Qu’est-ce que Kandinsky 6.0 Video ?
Kandinsky 6.0 Video a été publié en open source le 6 octobre 2026 par Kandinsky Lab, qui fait partie du russe Sber. Il existe en deux tailles, Lite avec 3 milliards de paramètres et Pro avec 29 milliards, chacune avec des checkpoints standard, distillé et de pré-entraînement. Les deux génèrent des clips de 5 secondes avec un audio synchronisé en 44 kHz, dont la parole synchronisée sur les lèvres, la musique et le son d'ambiance, à partir d'un texte ou d'une image accompagnée d'un texte ; une mise à jour du 25 octobre a ajouté des modes première et dernière image, piloté par l'audio et piloté par la vidéo.
Le clip de base est en 480x864, et un modèle de super-résolution séparé le porte en 1920x1080. Code et poids sont sous licence MIT. Les développeurs indiquent que le module audio a été entraîné sur 40 millions de pistes audio, puis avec le module vidéo sur 7 millions de clips appariés.
Kandinsky 6.0 Video vaut-il le coup ?
Kandinsky 6.0 Video met la vidéo sous licence MIT avec parole et son synchronisés à la portée de cartes graphiques ordinaires. Les mesures de Kandinsky Lab donnent 68 secondes pour un clip Lite distillé sur une RTX 4090 et 174 secondes sur une RTX 5060 Ti de 16 Go, et 235 secondes pour un clip Pro distillé sur la 4090 ou 88 secondes sur un H100, le tout en 480x864 avant mise à l'échelle.
Les données de qualité indépendantes sont rares. Aucune des deux tailles ne figure au classement texte-vers-vidéo avec audio d'Artificial Analysis. Les développeurs affirment que Pro bat LTX-2.5 en qualité visuelle et vocale et ne cède qu'à MiniMax H3, tandis que Digital Journal note que les résultats face à LTX-2.5 et Veo 3.1 Fast varient selon la tâche et le critère. L'apprentissage par renforcement a réduit de 47% le taux d'erreur par mot de la parole générée par Pro, selon l'équipe.
Cinq secondes est une limite ferme pour l'instant, et chaque clip dure exactement cela : les scènes longues imposent de raccorder. Le Full HD coûte aussi du temps : un clip Pro distillé passe de 235 à 381 secondes sur une RTX 4090 avec super-résolution.
Le fabricant compte pour certains acheteurs. Kandinsky Lab appartient à Sber, et Sberbank est sous sanctions de blocage total des États-Unis depuis avril 2022. Télécharger des poids MIT sur Hugging Face n'équivaut pas à payer Sber, mais les entreprises américaines devraient consulter un juriste avant d'y adosser un produit.
Là où il fait la différence
Une start-up d'apprentissage des langues de deux personnes
Générer de courtes scènes parlées pour des leçons de vocabulaire
Faites tourner Lite Distill sur une RTX 5060 Ti de 16 Go, environ 174 secondes par clip de 5 secondes avec parole synchronisée ; la licence MIT signifie aucune redevance même si l'application grandit.
Une agence social media qui teste des concepts publicitaires
Produire vite de nombreux brouillons sonores de 5 secondes
Utilisez l'endpoint Pro de fal à 8 étapes pour 0,24 $ le clip, soit environ 120 $ pour 500 brouillons, puis refaites les élus à 50 étapes avec mise à l'échelle 1080p pour 1,53 $ chacun.
Un ingénieur ML dans un groupe de médias moscovite
Héberger un modèle vidéo national pour la production
Servez Pro sur un H100 via vLLM-Omni ou SGLang, environ 88 secondes par clip distillé en 480x864, ou 133 secondes avec super-résolution Full HD.
Avant de vous engager
- Mise en route
- Installez uv et just, lancez just setup, téléchargez un checkpoint comme pro-distill et générez à partir d'un prompt ; des voies Diffusers et ComfyUI existent aussi.
- Intégrations
- Diffusers, ComfyUI, vLLM-Omni, SGLang, FastVideo, un Space Hugging Face pour Pro Distill et les endpoints texte-vers-vidéo et image-vers-vidéo de fal.
- Données et confidentialité
- Les poids MIT auto-hébergés gardent les images en local ; aucune donnée d'entraînement n'est décrite au-delà des 40 millions de pistes audio et des 7 millions de clips appariés.
- Coût à grande échelle
- fal : 1 000 clips Pro coûtent 1 350 $ à 50 étapes ou 240 $ à 8 étapes ; en auto-hébergement, une RTX 4090 produit environ 15 clips Pro distillés par heure en 480x864.
- Limites
- Clips de 5 secondes uniquement ; base 480x864 avec mise à l'échelle facultative en 1920x1080 ; Pro exige un délestage par blocs sur les cartes de 24 et 32 Go ; les affirmations de qualité sont celles du fabricant.
Les points forts
- Licence MIT pour le code et les poids
- Parole, musique et effets synchronisés en 44 kHz
- Lite tourne sur une RTX 5060 Ti de 16 Go
- Pris en charge par Diffusers, ComfyUI, vLLM-Omni, SGLang et FastVideo
Les points faibles
- Clips fixes de 5 secondes
- Pas encore de classement indépendant en arène
- Pro met environ 4 minutes par clip distillé sur une RTX 4090
- Le fabricant appartient à une banque sanctionnée par les États-Unis
Idéal pour
Les développeurs et petits studios qui veulent de la vidéo courte auto-hébergée, gratuite en usage commercial, avec dialogues et son, et qui peuvent régler la question Sber avec leurs avocats.
Alternatives à Kandinsky 6.0 Video
Kandinsky 6.0 Video : questions fréquentes
- Kandinsky 6.0 Video vaut-il le coup ?
- Kandinsky 6.0 est un moyen bon marché d'obtenir de la vidéo parlante et sonorisée d'un modèle sous licence MIT, et le plafond de cinq secondes en est le prix. Nous lui donnons 3.7 sur 5.
- Combien coûte Kandinsky 6.0 Video ?
- Poids gratuits sous MIT. fal facture 1,35 $ un clip Pro de 5 secondes en 480p à 50 étapes, 0,24 $ à 8 étapes et 1,53 $ avec mise à l'échelle 1080p.
- Quels sont les inconvénients de Kandinsky 6.0 Video ?
- Clips fixes de 5 secondes; pas encore de classement indépendant en arène; pro met environ 4 minutes par clip distillé sur une RTX 4090; le fabricant appartient à une banque sanctionnée par les États-Unis.
- À qui s’adresse Kandinsky 6.0 Video ?
- Les développeurs et petits studios qui veulent de la vidéo courte auto-hébergée, gratuite en usage commercial, avec dialogues et son, et qui peuvent régler la question Sber avec leurs avocats.
- Combien coûte Kandinsky 6.0 Video pour une équipe ou en production ?
- fal : 1 000 clips Pro coûtent 1 350 $ à 50 étapes ou 240 $ à 8 étapes ; en auto-hébergement, une RTX 4090 produit environ 15 clips Pro distillés par heure en 480x864.
- Kandinsky 6.0 Video est-il sûr pour les données de l’entreprise ?
- Les poids MIT auto-hébergés gardent les images en local ; aucune donnée d'entraînement n'est décrite au-delà des 40 millions de pistes audio et des 7 millions de clips appariés.
- Quelles sont les meilleures alternatives à Kandinsky 6.0 Video ?
- Les alternatives les plus proches que nous avons testées sont LTX-2.5, MAGI-2 Preview, MiniMax H3 (Hailuo 3.0) et HunyuanVideo 1.5.
Réponses vérifiées le 7 nov. 2026.