Kandinsky 6.0 Pro remporte un test à l'aveugle de modèles vidéo avec son face à LTX 2.5 et MiniMax H3

Choisir un modèle vidéo d'après de belles vidéos de démonstration, c'est comme choisir un ordinateur portable d'après l'image sur la boîte. Chaque éditeur montre ses meilleures prises, et les tentatives ratées restent hors champ. Le test à l'aveugle supprime au moins l'effet de marque : on juge le résultat, pas le logo. C'est précisément l'expérience menée par un blogueur, et son verdict a surpris ceux qui avaient l'habitude de considérer les modèles ouverts comme des suiveurs.

Comment s'est déroulé le test

L'auteur a retenu trois modèles de génération vidéo avec son : LTX 2.5, MiniMax H3 et le tout récent Kandinsky 6.0. Pendant 10 manches, les noms sont restés masqués : il regardait les vidéos sans savoir quel modèle avait généré quoi. Ce n'est qu'ensuite qu'il a associé les résultats aux noms.

Kandinsky 6.0 Pro l'a emporté. Selon l'auteur, il arrive en tête sur trois points : la qualité de l'animation, le rendu des scènes de foule et la stabilité de l'anatomie humaine. Ce sont précisément les points où les modèles vidéo échouent d'ordinaire : la foule se transforme en bouillie, les mains et les visages se déforment, le mouvement paraît saccadé.

Pourquoi la victoire n'est pas le seul enjeu

L'essentiel de la nouvelle tient aux conditions d'accès au modèle. Kandinsky 6.0 est distribué sous licence ouverte MIT. C'est l'une des licences les plus permissives : elle permet une utilisation dans des produits commerciaux sans accord distinct. Pour une équipe qui bâtit un service sur la génération vidéo, cela signifie moins de risques juridiques et aucune dépendance à l'API d'un tiers ni à ses tarifs.

Second point : la taille. Des passionnés ont déjà optimisé la version Pro à 17 Go et publié des builds pour l'exécuter sur du matériel standard. Cela ne veut pas dire que le modèle tournera sur n'importe quel portable, mais le seuil d'entrée est nettement plus bas qu'avec les poids d'origine, très lourds. On peut tester le modèle sur sa propre machine ou sur une location de GPU bon marché, sans prévoir un budget de cluster.

Limites et marche à suivre

Il s'agit d'un seul test, réalisé par un seul blogueur, sur 10 manches. L'échantillon est petit, les critères sont subjectifs et nous ignorons quels prompts ont été utilisés. Le choix des scènes influe fortement sur le résultat : un modèle qui gagne sur les foules et l'anatomie peut perdre sur le texte à l'image, les plans longs ou un style précis. Le compte rendu dit aussi presque rien de la qualité du son, alors que le test portait justement sur la vidéo avec son. Il faut donc y voir un signal « à surveiller », et non un verdict.

La conclusion pratique est simple :

• Si vous développez un produit de génération vidéo, ajoutez Kandinsky 6.0 Pro à votre panel de comparaison, aux côtés de LTX 2.5 et MiniMax H3.
• Refaites le test à l'aveugle sur vos propres cas : prenez 10 à 20 prompts typiques, masquez les noms et demandez à vos collègues de noter.
• Vérifiez séparément le son, la stabilité des personnes à l'image et le temps de génération sur votre matériel.
• Si les résultats sont comparables, un modèle ouvert sous MIT offre une marge sur le coût et le contrôle : vous pouvez le déployer chez vous.

La source est la vidéo du blogueur sur YouTube, où vous pouvez visionner les clips et juger de l'écart par vous-même. Si vos yeux et vos prompts confirment sa conclusion, ce sera un solide argument en faveur d'une pile ouverte pour la vidéo.