O que é MAGI-2 Preview?
O MAGI-2 Preview foi publicado em 5 de agosto de 2026 pela Sand AI e substitui o seu MAGI-1. É um transformer mixture-of-experts com cerca de 114 bilhões de parâmetros, uns 6 bilhões ativos por token, que gera o vídeo e a trilha sonora juntos a partir de texto ou de texto mais uma imagem estática. A Sand AI o chama de versão de pesquisa intermediária.
Os clipes têm 10 segundos, a única duração suportada. Uma etapa de prévia gera em 512x896 e um refinador de 14 GB leva o resultado a 1088x1920. O checkpoint completo tem cerca de 307 GB, incluindo um codificador de texto Qwen3.5-27B de 56 GB e o VAE de vídeo do Wan2.2, e a inferência precisa de oito GPUs NVIDIA Hopper. Código e pesos estão sob Apache 2.0.
MAGI-2 Preview vale a pena?
O MAGI-2 Preview dá à comunidade aberta um modelo de áudio e vídeo com uma licença realmente permissiva, a um custo de hardware que poucos podem pagar. No ranking de texto para vídeo com áudio da Artificial Analysis, ele está em 16º de 32 com 1040 Elo, à frente do Kling 3.0 1080p (Pro), fixado em 1000 como referência, e do LTX-2.5 Fast com 942, mas 120 pontos atrás do MiniMax H3 com 1160.
A licença é o motivo para se importar. O MiniMax H3, o único modelo aberto acima dele, exige um pedido à parte para uso nos EUA, na UE, no Reino Unido e na Coreia do Sul. O MAGI-2 é Apache 2.0, sem teto de receita e sem regiões excluídas.
O hardware é o obstáculo. O código espera oito GPUs Hopper, e mesmo assim as etapas de prévia e de refino entram e saem da memória da GPU porque, em 1080p, nenhuma cabe numa placa de 80 GB ao lado dos dados de trabalho da outra. Só o codificador de texto já é um modelo de linguagem de 27 bilhões de parâmetros.
A Sand AI admite com franqueza que isto é uma prévia. Os clipes são fixos em 10 segundos, os prompts funcionam melhor como longas descrições JSON estruturadas vindas de outro modelo de linguagem, não há tempos de geração publicados, e o blog descreve suas evidências de personagens consistentes e legendas sincronizadas como observação informal, não como testes controlados.
Onde ele se destaca
Um laboratório universitário de geração de vídeo com um nó 8x H100
Estudar e ajustar um grande modelo de vídeo mixture-of-experts sem negociar licenças
Baixe a imagem Docker e o checkpoint de 307 GB; o Apache 2.0 permite publicar derivados, e o modo determinístico deixa as execuções reproduzíveis bit a bit, ao custo de alguma velocidade.
Um estúdio de publicidade de Berlim que não pode usar modelos com licença territorial
Gerar spots de 10 segundos com som sincronizado no próprio hardware
Alugue um nó Hopper de oito GPUs, transforme os briefings em descrições JSON com um LLM e os system prompts incluídos, e renderize em 1088x1920. Ao contrário do MiniMax H3, não é preciso pedir licença para a UE.
Antes de decidir
- Configuração
- docker pull sandai/magi-2-preview, baixe o checkpoint de 307 GB com hf download e rode scripts/run_demo.sh com torchrun em oito GPUs; o ffmpeg é necessário para adicionar a faixa de áudio.
- Integrações
- Pipeline nativa em PyTorch com MagiAttention e MagiCompiler e uma imagem Docker por commit; não há suporte listado a Diffusers ou ComfyUI.
- Dados e privacidade
- Por enquanto só hospedado por você, então prompts e vídeos ficam no seu hardware; o volume de dados de treinamento não é publicado.
- Custo em escala
- Ainda sem preço de API. Hospedar significa um nó Hopper de oito GPUs por worker, e a Sand AI não publica quantos clipes saem por hora.
- Limites
- Só clipes de 10 segundos; dimensões em múltiplos de 16; só texto para vídeo e imagem para vídeo; uma prévia de pesquisa com alegações de qualidade informais.
O que é bom
- Pesos Apache 2.0 sem limites de receita ou de região
- Vídeo e áudio gerados juntos
- 16º de 32 no ranking de áudio e vídeo da Artificial Analysis
- O refinador entrega 1088x1920
O que não é
- Precisa de oito GPUs NVIDIA Hopper
- Cerca de 307 GB de pesos para baixar
- Clipes fixos de 10 segundos
- Ainda sem API hospedada nem números de velocidade
Ideal para
Laboratórios de pesquisa e estúdios bem financiados com um nó Hopper de oito GPUs que querem um modelo de áudio e vídeo com licença permissiva.
Alternativas ao MAGI-2 Preview
MAGI-2 Preview: perguntas frequentes
- MAGI-2 Preview vale a pena?
- O MAGI-2 Preview é o modelo de vídeo com som mais forte que você pode usar sob Apache 2.0, e a primeira coisa que ele pede são oito GPUs Hopper. Damos nota 3.7 de 5.
- Quanto custa MAGI-2 Preview?
- Pesos gratuitos sob Apache 2.0. Ainda sem preço hospedado; a Artificial Analysis lista a API como em breve.
- Quais são as desvantagens de MAGI-2 Preview?
- Precisa de oito GPUs NVIDIA Hopper; cerca de 307 GB de pesos para baixar; clipes fixos de 10 segundos; ainda sem API hospedada nem números de velocidade.
- Para quem MAGI-2 Preview é indicado?
- Laboratórios de pesquisa e estúdios bem financiados com um nó Hopper de oito GPUs que querem um modelo de áudio e vídeo com licença permissiva.
- Quanto custa MAGI-2 Preview para uma equipe ou em produção?
- Ainda sem preço de API. Hospedar significa um nó Hopper de oito GPUs por worker, e a Sand AI não publica quantos clipes saem por hora.
- MAGI-2 Preview é seguro para dados da empresa?
- Por enquanto só hospedado por você, então prompts e vídeos ficam no seu hardware; o volume de dados de treinamento não é publicado.
- Quais são as melhores alternativas ao MAGI-2 Preview?
- As alternativas mais próximas que analisamos são MiniMax H3 (Hailuo 3.0), LTX-2.5, Kandinsky 6.0 Video e Wan 3.0.
Respostas verificadas em 7 de nov. de 2026.