Kandinsky 6.0 Video ist Open Source: Was geliefert wird und was es zum Betrieb braucht
Am 6. Oktober 2026 hat Kandinsky Lab Kandinsky 6.0 Video als Open Source freigegeben, eine Familie von Diffusionsmodellen, die Video und Audio gemeinsam erzeugen. Code, Gewichte und die Diffusers-Integration stehen unter der MIT-Lizenz, was das Modell zu einem der am großzügigsten lizenzierten Audio-Video-Modelle macht. Dieser Artikel beschreibt, was geliefert wird, was der Betrieb braucht und wie sich das Modell zu anderen offenen Videomodellen verhält. Zuletzt geprüft: 2026-10-08.
Was geliefert wird
- Zwei Größen. Kandinsky 6.0 Video Lite hat 3 Milliarden Parameter, Pro 29 Milliarden. Jede Variante gibt es als Haupt-Checkpoint, als schnelleren destillierten Checkpoint und als Pretrain-Checkpoint.
- Video mit Ton. Beide erzeugen 5-Sekunden-Clips mit synchronisiertem 44-kHz-Audio, Lippensynchronität inklusive, aus Text (T2AV) oder aus Text plus Referenzbild (TI2AV).
- Super-Resolution-Modul. Ein separates Modell, Kandinsky 6.0 Video Super-Resolution, skaliert Clips um 2x, 2,25x oder 4x hoch. So erreicht die Auslieferung Full HD (1920x1080); das Basisbeispiel von Pro rendert mit 864x480 und 24 fps.
- Werkzeuge ab Tag eins. Unterstützung durch Diffusers, ComfyUI, vLLM-Omni, SGLang und FastVideo, dazu eine Pro-Distill-Demo auf Hugging Face Spaces.
Lizenz
Der Code auf GitHub und jeder Checkpoint auf Hugging Face steht unter MIT. Keine Gebietsbeschränkung, kein Umsatzschwellenwert und kein Anhang zu akzeptabler Nutzung: Du kannst selbst hosten, fine-tunen und kommerzielle Produkte darauf bauen. Die einzige Fußnote steht im Super-Resolution-Repository, wo die Diffusers-Exportvorlagen ihre ursprünglichen Apache-2.0-Hinweise behalten.
Was der Betrieb braucht
Kandinsky 6.0 verlangt eine NVIDIA-GPU und Python 3.13 oder 3.14. Das Repository liefert Voreinstellungen von Rechenzentren-Karten (H100, A100 80 GB, RTX PRO 6000) bis zu Consumer-Karten (RTX 5090, 5080, 4090 und die 16-GB-RTX 5060 Ti). Consumer-Karten laufen mit Block-Offloading, und die 16-GB-Voreinstellung nutzt den destillierten Pro-Checkpoint mit einem quantisierten Text-Encoder. In vLLM-Omni reichen selbst 80 GB für Pro nicht ohne CPU-Offload. Plane auch Speicher ein: Allein die Transformer-Gewichte von Pro belegen rund 70 GB, gegenüber etwa 7,5 GB bei Lite.
Die größere Einschränkung ist die Zeit. Das sind die Messwerte des Repositories für einen 5-Sekunden-Clip, nach Aufwärmen und ohne das Laden des Modells:
| 5-Sekunden-Clip | H100 | RTX 4090 | RTX 5060 Ti |
|---|---|---|---|
| Lite, SD | 239 s | 437 s | 1.310 s |
| Pro, Full HD | 402 s | 1.247 s | 3.530 s |
Das sind knapp sieben Minuten pro Clip auf einer H100 für Pro in Full HD und rund eine Stunde auf einer 16-GB-Karte. Die destillierten Checkpoints verkürzen das, aber es bleibt ein Modell für Batch-Rendering und Forschung, nicht für interaktive Vorschauen auf einem Laptop-GPU.
Vergleich mit anderen offenen Videomodellen
| Kandinsky 6.0 Video | MiniMax H3 | Wan 2.2 | |
|---|---|---|---|
| Lizenz | MIT | MiniMax Community License; schließt EU, Großbritannien, Südkorea und die USA aus und verlangt oberhalb von 20 Mio. $ Umsatz eine Genehmigung | Apache-2.0 |
| Self-Hosted-Ausgabe | 5 s; Full HD über das SR-Modul | 768p; 2K erfordert MiniMax' gehostete API | 480p oder 720p |
| Audio | Generiert, 44 kHz, mit Lippensynchronität | Generiert | Wird nicht generiert (das S2V-Modell erhält Audio als Eingabe) |
| Minimale Ausstattung | 16-GB-Karte mit Offload, langsam | Die Referenzkonfiguration nutzt 4 GPUs pro Variante | 5B-Modell auf einer 24-GB-RTX 4090 |
Kurz: Wenn du offene Gewichte mit Ton brauchst und eine Lizenz, die deine Rechtsabteilung überall absegnet, ist Kandinsky 6.0 jetzt der naheliegende Kandidat. MiniMax H3 bietet mehr Spielraum bei der Auflösung, aber seine Lizenz schließt Self-Hosting in vier großen Märkten aus. Wan 2.2 bleibt die leichtere und gut unterstützte Wahl, wenn du generiertes Audio nicht brauchst.
Gibt es Kandinsky 6.0 auf Imgo?
Nein. Kandinsky 6.0 ist nicht in Imgo integriert, und wir versprechen keine Online-Generierung damit. Wenn du heute gehostetes Video mit nativem Audio suchst, bietet Imgo Seedance 2.0, mit Clips bis zu 15 Sekunden, Bild-, Video- und Audioreferenzen und generiertem Ton. Die Liste der verfügbaren Modelle zeigt alles, was du jetzt generieren kannst.
Quellen
Teilen
Related Posts
No image
Kling 4.0 Flash ist seit dem 28. September für eine begrenzte Gruppe im Early Access — Berichten zufolge Ultra-Jahresabonnenten — mit 3–20 Sekunden langen 720p-Clips. Wie man hineinkommt, was es kostet, wie man 8.000-Token-Prompts und den Keyframe-Plan schreibt und was man bis dahin generiert.
No image
Wan 3.0 nimmt ein Dokument, einen Weblink, Bilder, Videos und Audio entgegen. Dieser Praxis-Guide erklärt, wozu jede Eingabe dient, wie ein 30-Sekunden-Prompt aufgebaut ist, Sekunden-Budgets von 480p bis 1080p auf beiden Stufen und die häufigsten Fehler.
No image
Kling 4.0 Flash ist seit dem 28. September 2026 im Early Access; das vollständige Modell und seine API stehen noch aus, Ziel ist Oktober 2026. Hier steht, was jede Stufe kann, welche Kernspezifikationen nur angekündigt sind und was du in der Zwischenzeit nutzt.