Kandinsky 6.0 Video mở mã nguồn: có gì trong bản phát hành và cần gì để chạy
Ngày 6 tháng 10 năm 2026, Kandinsky Lab mở mã nguồn Kandinsky 6.0 Video, một dòng mô hình khuếch tán tạo video và âm thanh cùng lúc. Mã nguồn, trọng số và tích hợp Diffusers đều được phát hành theo giấy phép MIT, khiến nó trở thành một trong những mô hình âm thanh-phim ảnh được cấp phép rộng rãi nhất hiện có. Bài viết này bao quát những gì có trong bản phát hành, những gì cần để chạy, và so sánh với các mô hình video mở khác. Kiểm tra lần cuối: 2026-10-08.
Có gì trong bản phát hành
- Hai kích cỡ. Kandinsky 6.0 Video Lite có 3 tỷ tham số, Pro có 29 tỷ. Mỗi bản đều có checkpoint chính, checkpoint chưng cất nhanh hơn và checkpoint tiền huấn luyện.
- Video kèm âm thanh. Cả hai đều tạo clip 5 giây với âm thanh 44 kHz đồng bộ, bao gồm đồng bộ môi, từ văn bản (T2AV) hoặc từ văn bản cộng một ảnh tham chiếu (TI2AV).
- Mô-đun siêu phân giải. Một mô hình riêng, Kandinsky 6.0 Video Super-Resolution, phóng to clip theo hệ số 2x, 2,25x hoặc 4x. Bản phát hành đến được Full HD (1920x1080) nhờ đường đi này; ví dụ cơ bản của Pro kết xuất ở 864x480 và 24 fps.
- Công cụ từ ngày đầu. Hỗ trợ Diffusers, ComfyUI, vLLM-Omni, SGLang và FastVideo, kèm bản demo Pro Distill trên Hugging Face Spaces.
Giấy phép
Mã nguồn trên GitHub và mọi checkpoint trên Hugging Face đều là MIT. Không có hạn chế theo lãnh thổ, ngưỡng doanh thu hay phụ lục về mục đích sử dụng chấp nhận được: bạn có thể tự triển khai, tinh chỉnh và ra mắt sản phẩm thương mại trên nền nó. Chú thích duy nhất nằm ở kho siêu phân giải, nơi các mẫu xuất Diffusers giữ nguyên dòng ghi Apache-2.0 ban đầu.
Cần gì để chạy
Kandinsky 6.0 cần GPU NVIDIA và Python 3.13 hoặc 3.14. Kho mã nguồn cung cấp cấu hình sẵn từ card máy chủ (H100, A100 80 GB, RTX PRO 6000) đến card người dùng (RTX 5090, 5080, 4090 và RTX 5060 Ti 16 GB). Các card người dùng chạy với cơ chế offload theo khối, còn cấu hình 16 GB dùng checkpoint Pro chưng cất cùng bộ mã hóa văn bản lượng tử hóa. Trong vLLM-Omni, đến 80 GB vẫn chưa đủ cho Pro nếu không offload bớt sang CPU. Hãy chừa thêm ổ đĩa: riêng trọng số transformer của Pro đã khoảng 70 GB, so với khoảng 7,5 GB của Lite.
Ràng buộc lớn hơn là thời gian. Dưới đây là số đo chính từ kho mã nguồn cho một clip 5 giây, đo sau khi làm nóng và không tính thời gian nạp mô hình:
| Clip 5 giây | H100 | RTX 4090 | RTX 5060 Ti |
|---|---|---|---|
| Lite, SD | 239 giây | 437 giây | 1.310 giây |
| Pro, Full HD | 402 giây | 1.247 giây | 3.530 giây |
Nghĩa là gần bảy phút cho mỗi clip trên H100 với Pro ở Full HD, và khoảng một giờ trên card 16 GB. Các checkpoint chưng cất rút ngắn được thời gian này, nhưng đây vẫn là mô hình dành cho kết xuất theo lô và nghiên cứu, không phải để xem trước tương tác trên GPU của laptop.
So sánh với các mô hình video mở khác
| Kandinsky 6.0 Video | MiniMax H3 | Wan 2.2 | |
|---|---|---|---|
| Giấy phép | MIT | Giấy phép Cộng đồng MiniMax; loại trừ EU, Anh, Hàn Quốc và Mỹ, trên 20 triệu USD doanh thu phải xin phép | Apache-2.0 |
| Kết quả tự triển khai | 5 giây; Full HD qua mô-đun SR | 768p; muốn 2K phải dùng API do MiniMax lưu trữ | 480p hoặc 720p |
| Âm thanh | Tự tạo, 44 kHz, kèm đồng bộ môi | Tự tạo | Không tự tạo (mô hình S2V nhận âm thanh làm đầu vào) |
| Cấu hình tối thiểu | Card 16 GB kèm offload, chậm | Cấu hình tham chiếu dùng 4 GPU cho mỗi biến thể | Mô hình 5B trên RTX 4090 24 GB |
Tóm lại: nếu bạn cần trọng số mở kèm âm thanh và một giấy phép mà bộ phận pháp lý duyệt được ở bất kỳ đâu, Kandinsky 6.0 giờ là ứng viên hiển nhiên. MiniMax H3 cho thêm dư địa về độ phân giải, nhưng giấy phép của nó loại trừ việc tự triển khai ở bốn thị trường lớn. Wan 2.2 vẫn là lựa chọn nhẹ hơn và được hỗ trợ tốt hơn khi bạn không cần âm thanh tự tạo.
Imgo có Kandinsky 6.0 không?
Không. Kandinsky 6.0 chưa được tích hợp vào Imgo, và chúng tôi không hứa hẹn tạo ảnh/video trực tuyến bằng nó. Nếu hôm nay bạn cần video dạng dịch vụ kèm âm thanh gốc, Imgo đang chạy Seedance 2.0, với clip dài tới 15 giây, tham chiếu bằng hình ảnh, video và âm thanh, cùng âm thanh được tạo sẵn. Danh sách mô hình đang hoạt động cho thấy mọi thứ bạn có thể tạo ngay bây giờ.
Nguồn
Chia sẻ
Related Posts
No image
Kling 4.0 Flash mở early access từ 28 tháng Chín cho một nhóm giới hạn — theo các báo cáo là thuê bao Ultra theo năm — với clip 3–20 giây ở 720p. Cách vào, chi phí, cách viết prompt 8.000 token và kế hoạch keyframe, và những gì có thể tạo trong lúc chờ.
No image
Wan 3.0 nhận một tài liệu, một liên kết web, hình ảnh, video và âm thanh làm đầu vào. Hướng dẫn thực hành này nêu vai trò của từng đầu vào, cấu trúc prompt cho cú máy 30 giây, ví dụ ngân sách từng giây từ 480p đến 1080p trên cả hai bậc, và các lỗi thường gặp nhất.
No image
Kling 4.0 Flash được truy cập sớm từ ngày 28 tháng 9 năm 2026; mô hình đầy đủ và API vẫn đang chờ, dự kiến tháng 10 năm 2026. Bài viết tóm tắt mỗi mức làm được gì, những thông số nổi bật nào mới chỉ được công bố và nên dùng gì trong lúc chờ.