Video oleh Flycatcher Studio — flycatcherstudio.com
Hari ini kami meluncurkan Boreal, model video AI kami untuk periklanan. Boreal menghasilkan teks-ke-video dan gambar-ke-video dengan harga satu sen per detik, yang berarti sekitar $0.05 untuk klip lima detik, dan merender secara realtime, sehingga klip itu siap kira-kira dalam waktu yang sama dengan durasi menontonnya. Dalam tolok ukur kami, kualitasnya menyaingi model tertutup kelas atas yang dibayar para pengiklan saat ini, dengan harga sebagian kecilnya dan kecepatan hingga 40 kali lipat.
Tulisan ini membahas mengapa kami membangunnya, bagaimana cara kerjanya, dan apa yang benar-benar ditunjukkan angka-angkanya, termasuk di mana kekurangannya.
Pekerjaan kami adalah membuat iklan video, jadi kami memulai dari dua hal yang harus tepat dalam sebuah iklan, yang kebetulan juga dua hal yang paling sering salah pada model video serbaguna. Seseorang harus terlihat seperti kreator sungguhan yang merekam dirinya sendiri, dengan kulit alami, tempo alami, dan tanpa kilau AI. Dan produk harus tetap menjadi objek yang persis dikirim oleh pengiklan, dengan label yang sama, teks yang sama, dan bentuk yang sama, tanpa varian karangan dan tanpa unit kedua yang muncul di tengah shot. Sebagian besar model dengan senang hati menukar kreator dengan orang lain di tengah klip atau melelehkan label produk menjadi tulisan tak bermakna, dan itulah kegagalan yang langsung disadari penonton.
Dilatih dengan iklan, disesuaikan untuk kebutuhan pemasaran
Itulah yang kami latih untuk dijaga oleh Boreal. Boreal dibangun di atas model pembuatan video open-source yang menghasilkan audio dan video secara bersamaan.
Kami melakukan post-training dengan kumpulan besar rekaman iklan, mendorongnya ke arah yang dibutuhkan sebuah iklan: produk yang tetap menjadi objek persis yang dikirim pengiklan, dan orang yang terlihat seperti kreator sungguhan. Karena kami memiliki bobot modelnya dan melayaninya sendiri, kami bisa menawarkan kualitas itu dengan harga satu sen per detik dan kecepatan realtime, alih-alih membayar harga daftar dan menunggu di antrean pihak lain untuk setiap klip.
Sisa tulisan ini membahas apa yang dihasilkan pelatihan tersebut, diukur terhadap model dasar yang belum diubah melalui pipeline yang identik dan dikonfirmasi oleh tinjauan manusia secara buta serta metrik gambar.
Apa yang ditunjukkan angka-angkanya
Untuk mengukur apa yang benar-benar diubah oleh post-training, kami menjaga semuanya tetap identik kecuali bobot yang dilatih: prompt yang ditulis ulang sama, gambar input sama, resolusi, jumlah frame, dan seed sama, dijalankan melalui pipeline yang sudah di-deploy. Satu-satunya variabel adalah modelnya.
Dalam tinjauan berdampingan secara buta, para evaluator lebih memilih Boreal dibandingkan model dasarnya yang belum diubah pada 81% perbandingan yang menentukan (25 banding 6, dengan 9 seri, dari 40 kasus produksi; uji tanda p<0.001). Jika dirinci per jenis kasus, angkanya 83% untuk iklan produk, 85% untuk adegan kreator dan UGC, dan 60% untuk klip satu orang berbicara, yang mencakup seluruh rentang konten yang benar-benar dibuat pelanggan.
Kasus produk adalah separuh yang sulit dan bertaruhan tinggi, dan hasilnya 5 banding 1 dengan 2 seri untuk Boreal dalam tinjauan buta. Untuk mengukur ketepatan tanpa manusia, kami melacak seberapa banyak detail gambar input yang bertahan hingga frame terakhir dan seberapa banyak gerakan yang berupa distorsi non-rigid. Dibandingkan model dasar, Boreal menunjukkan peningkatan signifikan dalam kualitas gambar (MUSIQ, p<0.001) dan retensi detail halus (+11.3%, p=0.004), dengan distorsi yang cenderung menurun. Secara sederhana: jurnal yang dipersonalisasi mempertahankan desain sampul dan nama anak di depan kamera sepanjang klip; seorang kreator tetap menjadi satu orang yang sama alih-alih ditukar di tengah shot; demo aplikasi merender antarmuka yang sebenarnya, sementara model dasar melukis wallpaper generik.
Perbandingan Boreal dengan model tertutup
Pertanyaan komersial yang sebenarnya bukan apakah post-training mengalahkan model dasarnya sendiri, tetapi apakah hasilnya bisa bersaing dengan model tertutup yang jika tidak akan dibeli pengiklan. Jadi kami mengadu Boreal dengan model-model tertutup yang akan dipertimbangkan pengiklan, dengan input yang identik.
Boreal menyamai Seedance 2.0 dalam kualitas perseptual dan mengunggulinya dalam gerakan, dengan kecepatan sekitar 40 kali lipat dan 12 kali lebih murah pada harga yang diuji. Kami akan jujur tentang kompromi yang ada: dalam ketepatan mentah, angka kualitasnya berada dalam selisih beberapa persen ke kedua arah, dan Seedance merender input tersebut pada 1080p dibandingkan output kelas 720p kami, sehingga ukuran yang sensitif terhadap resolusi menguntungkan mereka, bukan kami. Yang berbeda hingga dua orde besaran adalah waktu dan biaya. Selama tolok ukur kami, Seedance 2.0 mengembalikan klip lima detik dalam median 198 detik dengan biaya $0.60; Boreal mengembalikannya dalam sekitar 5 detik dengan biaya $0.05.
H3 Max adalah titik acuan lainnya. Model ini melaporkan inferensi mentah yang lebih cepat daripada target lima detik kami, tetapi biayanya sekitar delapan kali lebih mahal per klip lima detik pada harga daftar hari peluncurannya, sehingga Boreal tetap menjadi kompromi kualitas-per-biaya terbaik di antara semuanya. Dibandingkan Seedance 2.5 yang lebih baru, yang harga daftar gambar-ke-video pada 720p sekitar $0.473 per detik pada awal September 2026, Boreal dengan satu sen per detik kira-kira 47 kali lebih murah: sekitar $0.05 untuk klip lima detik dibandingkan $2.31.
Jika ditempatkan pada satu skala kualitas iklan, kompromi tersebut mudah terlihat. Pada penilai buta yang adil terhadap produk dengan 20 prompt iklan, Boreal lolos 70% dengan biaya lima sen per klip. Seedance 2.0 mendapat skor lebih tinggi yaitu 80%, tetapi pada harga daftarnya saat ini kualitas itu berbiaya lebih dari 30 kali lipat; H3 Max berada di 65% dengan harga delapan kali lipat; dan model dasar yang belum diubah mencapai 50%. Boreal adalah titik kualitas-per-dolar terbaik di antara semuanya, dan dalam kecepatan mengalahkan semuanya kecuali H3 Max, yang skornya di bawah Boreal.
Dalam praktiknya: storyboard berisi dua puluh shot lima detik berbiaya sekitar $1 dan selesai dalam waktu kurang dari dua menit di Boreal, dibandingkan sekitar $12 dan lebih dari satu jam antrean vendor di Seedance 2.0. Setiap perbandingan di sini berasal dari pengujian kami sendiri terhadap model-model ini dengan input yang identik. Anda bisa melihat spesifikasi Boreal di halaman modelnya.
Harga dan kecepatan, dibangun untuk pengguna API
Selisihnya paling lebar di tingkat API, tempat tim menghasilkan konten dalam volume besar, jadi di sinilah Boreal dirancang untuk menang. Ada dua hal yang mendorongnya.
Yang pertama adalah cara kami menagih. Harga Boreal dihitung per detik video jadi, bukan per kredit atau per token, sehingga Anda bisa menghitung biaya pembuatan video AI sebelum menjalankan pekerjaan, bukan sesudahnya. Satu detik video adalah satu sen. Klip lima detik adalah lima sen. Dua puluh klip sekitar satu dolar. Bagi siapa pun yang pernah mencoba menghitung mundur biaya pembuatan video per detik dari sistem kredit yang tidak transparan, kepastian itulah intinya.
Yang kedua adalah throughput. Berjalan di stack penyajian kami sendiri yang dioptimalkan, Boreal menghasilkan satu detik video jadi untuk setiap detik waktu GPU, 1:1 dengan realtime. Pembuatan murah yang tetap memakan waktu bermenit-menit tidak mengubah cara Anda bekerja; pembuatan murah yang selesai dalam hitungan detik akan mengubahnya. Anda bisa menjalankan beberapa versi shot sekaligus, menyimpan yang berhasil, dan tetap membayar lebih murah daripada satu kali pembuatan di tempat lain.
Posisi Boreal saat ini, secara jujur
Boreal adalah model baru, dan kami lebih suka memberi tahu Anda di mana kelemahannya daripada Anda mengetahuinya di tengah kampanye. Boreal paling kuat pada klip pendek dan adegan sederhana. Bagian dengan peningkatan paling kecil dibandingkan model dasarnya adalah klip satu orang berbicara, di mana keduanya paling berdekatan, yaitu 60%. Untuk lip-sync, Boreal setara dengan model dasarnya, dan varian terpisah dari garis keturunan yang sama yang dikhususkan untuk audio bekerja lebih baik, yang merupakan arah pengembangan selanjutnya. Dan dalam resolusi mentah, model unggulan 1080p masih unggul pada jenis shot di mana resolusi adalah hal yang Anda beli.
Yang kami yakini adalah kompromi yang menjadi tujuan Boreal dibangun: kualitas yang menentukan sebuah iklan, dengan produk dan kreator yang tetap utuh, dengan biaya dan kecepatan yang tidak tertandingi oleh model apa pun di kelas kualitasnya.
Apa selanjutnya
Kami sedang melatih penilai yang memberi skor pada cacat eksplisit seperti objek tambahan, perubahan label, dan pergeseran identitas, sehingga model bisa mengoptimalkan diri untuk menghindari halusinasi yang merugikan iklan. Kami juga memperluas Boreal ke pembuatan berbasis referensi untuk iklan multi-shot yang dibangun dari beberapa tampilan produk atau wajah kreator. Keduanya mengarah ke hal yang sama: lebih banyak konsistensi yang dibutuhkan pengiklan, di iklan yang lebih panjang dan lebih kompleks.
Coba Boreal
Boreal tersedia sekarang, dengan dukungan teks-ke-video dan gambar-ke-video sejak peluncuran. Anda bisa mengaksesnya melalui API kami, membuat konten dengannya di Playground Model Creatify, menggunakannya di dalam AdFlow, atau menjalankannya di fal.ai. Detail lengkap tersedia di halaman model Boreal. Kami yakin Boreal adalah pilihan kualitas-per-dolar terkuat dalam video AI saat ini, dan siap untuk Anda uji.
