v2 的演示组件采用 CC BY-NC-SA 4.0 许可——非商业性——而仓库的其余部分则归入 Apple 的《示例代码许可》。Runway 出售的是附带商业条款的商业服务。任何打算基于 FastFrames 打造产品的人,在写下一行代码之前都需要先读三份许可证,而演示组件上的非商业条款,恰恰是那种发现得晚、代价高昂的坑。

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.

双方各自测量了什么,以及测量者是谁

Runway 在其自己的研究页面上将 Gen-4.5 描述为其最先进的视频生成模型,在运动质量、提示词遵循度和时间一致性方面有所提升,并可在所有付费套餐中使用。这是一个没有附带任何数字的能力声明。Gen-4.5 并未出现在 Artificial Analysis 图生视频排行榜的前二十八行中——这并不是说该模型很弱,而是在说明 Runway 选择提交了什么,而这确实改变了这属于何种决策。Gen-4.5 没有独立的 Elo,也没有样本数。

FastFrames 发布的数字全都出自其自身。VBench 总分为 1.3B 84.23、14B 84.44,相比之下,其蒸馏来源 Causal Forcing++ 基线为 84.11,每帧 272 毫秒。没有任何独立方复现过这些结果;而该基准奖励的正是自回归模型旨在产生的时间平滑性,整张表的总分跨度仅约 2.5 分,延迟跨度却达四个数量级。严格意义上属于厂商自报,且在本文中每次出现时都如此标注。

因此,这两个模型具有相同的证据地位——都是未经核实的厂商声明——而这种对称性本身就是结论。一个对它们进行排名的页面,就等于从两个未经评估的数据集中凭空捏造出一套等级体系。

哪个,按工作

在交付物是一段简短的 720p 片段、且必须纳入 Runway 工作流时,在 ProRes 或 PNG 序列导出是硬性要求而非可有可无的加分项时,在 24 或 25 fps 是不可更改的规格时,或者在统一积分费率让项目预算能够明确写下来时,选择 Runway Gen-4.5。接受 720p 的生成上限,以及那种并不等同于原生 4K 的放大效果。

当交互本身就是产品、文件只是副产品时——比如实时预览、流式头像、可控世界模型,或一项想要的是技术而非输出的研究计划——就选择 FastFrames。接受 480p、16 fps、无声、无图像条件输入,以及许可证审核。你能得到而 Gen-4.5 无论花多少积分都无法提供的一点,是单卡每 36 毫秒一帧;对此诚实的表述不是“更快的视频生成”,而是“另一类应用”。

OrcaRouter 并不提供 Runway Gen-4.5 或 FastFrames——目录中两者都没有对应路由,本文也没有声称提供其中任何一个。一把密钥真正能触达的是今天已经可用的托管视频层:MiniMax H3,768p 下每秒 $0.08、2K 下每秒 $0.13,以及 Kling 3.0 系列,与 200 多个语言模型并列存在于兼容 OpenAI 的端点上,按供应商标价、0% 加价提供,因此供应商调价当天这里就会生效,而某个端点降级时会故障转移,而不是让队列停滞。对于要在按信用计费的平台和按 GPU 计费的研究版发布之间做选择的团队来说,这是先获得真实成本与延迟基线的最便宜方式。

什么才能解决它

Runway 将 Gen-4.5 提交到图生视频排行榜,会用实际数字取代本页面的核心不对称性;而高于 720p 的生成档位,则会消除这两个模型真正接近的唯一之处。另一方面,FastFrames 需要一个托管端点,任何偏好排行榜才能衡量它;而 Apple 已经发布了权重,却没有这样的端点。

在这两者之一发生之前,这个决定根本不取决于质量。它取决于帧率,取决于你需要的是一个文件还是一条流,以及取决于你的法务团队更愿意审阅一页服务条款,还是一次性审阅三份许可证。

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.