Was ist MAGI-2 Preview?
MAGI-2 Preview wurde am 5. August 2026 von Sand AI veröffentlicht und löst dessen MAGI-1 ab. Es ist ein Mixture-of-Experts-Transformer mit etwa 114 Milliarden Parametern, davon rund 6 Milliarden pro Token aktiv, der Video und Tonspur gemeinsam aus Text oder aus Text plus Standbild erzeugt. Sand AI nennt es eine Forschungs-Zwischenversion.
Clips sind 10 Sekunden lang, die einzige unterstützte Dauer. Eine Vorschaustufe erzeugt 512x896, ein 14 GB großer Refiner bringt das Ergebnis auf 1088x1920. Der vollständige Checkpoint umfasst etwa 307 GB, darunter einen 56 GB großen Qwen3.5-27B-Textencoder und das Video-VAE von Wan2.2, und die Inferenz braucht acht NVIDIA-Hopper-GPUs. Code und Gewichte stehen unter Apache 2.0.
Lohnt sich MAGI-2 Preview?
MAGI-2 Preview gibt der offenen Community ein Audio-Video-Modell unter einer wirklich freizügigen Lizenz, zu einem Hardwarepreis, den sich wenige leisten können. In der Text-to-Video-Rangliste mit Audio von Artificial Analysis steht es auf Platz 16 von 32 mit 1040 Elo, vor Kling 3.0 1080p (Pro) mit dem festen Referenzwert 1000 und LTX-2.5 Fast mit 942, aber 120 Punkte hinter MiniMax H3 mit 1160.
Die Lizenz ist der Grund, sich dafür zu interessieren. MiniMax H3, das einzige offene Modell darüber, verlangt für die Nutzung in den USA, der EU, Großbritannien und Südkorea einen eigenen Antrag. MAGI-2 steht unter Apache 2.0, ohne Umsatzgrenze und ohne ausgeschlossene Regionen.
Die Hardware ist das Hindernis. Der Code erwartet acht Hopper-GPUs, und selbst dann werden Vorschau- und Refiner-Stufe in den GPU-Speicher hinein- und herausgeschoben, weil bei 1080p keine von beiden neben den Arbeitsdaten der anderen auf eine 80-GB-Karte passt. Allein der Textencoder ist ein Sprachmodell mit 27 Milliarden Parametern.
Sand AI sagt offen, dass dies eine Vorschau ist. Clips sind auf 10 Sekunden festgelegt, Prompts funktionieren am besten als lange strukturierte JSON-Beschreibungen aus einem separaten Sprachmodell, Generierungszeiten sind nicht veröffentlicht, und der Blog beschreibt seine Belege für konsistente Figuren und passende Untertitel als informelle Beobachtung statt kontrollierter Tests.
Wo es sich lohnt
Ein universitäres Videogenerierungslabor mit einem 8x-H100-Knoten
Ein großes Mixture-of-Experts-Videomodell ohne Lizenzverhandlungen untersuchen und feintunen
Docker-Image und den 307-GB-Checkpoint ziehen; Apache 2.0 erlaubt das Veröffentlichen von Ableitungen, und der deterministische Modus macht Läufe bitgenau reproduzierbar, auf Kosten etwas Tempo.
Ein Berliner Werbestudio, das keine territorial lizenzierten Modelle nutzen darf
10-Sekunden-Spots mit synchronem Ton auf eigener Hardware erzeugen
Einen Hopper-Knoten mit acht GPUs mieten, Briefings mit einem LLM und den mitgelieferten System-Prompts in JSON-Beschreibungen umwandeln und in 1088x1920 rendern. Anders als bei MiniMax H3 ist kein EU-Lizenzantrag nötig.
Bevor du dich festlegst
- Einrichtung
- docker pull sandai/magi-2-preview, den 307-GB-Checkpoint mit hf download laden und scripts/run_demo.sh unter torchrun auf acht GPUs starten; ffmpeg wird für die Tonspur gebraucht.
- Integrationen
- Native PyTorch-Pipeline mit MagiAttention und MagiCompiler und ein Docker-Image pro Commit; keine Unterstützung für Diffusers oder ComfyUI aufgeführt.
- Daten und Datenschutz
- Vorerst nur selbst gehostet, Prompts und Material bleiben also auf deiner Hardware; der Umfang der Trainingsdaten ist nicht veröffentlicht.
- Kosten im großen Maßstab
- Noch kein API-Preis. Selbst gehostet heißt ein Hopper-Knoten mit acht GPUs pro Worker, und Sand AI nennt keine Clips pro Stunde.
- Grenzen
- Nur 10-Sekunden-Clips; Maße in Vielfachen von 16; nur Text-zu-Video und Bild-zu-Video; eine Forschungsvorschau mit informellen Qualitätsaussagen.
Was gut ist
- Apache-2.0-Gewichte ohne Umsatz- oder Regionsgrenzen
- Video und Audio werden gemeinsam erzeugt
- Platz 16 von 32 in der Audio-Video-Rangliste von Artificial Analysis
- Refiner liefert 1088x1920
Was nicht
- Braucht acht NVIDIA-Hopper-GPUs
- Etwa 307 GB Gewichte zum Herunterladen
- Feste 10-Sekunden-Clips
- Noch keine gehostete API und keine Geschwindigkeitswerte
Am besten für
Forschungslabore und gut finanzierte Studios mit einem Hopper-Knoten aus acht GPUs, die ein freizügig lizenziertes Audio-Video-Modell wollen.
Alternativen zu MAGI-2 Preview
MAGI-2 Preview: häufige Fragen
- Lohnt sich MAGI-2 Preview?
- MAGI-2 Preview ist das stärkste Videomodell mit Ton, das du unter Apache 2.0 nutzen kannst, und als Erstes verlangt es acht Hopper-GPUs. Wir bewerten es mit 3.7 von 5.
- Was kostet MAGI-2 Preview?
- Kostenlose Gewichte unter Apache 2.0. Noch kein Hosting-Preis; Artificial Analysis führt die API als demnächst verfügbar.
- Welche Nachteile hat MAGI-2 Preview?
- Braucht acht NVIDIA-Hopper-GPUs; Etwa 307 GB Gewichte zum Herunterladen; Feste 10-Sekunden-Clips; Noch keine gehostete API und keine Geschwindigkeitswerte.
- Für wen eignet sich MAGI-2 Preview?
- Forschungslabore und gut finanzierte Studios mit einem Hopper-Knoten aus acht GPUs, die ein freizügig lizenziertes Audio-Video-Modell wollen.
- Was kostet MAGI-2 Preview für ein Team oder im Produktivbetrieb?
- Noch kein API-Preis. Selbst gehostet heißt ein Hopper-Knoten mit acht GPUs pro Worker, und Sand AI nennt keine Clips pro Stunde.
- Ist MAGI-2 Preview sicher für Firmendaten?
- Vorerst nur selbst gehostet, Prompts und Material bleiben also auf deiner Hardware; der Umfang der Trainingsdaten ist nicht veröffentlicht.
- Was sind die besten Alternativen zu MAGI-2 Preview?
- Die nächsten Alternativen, die wir getestet haben, sind MiniMax H3 (Hailuo 3.0), LTX-2.5, Kandinsky 6.0 Video und Wan 3.0.
Antworten geprüft am 7. Nov. 2026.