Wir stellen vor: Boreal – KI-Video in Spitzenqualität für einen Cent pro Sekunde

Video von Flycatcher Studio — flycatcherstudio.com

Heute stellen wir Boreal vor, unser KI-Videomodell für Werbung. Es erzeugt Text-to-Video und Image-to-Video für einen Cent pro Sekunde – das sind etwa $0,05 für einen fünfsekündigen Clip – und rendert in Echtzeit, sodass der Clip ungefähr in der Zeit fertig ist, die man braucht, um ihn anzusehen. In unseren Benchmarks erreicht es die Qualität der geschlossenen Spitzenmodelle, für die Werbetreibende heute bezahlen – zu einem Bruchteil des Preises und bis zu 40-mal schneller.

In diesem Beitrag geht es darum, warum wir es gebaut haben, wie es funktioniert und was die Zahlen tatsächlich zeigen – auch dort, wo es noch Schwächen hat.

Wir produzieren beruflich Videoanzeigen und haben daher bei den zwei Dingen angesetzt, die eine Anzeige richtig machen muss – und das sind zufällig genau die zwei Dinge, die allgemeine Videomodelle am häufigsten falsch machen. Eine Person muss wie ein echter Creator wirken, der sich selbst filmt, mit natürlicher Haut, natürlichem Tempo und ohne KI-Glanz. Und ein Produkt muss exakt das Objekt bleiben, das der Werbetreibende ausgeliefert hat – mit demselben Etikett, demselben Text und derselben Form, ohne erfundene Varianten und ohne dass mitten in der Einstellung ein zweites Exemplar auftaucht. Die meisten Modelle tauschen einen Creator bereitwillig mitten im Clip gegen eine andere Person aus oder lassen ein Produktetikett zu Unsinn verschwimmen – und genau diese Fehler bemerkt ein Zuschauer sofort.

Mit Werbung trainiert, auf Marketing-Anforderungen abgestimmt

Genau das haben wir Boreal beigebracht zu schützen. Es basiert auf einem Open-Source-Videogenerierungsmodell, das Audio und Video gemeinsam erzeugt.

Wir haben es mit einer großen Menge an Werbematerial nachtrainiert und es auf das ausgerichtet, was eine Anzeige braucht: ein Produkt, das exakt das Objekt bleibt, das der Werbetreibende ausgeliefert hat, und eine Person, die wie ein echter Creator wirkt. Da wir die Gewichte besitzen und selbst bereitstellen, können wir diese Qualität für einen Cent pro Sekunde und in Echtzeit anbieten, statt für jeden Clip Listenpreis zu zahlen und in der Warteschlange eines anderen Anbieters zu stehen.

Der Rest dieses Beitrags zeigt, was dieses Training bringt – gemessen am unveränderten Basismodell in einer identischen Pipeline und bestätigt durch blinde menschliche Bewertung und Bildmetriken.

Was die Zahlen zeigen

Um zu messen, was das Nachtraining tatsächlich verändert hat, halten wir alles außer den trainierten Gewichten identisch: derselbe umgeschriebene Prompt, dasselbe Eingabebild, dieselbe Auflösung, Frame-Anzahl und derselbe Seed, ausgeführt in der produktiven Pipeline. Die einzige Variable ist das Modell.

In einer blinden Gegenüberstellung bevorzugten die Bewertenden Boreal gegenüber seinem unveränderten Basismodell in 81 % der eindeutigen Vergleiche (25 zu 6, bei 9 Unentschieden, über 40 Produktionsfälle; Vorzeichentest p<0,001). Nach Fallart aufgeschlüsselt sind das 83 % bei Produktanzeigen, 85 % bei Creator- und UGC-Szenen und 60 % bei Sprechclips mit einer Person – die gesamte Bandbreite dessen, was Kunden tatsächlich erstellen.

Produktfälle sind die schwierige Hälfte, bei der am meisten auf dem Spiel steht, und in der blinden Bewertung gingen sie 5 zu 1 bei 2 Unentschieden an Boreal. Um die Treue ohne Menschen zu messen, erfassen wir, wie viel Detail des Eingabebilds bis zum letzten Frame erhalten bleibt und wie viel der Bewegung nicht-starre Verzerrung ist. Gegenüber dem Basismodell zeigt Boreal signifikante Verbesserungen bei der Bildqualität (MUSIQ, p<0,001) und beim Erhalt feiner Details (+11,3 %, p=0,004), während die Verzerrung tendenziell abnimmt. Konkret heißt das: Ein personalisiertes Notizbuch behält sein Coverdesign und den Namen des Kindes während des gesamten Clips; ein Creator bleibt durchgehend dieselbe Person, statt mitten in der Einstellung ausgetauscht zu werden; eine App-Demo zeigt die tatsächliche Oberfläche, wo das Basismodell ein generisches Hintergrundbild malt.

Wie Boreal im Vergleich zu geschlossenen Modellen abschneidet

Die eigentliche kommerzielle Frage ist nicht, ob das Nachtraining das eigene Basismodell schlägt, sondern ob das Ergebnis mit dem geschlossenen Modell mithalten kann, das ein Werbetreibender sonst kaufen würde. Also haben wir Boreal mit identischen Eingaben gegen die geschlossenen Modelle antreten lassen, die ein Werbetreibender in Betracht ziehen würde.

Boreal erreicht bei der wahrgenommenen Qualität das Niveau von Seedance 2.0 und liegt bei der Bewegung vorn – bei etwa 40-facher Geschwindigkeit und zum gemessenen Preis 12-mal günstiger. Wir sind ehrlich, was den Kompromiss angeht: Bei der reinen Treue liegen die Qualitätswerte in beide Richtungen nur wenige Prozent auseinander, und Seedance rendert diese Eingaben in 1080p gegenüber unserer Ausgabe der 720p-Klasse, sodass auflösungsabhängige Messungen zu seinen Gunsten ausfallen, nicht zu unseren. Um zwei Größenordnungen unterscheiden sich dagegen Zeit und Kosten. Während unseres Benchmarks lieferte Seedance 2.0 einen fünfsekündigen Clip im Median in 198 Sekunden für $0,60; Boreal liefert ihn in etwa 5 Sekunden für $0,05.

H3 Max ist der andere Referenzpunkt. Es meldet eine schnellere reine Inferenz als unser Ziel von fünf Sekunden, kostet aber zum Listenpreis am Starttag etwa achtmal mehr pro fünfsekündigem Clip – womit Boreal das beste Verhältnis von Qualität zu Kosten im Vergleichsfeld bietet. Gegenüber dem neueren Seedance 2.5, dessen Image-to-Video-Listenpreis bei 720p Anfang September 2026 bei etwa $0,473 pro Sekunde lag, ist Boreal mit einem Cent pro Sekunde rund 47-mal günstiger: etwa $0,05 für einen fünfsekündigen Clip gegenüber $2,31.

Auf einer einzigen Skala für Anzeigenqualität ist der Kompromiss leicht zu erkennen. Bei einem blinden, produktfairen Bewerter über 20 Anzeigen-Prompts besteht Boreal in 70 % der Fälle – für fünf Cent pro Clip. Seedance 2.0 schneidet mit 80 % besser ab, aber zum aktuellen Listenpreis kostet diese Qualität mehr als das 30-Fache; H3 Max liegt bei 65 % zum achtfachen Preis; und das unveränderte Basismodell kommt auf 50 %. Boreal bietet das beste Verhältnis von Qualität pro Dollar im Vergleichsfeld und schlägt bei der Geschwindigkeit alles außer H3 Max, das bei der Qualität darunter liegt.

In der Praxis sieht das so aus: Ein Storyboard aus zwanzig fünfsekündigen Einstellungen kostet mit Boreal etwa $1 und ist in unter zwei Minuten fertig – gegenüber rund $12 und über einer Stunde Warteschlange beim Anbieter mit Seedance 2.0. Alle Vergleiche hier stammen aus unseren eigenen Tests dieser Modelle mit identischen Eingaben. Die technischen Daten von Boreal finden Sie auf seiner Modellseite.

Preis und Geschwindigkeit, gemacht für API-Nutzer

Am größten ist der Abstand auf API-Ebene, wo Teams in großen Mengen generieren – genau hier ist Boreal darauf ausgelegt zu gewinnen. Zwei Dinge sind dafür entscheidend.

Das erste ist unsere Abrechnung. Boreal wird pro Sekunde fertigen Videos berechnet, nicht pro Credit oder Token, sodass Sie die Kosten einer KI-Videogenerierung vor dem Auftrag berechnen können statt danach. Eine Sekunde Video kostet einen Cent. Ein fünfsekündiger Clip fünf Cent. Zwanzig davon etwa einen Dollar. Für alle, die schon einmal versucht haben, die Videogenerierungskosten pro Sekunde aus einem undurchsichtigen Credit-System herauszurechnen, ist genau diese Vorhersehbarkeit der springende Punkt.

Das zweite ist der Durchsatz. Auf unserem eigenen optimierten Serving-Stack erzeugt Boreal pro Sekunde GPU-Zeit eine Sekunde fertiges Video – 1:1 in Echtzeit. Günstige Generierung, die trotzdem Minuten dauert, verändert Ihre Arbeitsweise nicht; günstige Generierung, die in Sekunden zurückkommt, schon. Sie können mehrere Versionen einer Einstellung gleichzeitig laufen lassen, die beste behalten und zahlen trotzdem weniger als für eine einzige Generierung anderswo.

Wo Boreal heute steht – ganz ehrlich

Boreal ist ein neues Modell, und wir sagen Ihnen lieber, wo es am schwächsten ist, als dass Sie es mitten in einer Kampagne herausfinden. Am stärksten ist es bei kurzen Clips und einfachen Szenen. Am wenigsten verbessert es sich gegenüber dem Basismodell bei Sprechclips mit einer Person, wo die beiden mit 60 % am nächsten beieinanderliegen. Bei der Lippensynchronisation liegt es gleichauf mit dem Basismodell, und eine separate, auf Audio spezialisierte Variante derselben Modellreihe schneidet besser ab – in diese Richtung geht die Arbeit. Und bei der reinen Auflösung hat ein 1080p-Flaggschiffmodell bei Einstellungen, bei denen es genau auf die Auflösung ankommt, nach wie vor einen Vorteil.

Wovon wir überzeugt sind, ist der Kompromiss, für den Boreal gebaut wurde: die Qualität, die über eine Anzeige entscheidet, mit intaktem Produkt und Creator, zu Kosten und einer Geschwindigkeit, die nichts in seiner Qualitätsklasse erreicht.

Was als nächstes kommt

Wir trainieren einen Bewerter, der explizite Fehler wie zusätzliche Objekte, veränderte Etiketten und Identitätsabweichungen erkennt, damit das Modell gezielt gegen genau die Halluzinationen optimieren kann, die einer Anzeige schaden. Außerdem erweitern wir Boreal um referenzbasierte Generierung für Anzeigen mit mehreren Einstellungen, die aus mehreren Produktansichten oder dem Gesicht eines Creators entstehen. Beides zielt auf dasselbe ab: mehr von der Konsistenz, die Werbetreibende brauchen, über längere und komplexere Spots hinweg.

Boreal ausprobieren

Boreal ist ab sofort verfügbar und unterstützt zum Start sowohl Text-to-Video als auch Image-to-Video. Sie erreichen es über unsere API, können damit im Modell-Playground von Creatify generieren, es in AdFlow einsetzen oder auf fal.ai ausführen. Alle Details finden Sie auf der Boreal-Modellseite. Wir halten es derzeit für die stärkste Option bei Qualität pro Dollar im Bereich KI-Video – und es steht bereit, damit Sie es auf die Probe stellen.