Kandinsky 6.0 Video 开源：MIT 许可、Lite 与 Pro、显存与速度

2026 年 10 月 6 日，Kandinsky Lab 开源了 Kandinsky 6.0 Video，这是一组能同时生成视频和音频的扩散模型。代码、权重和 Diffusers 集成均以 MIT 许可发布，使它成为目前许可最宽松的音视频模型之一。本文介绍发布内容、运行门槛，以及它与其他开源视频模型的对比。最后核查：2026-10-08。

发布了什么

两种规模。Kandinsky 6.0 Video Lite 有 30 亿参数，Pro 有 290 亿参数。每种都提供主检查点、更快的蒸馏检查点和预训练检查点。
带声音的视频。两者都能从文本（T2AV）或文本加参考图（TI2AV）生成 5 秒片段，并同步生成 44 kHz 音频，包括口型同步。
超分辨率插件。另一个模型 Kandinsky 6.0 Video Super-Resolution 可将片段放大 2 倍、2.25 倍或 4 倍，全高清（1920x1080）就是这样得到的；Pro 的基础示例以 864x480、24 fps 渲染。
首日即有工具链。支持 Diffusers、ComfyUI、vLLM-Omni、SGLang 和 FastVideo，另有 Pro Distill 的 Hugging Face Space 演示。

许可

GitHub 上的代码和 Hugging Face 上的每个检查点都采用 MIT 许可。没有地区限制、营收门槛或可接受使用附则：你可以自托管、微调，并用它做商业产品。唯一的脚注在超分仓库里：其中的 Diffusers 导出模板保留了原有的 Apache-2.0 声明。

跑起来需要什么

Kandinsky 6.0 需要 NVIDIA GPU 和 Python 3.13 或 3.14。仓库提供了从数据中心显卡（H100、A100 80 GB、RTX PRO 6000）到消费级显卡（RTX 5090、5080、4090 以及 16 GB 的 RTX 5060 Ti）的预设。消费级显卡使用分块卸载，16 GB 预设使用蒸馏版 Pro 检查点和量化文本编码器。在 vLLM-Omni 中，即使 80 GB 显存，运行 Pro 也必须开启 CPU 卸载。磁盘也要预留：仅 Pro 的 transformer 权重就约 70 GB，Lite 约 7.5 GB。

更大的限制是时间。以下是仓库自己给出的单条 5 秒片段基准，在预热后测得，不含模型加载：

5 秒片段	H100	RTX 4090	RTX 5060 Ti
Lite，标清	239 秒	437 秒	1,310 秒
Pro，全高清	402 秒	1,247 秒	3,530 秒

也就是说，Pro 在 H100 上出一条全高清片段接近七分钟，在 16 GB 显卡上约一小时。蒸馏检查点能缩短耗时，但这仍是用于批量渲染和研究的模型，而不是在笔记本 GPU 上做交互式预览的工具。

与其他开源视频模型对比

	Kandinsky 6.0 Video	MiniMax H3	Wan 2.2
许可	MIT	MiniMax 社区许可；排除欧盟、英国、韩国和美国，年营收超过 2000 万美元需获批准	Apache-2.0
自托管输出	5 秒；通过超分插件到全高清	768p；2K 需调用 MiniMax 托管 API	480p 或 720p
音频	生成，44 kHz，带口型同步	生成	不生成（S2V 模型以音频为输入）
最低配置	16 GB 显卡加卸载，速度慢	参考配置每个变体 4 张 GPU	5B 模型可在 24 GB 的 RTX 4090 上运行

简单来说：如果你需要带声音的开放权重模型，并且许可要让法务在任何地区都能放行，Kandinsky 6.0 现在是最明显的选择。MiniMax H3 的分辨率余量更大，但其许可排除了在四个主要市场自托管。如果不需要生成音频，Wan 2.2 仍是更轻量、生态更成熟的选择。

Imgo 上有 Kandinsky 6.0 吗？

没有。Kandinsky 6.0 未接入 Imgo，我们也不承诺提供它的在线生成。如果你今天就需要带原生音频的托管视频生成，Imgo 上有 Seedance 2.0：单段最长 15 秒，支持图片、视频和音频参考，并生成声音。在线模型列表展示了现在就能生成的全部模型。

Kandinsky 6.0 Video 开源：发布了什么，跑起来需要什么

发布了什么

许可

跑起来需要什么

与其他开源视频模型对比

Imgo 上有 Kandinsky 6.0 吗？

参考来源

分享

Related Posts