
FastFrames 影片生成 vs Grok Imagine Video:兩者皆為自迴歸,其中一款已正式推出
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 89 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 97 tok/s
- orca新Orca: OrcaC2 1.02026-11-079 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 88 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 134 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百萬 tokens · 88 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 119 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百萬 tokens
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百萬 tokens · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
最接近的技術同類是FastFrames Video Generation目前在正式環境中Grok Imagine Video,而且這種相似並非表面功夫。兩者都以自迴歸方式生成影片——每個區塊都以前面的影格為條件——且兩者都利用這種結構來延長片段,而不是渲染固定視窗。Apple 的版本於 2026 年 11 月 16 日發布,論文於 17 日發表,利用這種方式在單一 GPU 上達到每幀 36 毫秒。xAI 的版本則利用它,讓你能把一個鏡頭持續到十五秒並帶有聲音。差別在於,其中一個是可下載的研究產物,另一個自 2026 年 1 月起就一直公開在 API 上,而這個差別——不是基準測試表——才是決定任何有截止期限的人這場對決的關鍵。
每一項要花多少,以你實際編列預算時會用的單位來表示
FastFrames 沒有價格,因為沒有東西可買。權重放在 Hugging Face 上,採用 Apple 的 AMLR 授權,唯一成本是硬體:1.3B 模型需要一張 B200,14B 模型則需要八張才能維持互動性,再加上 CUDA 12.8 與 Linux。Grok Imagine Video 按秒計價,而 Artificial Analysis 以每分鐘費率報導,這讓算術格外簡單明瞭。
• Grok Imagine Video,最初發行版本 — 每分鐘輸出 $4.20,即每秒 $0.07。15 秒的短片約 $1.05。
• Grok Imagine Video 1.5 — 每分鐘 $8.40,每秒 $0.14,同樣十五秒約 $2.10。
• Grok Imagine Video 1.5 Lite 在文生影片排行榜上——同樣是每分鐘 8.40 美元,這是值得指出的定價怪象,而不是該設法自圓其說的問題。
• {{1}}FastFrames-S{{/1}} — 不設費率。一台 {{2}}B200{{/2}} 每 GPU 小時約 2 至 4 美元,在理論極限下,每過一秒實際時間可生成 28 段五秒短片,因此邊際成本幾乎等同電費。
• FastFrames-L — 同樣地,在八張 GPU 上,這正是「便宜」這個論點更難站得住腳的地方。
FastFrames 只有在達到一定用量時,成本優勢才會翻轉,而且前提是你已經自有 GPU。對租用 GPU 的團隊來說,損益平衡點還遠得很,因此選擇它的理由必須是延遲,而不是價格。

Grok Imagine Video 就是遙遙領先的地方
FastFrames 完全未具備的三項已推出功能。
• 解析度 — Grok Imagine Video 會依呼叫不同而輸出 480p、720p 或 1080p;FastFrames 則固定為 832×480。
• 音訊 — xAI 會同時生成影像與聲音,具備唇形同步的語音,並支援最多三個預設語音參考;FastFrames 則會產生無聲影片,且沒有音訊路徑。
• 控制介面 — 最多 14 張參考圖片、最多四個影片中段關鍵影格加上首尾影格,以及從最後一格串接延伸至十五秒的擴充;FastFrames 接受文字提示,而這就是整個介面。
就測量品質而言,Grok 系列在 2026 年 10 月的 Artificial Analysis 資料擷取中位居中游,而非頂端:最初版本在影像轉影片排行榜上排名第十三,Elo 為 1,072 ±7,樣本數 14,371;Grok Imagine Video 1.5 排名第九,Elo 為 1,098 ±8,樣本數 5,267;1.5 Lite 等級則在文字轉影片排行榜上排名第十六,Elo 為 993 ±10,樣本數 5,715。因此,1.5 更新換來約 26 Elo——這是在信賴區間邊緣的一項實質改善,而非階梯式躍進——代價是每秒價格翻倍。那些是 10 月的第三方數據;FastFrames 沒有排行榜條目可供比較,而 Apple 自家 VBench 總分在小模型與大模型上分別為 84.23 與 84.44,無法與 Elo 直接比較。
FastFrames 領先的地方,而且僅在一個軸向上
速度,壓倒性地,以及速度所服務的目的。Grok Imagine Video 是一個請求—回應系統:你送出提示,等待,然後取得一段短片。FastFrames-S 在單一 B200 上每影格回傳耗時 36 毫秒——總吞吐量為每秒 28 影格——比 16 fps 串流播放還快。14B 模型需要八張 B200 才能達到每影格 45 毫秒;在單一 GPU 上則降到 158 毫秒,並不再具互動性。
這與其說是讓 Grok 顯得慢的數字,不如說是描述另一款產品的數字。xAI 賣的是帶聲音的成品短片。Apple 則發表了一個用於即時迴圈的元件,並透過讓其他人的系統變得可互動來展示它:把 LingBot-World 的 1.3B 變體從每幀 1,085 毫秒降到 52 毫秒,14B 從 3,862 降到 233,RealWonder 1.3B 則從 1,141 降到 51。那些系統也都沒有在 1080p 下附帶音訊。比較務實的解讀是:FastFrames 是一項等待產品落地的技術,而這項技術本身很好:用一個 6,387 萬參數的像素解碼器取代 VAE 解碼,能把該階段從約 147 毫秒縮到約 1 毫秒;而一個小型 KV 精修網路則以 2 到 6 毫秒取代快取更新。
基準測試表裡沒人提到的授權陷阱
FastFrames 是在狹義且謹慎的意義上開放。模型權重附帶 Apple 的 AMLR 條款。作為示範一同提供的 LingBot-World v2 程式碼與權重採用 CC BY-NC-SA 4.0——非商業性、相同方式分享。儲存庫其餘部分則依 Apple 的 Sample Code Licence。如果你原本打算把這個示範應用程式放進商業產品,授權會比 480p 上限更早攔住你。Grok Imagine Video 沒有這種模糊地帶:它是 API,你按秒付費,而條款是服務協議,而不是對模型權重的權利授予。
這個取捨值得直接說清楚,因為「開放權重」常被當成「可免費使用」的簡稱,而這次的發布並不是那樣。

如何在它們之間做選擇
問問剪輯存在之後會發生什麼事。如果人類只看一次就繼續前進——社群貼文、分鏡腳本、廣告變體——那麼 Grok Imagine Video 以每秒 $0.07 到 $0.14、含音訊與 1080p 的價格,就是更便宜也更好的答案,而 FastFrames 在輸出品質上無法競爭,因為它不會產出完成的成品。如果剪輯是其他東西的輸入——會隨著使用者輸入而更新的預覽、在一幀之內回應的角色、正在被探索的世界模型——那麼按剪輯計價和請求佇列就完全不是正確的形態,而在這場比較中,單一 GPU 上的 FastFrames-S 是唯一契合的選項。
對於中間情境——你想在購買硬體前,先測試互動形態是否值得打造——最便宜的做法是針對你今天就能呼叫的託管模型做原型。OrcaRouter 涵蓋以單一金鑰、按供應商牌價、0% 加價提供的託管影片模型——包括 Kling 3.0、Kling 3 Turbo、Kling Video O1 和 MiniMax H3——而固定直通意味著供應商價格變動當天就會反映到你的帳單,而不是等到續約時。Grok Imagine Video 和 FastFrames 都不在該目錄中:我們兩者都不提供,本文也無意暗示其他。單一金鑰確實能給你一種穩定的方式,來衡量使用者能容忍的延遲,而這個數字能告訴你 Apple 的發布到底是否與你的路線圖相關。
誠實的總結
Grok Imagine Video 在各個層面上都是更出色的影片生成器,唯一例外是 Apple 所優化的那一項,而 Apple 在那一項上的優化程度超越了所有人。兩年後,有趣的問題不會是這兩者哪個更快,因為託管方案屆時將已迎頭趕上,足以讓這項差異對大多數產品而言不再重要。真正的問題會是:有沒有任何託管方案能讓你在生成仍在算圖時就對其進行引導。這正是 FastFrames 所展現的能力,而在本次比較中,沒有任何 API 提供這項功能。

