Kandinsky 6.0 Video в открытом доступе: что вошло в релиз и что нужно для запуска
6 октября 2026 года Kandinsky Lab выложила в открытый доступ Kandinsky 6.0 Video — семейство диффузионных моделей, генерирующих видео и звук вместе. Код, веса и интеграция с Diffusers опубликованы под лицензией MIT, что делает её одной из самых свободно лицензированных аудио-видео моделей. В статье — что вошло в релиз, что нужно для запуска и как модель соотносится с другими открытыми видеомоделями. Последняя проверка: 2026-10-08.
Что вошло в релиз
- Два размера. Kandinsky 6.0 Video Lite насчитывает 3 млрд параметров, Pro — 29 млрд. Каждый предлагается как основной чекпоинт, более быстрый дистиллированный чекпоинт и чекпоинт предобучения.
- Видео со звуком. Обе версии создают 5-секундные клипы с синхронным звуком 44 кГц, включая липсинк, по тексту (T2AV) или по тексту плюс референсному изображению (TI2AV).
- Модуль сверхразрешения. Отдельная модель Kandinsky 6.0 Video Super-Resolution увеличивает клипы в 2, 2,25 или 4 раза. Именно так релиз добирается до Full HD (1920x1080); базовый пример Pro рендерится в 864x480 при 24 fps.
- Инструменты с первого дня. Поддержка Diffusers, ComfyUI, vLLM-Omni, SGLang и FastVideo плюс демо Pro Distill на Hugging Face Spaces.
Лицензия
Код на GitHub и каждый чекпоинт на Hugging Face — под MIT. Никаких территориальных ограничений, порогов по выручке или приложений о допустимом использовании: можно разворачивать у себя, дообучать и выпускать коммерческие продукты. Единственная сноска — в репозитории сверхразрешения, где шаблоны экспорта Diffusers сохраняют исходные уведомления Apache-2.0.
Что нужно для запуска
Kandinsky 6.0 требует NVIDIA GPU и Python 3.13 или 3.14. В репозитории есть пресеты от дата-центровых карт (H100, A100 80 ГБ, RTX PRO 6000) до потребительских (RTX 5090, 5080, 4090 и 16-гигабайтной RTX 5060 Ti). Потребительские карты работают с поблочной выгрузкой, а пресет на 16 ГБ использует дистиллированный чекпоинт Pro с квантованным текстовым энкодером. В vLLM-Omni даже 80 ГБ не хватает для Pro без выгрузки на CPU. Заложите и диск: одни веса трансформера Pro занимают около 70 ГБ против примерно 7,5 ГБ у Lite.
Главное ограничение — время. Вот собственные замеры репозитория для одного 5-секундного клипа, после прогрева и без загрузки модели:
| 5-секундный клип | H100 | RTX 4090 | RTX 5060 Ti |
|---|---|---|---|
| Lite, SD | 239 с | 437 с | 1 310 с |
| Pro, Full HD | 402 с | 1 247 с | 3 530 с |
Это почти семь минут на клип на H100 для Pro в Full HD и около часа на 16-гигабайтной карте. Дистиллированные чекпоинты сокращают время, но это модель для пакетного рендера и исследований, а не для интерактивных предпросмотров на GPU ноутбука.
Сравнение с другими открытыми видеомоделями
| Kandinsky 6.0 Video | MiniMax H3 | Wan 2.2 | |
|---|---|---|---|
| Лицензия | MIT | MiniMax Community License; исключает ЕС, Великобританию, Южную Корею и США, а свыше $20 млн выручки требует разрешения | Apache-2.0 |
| Самостоятельный запуск | 5 с; Full HD через SR-модуль | 768p; для 2K нужен хостинг API MiniMax | 480p или 720p |
| Звук | Генерируется, 44 кГц, с липсинком | Генерируется | Не генерируется (модель S2V принимает звук на вход) |
| Минимальная конфигурация | 16-гигабайтная карта с выгрузкой, медленно | Референсная конфигурация — 4 GPU на вариант | Модель 5B на 24-гигабайтной RTX 4090 |
Если коротко: когда нужны открытые веса со звуком и лицензия, которую юристы согласуют в любой стране, Kandinsky 6.0 теперь очевидный кандидат. MiniMax H3 даёт больше запаса по разрешению, но её лицензия исключает самостоятельный запуск на четырёх крупных рынках. Wan 2.2 остаётся более лёгким и хорошо поддерживаемым выбором, если генерируемый звук не нужен.
Есть ли Kandinsky 6.0 в Imgo?
Нет. Kandinsky 6.0 не интегрирован в Imgo, и мы не обещаем его онлайн-генерацию. Если вам нужно размещённое видео с нативным звуком уже сегодня, в Imgo работает Seedance 2.0: клипы до 15 секунд, референсы из изображений, видео и аудио, генерируемый звук. В списке доступных моделей видно всё, что можно генерировать прямо сейчас.
Источники
Поделиться
Related Posts
No image
Kling 4.0 Flash открылся в раннем доступе 28 сентября для ограниченного круга — по сообщениям, годовых подписчиков Ultra — с клипами 3–20 секунд в 720p. Как попасть внутрь, сколько это стоит, как писать промпты на 8 000 токенов и план кейкадров, и что генерировать до выхода полной версии.
No image
Wan 3.0 принимает документ, веб-ссылку, изображения, видео и аудио. Это практическое руководство разбирает назначение каждого входа, структуру промпта для 30-секундного дубля, бюджет в примерах от 480p до 1080p на обоих уровнях и типичные ошибки.
No image
Kling 4.0 Flash в раннем доступе с 28 сентября 2026 года; полная модель и её API ещё не вышли, ориентир — октябрь 2026 года. Рассказываем, что умеет каждый уровень, какие ключевые характеристики пока только заявлены и чем пользоваться в это время.