Kandinsky 6.0 Pro vence a LTX 2.5 y MiniMax H3 en una prueba a ciegas de modelos de video con audio

Elegir un modelo de video por sus espectaculares demostraciones es como elegir un portatil por la imagen de la caja. Cada proveedor muestra sus mejores resultados, mientras los intentos fallidos quedan fuera de plano. Una prueba a ciegas elimina al menos el efecto de la marca: se evalua el resultado, no el logotipo. Un bloguero llevo a cabo precisamente este experimento, y el desenlace resulto inesperado para quienes acostumbran a considerar que los modelos abiertos siempre van por detras.

Como se realizo la prueba

El autor eligio tres modelos capaces de generar video con audio: LTX 2.5, MiniMax H3 y el nuevo Kandinsky 6.0. Los nombres permanecieron ocultos durante 10 rondas; es decir, vio los videos sin saber que modelo habia generado cada uno. Solo despues relaciono los resultados con los nombres.

Kandinsky 6.0 Pro fue el ganador. Segun la descripcion del autor, se impuso en tres aspectos: calidad de la animacion, representacion de escenas multitudinarias y estabilidad de la anatomia humana. Son precisamente los puntos en los que los modelos de video suelen fallar: las multitudes se convierten en una masa confusa, las manos y los rostros se deforman y el movimiento parece entrecortado.

Por que importa algo mas que la victoria

La parte principal de la noticia son las condiciones en las que esta disponible el modelo. Kandinsky 6.0 se distribuye bajo la licencia abierta MIT. Es una de las licencias mas permisivas: permite utilizar el modelo en productos comerciales sin acuerdos adicionales. Para un equipo que desarrolla un servicio de generacion de video, esto supone menos riesgos legales y elimina la dependencia de una API ajena y de sus tarifas.

El segundo detalle es el tamano. Los entusiastas ya han optimizado la version Pro hasta reducirla a 17 GB y han publicado compilaciones que funcionan en hardware convencional. Esto no significa que el modelo vaya a ejecutarse en cualquier portatil, pero la barrera de entrada es notablemente inferior a la de los pesados pesos originales. Se puede probar en un equipo propio o en una GPU de alquiler economica sin tener que presupuestar un cluster.

Limitaciones y proximos pasos

Se trata de una unica prueba realizada por un solo bloguero durante 10 rondas. La muestra es pequena, los criterios son subjetivos y no conocemos el conjunto de prompts. La eleccion de las escenas influye mucho en el resultado: un modelo que gana con multitudes y anatomia puede perder al generar texto dentro del encuadre, planos largos o un estilo concreto. El resumen tampoco dice casi nada sobre la calidad del audio, aunque la prueba trataba especificamente sobre video con audio. Por tanto, debe interpretarse como una senal de que merece la pena examinar el modelo, no como un veredicto definitivo.

La conclusion practica es sencilla:

• Si esta desarrollando un producto con generacion de video, anada Kandinsky 6.0 Pro a su conjunto de comparacion junto con LTX 2.5 y MiniMax H3.
• Repita la prueba a ciegas con sus propias cargas de trabajo: elija entre 10 y 20 prompts representativos, oculte los nombres de los modelos y pida a sus companeros que evaluen los resultados.
• Compruebe por separado el audio, la estabilidad de las personas dentro del encuadre y el tiempo de generacion en su hardware.
• Si los resultados son comparables, un modelo abierto bajo la licencia MIT ofrece ventajas de coste y control: puede desplegarse en infraestructura propia.

La fuente es el video del bloguero en YouTube, donde se pueden ver los clips y evaluar personalmente las diferencias. Si sus propios ojos y prompts confirman su conclusion, sera un argumento solido a favor de una pila abierta para video.