← 返回部落格
Ai預計閱讀 10 分鐘

五個影片模型進了 Azure,推理是 fal 跑的

發布於 2026年11月11日
五個影片模型進了 Azure,推理是 fal 跑的

11 月 5 日,微軟和 fal 宣布五個影片生成模型以公開預覽形式進入 Microsoft Foundry,作為 Azure 第一方服務交付。模型來自快手、Lightricks 和 MiniMax,推理由 fal 提供。微軟一個都沒訓。

這個安排本身就是新聞。過去兩年,關於影片模型的問題是「誰的最好」。這個發布回答的是另一個問題:誰來做賣這些模型的櫃檯。微軟剛剛自己舉手,方式是承認它不需要擁有模型,也能擁有交易。

五個,各管一段

微軟的說法是,創意工作不是一件事。一個團隊為一段文字 brief 探幾條方向,一個零售商把審過的產品圖變成運動概念,一個開發者把生圖接到生影片,它們對模型的要求不一樣。品質、運動、可控性、交付週期和成本,在每種情況下的權衡不同。所以這五個不是五次衝同一個 benchmark,而是地圖上的五個位置。

**Kling v3 Pro** 是電影感那個。畫質加順滑運動,原生音訊生成,自訂元素。它的圖生影片模式讓開發者控制一個具體的起始幀怎麼變成運動鏡頭。當視覺方向和運動表現比每秒價格更重要時,選它。

**LTX-2.5** 分兩檔。Fast 用來迭代和預覽,Pro 用來高保真交付。兩個都做文生影片和圖生影片,都帶同步音訊。兩檔一起發的意義在於,團隊可以在同一個平台上從草稿做到成片,不用換工具。這話聽著是小節,直到你試過在兩個供應商之間對齊一種影調。

**MiniMax H3 Max 和 H3 Max Turbo** 是 H3 的後訓練變體,後訓練針對指令遵循、畫質和推理能力。Turbo 拿一部分品質換更快生成,用途是高頻迭代。

說到規模,fal 創辦人 Burkay Gur 說得很直白:生成式媒體應用正在變成多模型的,因為一件工作的不同部分需要不同的東西。fal 的目錄覆蓋 1500 多個模型,橫跨圖像、影片、音訊和 3D,另外還有推理、訓練和基礎設施。微軟挑了五個。挑選本身就是產品。

資料駐留那個細節

公告裡埋著一句真正能促成簽約的話:模型託管在美國區域,Foundry 是第一家提供美國境內 Kling 端點的供應商。

Kling 來自快手,一家中國公司。對一個要走採購審查的美國企業來說,「我們可以用這個模型,推理在美國區域跑,走 Azure 合約」和「我們可以用這個模型」是兩場不同的對話。模型一模一樣,文書不一樣。

這是多模型論裡被低估的部分。技術上的理由是方便,商業上的理由是中間商吸收了合規面。微軟賣的是後者。

價格,以及一個要自己核的數字

計費按生成秒數,解析度和音訊模式會改變單價。微軟說具體價格會在未來幾週掛上 Azure 定價頁。

五枚曲率各異的玻璃小鏡片,擺在炭灰色天鵝絨上。

一個提醒。官方部落格正文和它的表格,對計費單位的描述不一致。把它寫進預算之前,去定價頁確認計價器是按秒還是按分鐘,然後再乘。這種不一致在預覽公告裡很常見,也正好是那種能把一次便宜實驗變成一張意外帳單的東西。

五個模型之間也沒有統一的品質或延遲 benchmark。微軟自己也這麼說。所謂選型,就是拿你自己的 prompt、你自己的原圖、你自己的片段長度、你自己的音訊要求,一個一個跑。預覽狀態意味著沒有 SLA,介面也可能變。

ComfyUI 那個玩法才是最有用的部分

和公告一起發的第二篇微軟文章,講怎麼用兩個自訂節點把 Foundry 的圖像模型和 fal 的影片模型接進 ComfyUI,整條鏈路上不需要任何 API key。

三步。

第一步,在你的 Foundry 專案裡部署模型。走入口網站的模型目錄,或者用 CLI:

az cognitiveservices account deployment create ...

給出的範例模型識別碼,圖像側是 gpt-image-2.5-sunburst、FLUX.2-pro 和 MAI-Image-2.6,影片側是 Fal-MiniMax-H3-Max。有一條命名規則要注意:圖像部署名必須和模型名一致,因為節點是從這個字串推斷模型家族的。影片部署名隨便取。

第二步,給 ComfyUI 無金鑰存取。節點用 DefaultAzureCredential,也就是以機器現有的 Entra 身分驗證。在筆電上那是你的 az login 工作階段,在 Azure 上是受控身分。這個身分需要在 Foundry 資源上拿到 Cognitive Services User 角色,或者 Foundry User。沒有金鑰要存、要輪換、要洩進共享的工作流程 JSON,而後者正是 ComfyUI 環境被打穿最常見的方式。

第三步,貼上專案端點,形如 https://xxx.services.ai.azure.com/api/projects/xxx。

架構上的結果是重點。生成發生在 Foundry,ComfyUI 只負責編排。所以跑 ComfyUI 的機器不需要 GPU,微軟的範例就是一次文生圖呼叫餵給一次圖生影片呼叫,產出一個五秒的電影感鏡頭,組裝在一台可能是筆電的硬體上。

對維護過一套裝了四十個自訂節點、本地一堆 checkpoint 的 ComfyUI 的人來說,這是完全不同的形狀。工作流程變成了瘦用戶端。你失去的是離線能力,以及在圖中間換成本地模型的能力。

同一輪新聞裡那個尷尬的鄰居

11 月 5 日到 6 日之間,微軟的安全更新指南掛了兩條 CVSS 10.0。一條在 Entra 裝置註冊。另一條是 CVE-2026-85889,Azure AI Foundry 的驗證缺失漏洞,CWE-306,網路向量,不需要權限,不需要使用者互動。

微軟的說明是客戶不需要做任何操作,因為修復落在微軟自己的基礎設施上,沒有客戶部署的版本需要打補丁。由研究員 Rémy Marot 回報,沒有在野利用的證據。

這裡要把兩件事分開。10.0 分衡量的是最壞影響,不是可能性,微軟自己的可利用性評估是低。而雲端 CVE 公告是一則通知,不是一項任務。你不用去打補丁,你要去翻修復之前那個時間窗裡的異常部署和呼叫日誌。

它仍然該和發布放在同一段裡,因為兩件事講的是同一個位移。當平台跑模型、握著金鑰、擁有端點,安全邊界就挪進了一個你沒法檢查的服務裡。這是便利的帳單。

實際該測什麼

如果你在評估這套東西,有意思的對比是:一個中間商加五個模型,和一家供應商加一個模型,哪個更適合你真實的流水線。把 Kling、LTX、MiniMax 抽象地排個名,幾乎告訴不了你什麼。

拿同一段 brief 跑完五個。量從 prompt 到能用片段的時間,不是到片段的時間。再量一遍重生成率,因為一個要三次才把運動做對的模型,無論標價多少都是三倍價格。然後檢查音訊,如果有的話,能不能扛過剪輯。同步漂移比沒有音訊更糟。

還要記住出口在哪。中間商的全部吸引力在於你可以在不改整合的情況下換掉底下的模型。測它的辦法是換一個,看什麼壞了。如果答案是「prompt 格式」,你有的是中間商。如果答案是「全部」,你有的是一個多了幾道手續的供應商。

Ignite 在 11 月 17 日到 20 日,19 日有一場專門的 Foundry 和 fal 議程。定價和正式可用應該會跟上。在那之前,這是一個沒有 SLA 的預覽,做實驗沒問題,做產品發布不行。

相關文章