Kandinsky 6.0 Video passe en open source : ce qui est livré et ce qu'il faut pour le faire tourner
Le 6 octobre 2026, Kandinsky Lab a open-sourcé Kandinsky 6.0 Video, une famille de modèles de diffusion qui génèrent vidéo et audio ensemble. Le code, les poids et l'intégration Diffusers sont publiés sous licence MIT, ce qui en fait l'un des modèles audio-vidéo les plus permissivement licenciés. Cet article détaille le contenu de la livraison, ce qu'il faut pour le faire tourner et la comparaison avec les autres modèles vidéo ouverts. Dernière vérification : 2026-10-08.
Ce que contient la livraison
- Deux tailles. Kandinsky 6.0 Video Lite compte 3 milliards de paramètres, Pro 29 milliards. Chacun est proposé en checkpoint principal, en checkpoint distillé plus rapide et en checkpoint de pré-entraînement.
- De la vidéo avec du son. Les deux génèrent des clips de 5 secondes avec un audio 44 kHz synchronisé, synchro labiale comprise, à partir de texte (T2AV) ou de texte plus une image de référence (TI2AV).
- Module de super-résolution. Un modèle séparé, Kandinsky 6.0 Video Super-Resolution, agrandit les clips de 2x, 2,25x ou 4x. C'est ainsi que la livraison atteint le Full HD (1920x1080) ; l'exemple de base de Pro rend à 864x480 et 24 fps.
- Outils dès le premier jour. Prise en charge par Diffusers, ComfyUI, vLLM-Omni, SGLang et FastVideo, plus une démo de Pro Distill sur Hugging Face Spaces.
Licence
Le code GitHub et chaque checkpoint sur Hugging Face sont sous MIT. Aucune restriction territoriale, aucun seuil de revenus ni annexe d'usage acceptable : vous pouvez l'héberger vous-même, le fine-tuner et livrer des produits commerciaux avec. La seule note de bas de page se trouve dans le dépôt de super-résolution, où les gabarits d'export Diffusers conservent leurs mentions Apache-2.0 d'origine.
Ce qu'il faut pour le faire tourner
Kandinsky 6.0 exige un GPU NVIDIA et Python 3.13 ou 3.14. Le dépôt fournit des préréglages des cartes de centre de données (H100, A100 80 Go, RTX PRO 6000) aux cartes grand public (RTX 5090, 5080, 4090 et la RTX 5060 Ti de 16 Go). Les cartes grand public tournent avec déchargement par blocs, et le préréglage 16 Go utilise le checkpoint Pro distillé avec un encodeur de texte quantifié. Dans vLLM-Omni, même 80 Go ne suffisent pas pour Pro sans déchargement CPU. Prévoyez aussi du disque : les seuls poids du transformer de Pro pèsent environ 70 Go, contre environ 7,5 Go pour Lite.
La contrainte la plus sérieuse, c'est le temps. Voici les mesures du dépôt lui-même pour un clip de 5 secondes, après échauffement et sans compter le chargement du modèle :
| Clip de 5 secondes | 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 |
Cela fait près de sept minutes par clip sur H100 pour Pro en Full HD, et environ une heure sur une carte de 16 Go. Les checkpoints distillés réduisent ces durées, mais c'est un modèle pour le rendu par lots et la recherche, pas pour les prévisualisations interactives sur le GPU d'un portable.
Comparaison avec les autres modèles vidéo ouverts
| Kandinsky 6.0 Video | MiniMax H3 | Wan 2.2 | |
|---|---|---|---|
| Licence | MIT | MiniMax Community License ; exclut l'UE, le Royaume-Uni, la Corée du Sud et les États-Unis, et exige une autorisation au-delà de 20 M$ de revenus | Apache-2.0 |
| Sortie auto-hébergée | 5 s ; Full HD via le module SR | 768p ; le 2K passe par l'API hébergée de MiniMax | 480p ou 720p |
| Audio | Généré, 44 kHz, avec synchro labiale | Généré | Non généré (le modèle S2V reçoit l'audio en entrée) |
| Configuration minimale | Carte de 16 Go avec déchargement, lentement | La configuration de référence utilise 4 GPU par variante | Modèle 5B sur une RTX 4090 de 24 Go |
En bref : si vous voulez des poids ouverts avec du son et une licence que vos juristes valideront partout, Kandinsky 6.0 est maintenant le candidat évident. MiniMax H3 offre plus de marge en résolution, mais sa licence interdit l'auto-hébergement dans quatre grands marchés. Wan 2.2 reste le choix plus léger et bien pris en charge quand l'audio généré n'est pas nécessaire.
Kandinsky 6.0 est-il disponible sur Imgo ?
Non. Kandinsky 6.0 n'est pas intégré à Imgo et nous ne promettons pas de génération en ligne pour ce modèle. Si vous cherchez aujourd'hui de la vidéo hébergée avec audio natif, Imgo propose Seedance 2.0, avec des clips jusqu'à 15 secondes, des références image, vidéo et audio, et un son généré. La liste des modèles disponibles montre tout ce que vous pouvez générer dès maintenant.
Sources
Partager
Related Posts
No image
Kling 4.0 Flash a ouvert en accès anticipé le 28 septembre pour un groupe limité — des abonnés Ultra annuels selon les reportages — avec des clips de 3 à 20 secondes en 720p. Comment entrer, ce que ça coûte, comment écrire les prompts de 8 000 tokens et le plan de keyframes, et quoi générer en attendant.
No image
Wan 3.0 accepte un document, un lien web, des images, des vidéos et de l'audio en entrée. Ce guide pratique détaile le rôle de chaque entrée, la structure d'un prompt de 30 secondes, des exemples de budget à la seconde de 480p à 1080p sur les deux paliers, et les erreurs les plus fréquentes.
No image
Kling 4.0 Flash est en accès anticipé depuis le 28 septembre 2026 ; le modèle complet et son API sont en attente, avec octobre 2026 comme objectif. Voici ce que fait chaque niveau, quelles caractéristiques phares ne sont qu'annoncées et quoi utiliser en attendant.