Kandinsky 6.0 Pro supera LTX 2.5 e MiniMax H3 em teste cego de modelos de video com audio

Escolher um modelo de video com base em demos bonitas e como escolher um notebook pela imagem na caixa. Cada fornecedor mostra seus melhores resultados, enquanto as tentativas malsucedidas ficam fora de cena. Um teste cego pelo menos elimina o efeito da marca: voce avalia o resultado, nao o logotipo. Um blogueiro realizou exatamente esse tipo de experimento, e o resultado surpreendeu quem esta acostumado a considerar que os modelos abertos estao sempre correndo atras.

Como o teste foi realizado

O autor selecionou tres modelos de geracao de video com audio: LTX 2.5, MiniMax H3 e o recem-lancado Kandinsky 6.0. Os nomes ficaram ocultos durante 10 rodadas, ou seja, ele assistiu aos videos sem saber qual modelo havia gerado cada um. Somente depois relacionou os resultados aos nomes.

O Kandinsky 6.0 Pro venceu. Segundo a descricao do autor, ele ficou a frente em tres aspectos: qualidade da animacao, representacao de cenas de multidao e estabilidade da anatomia humana. Sao justamente as areas em que os modelos de video costumam falhar: multidoes viram uma massa indistinta, maos e rostos das pessoas se deformam e os movimentos parecem bruscos.

Por que nao e apenas a vitoria que importa

A principal parte da noticia sao as condicoes em que o modelo esta disponivel. O Kandinsky 6.0 e distribuido sob a licenca aberta MIT. Ela e uma das licencas mais permissivas: o modelo pode ser usado em produtos comerciais sem acordos separados. Para uma equipe que esta criando um servico de geracao de video, isso significa menos riscos juridicos e nenhuma dependencia da API de terceiros ou de seus precos.

O segundo detalhe e o tamanho. Entusiastas ja otimizaram a versao Pro para 17 GB e lancaram builds que rodam em hardware convencional. Isso nao significa que o modelo funcionara em qualquer notebook, mas a barreira de entrada e consideravelmente menor do que a dos pesados pesos originais. E possivel testar o modelo na propria maquina ou em uma GPU alugada por um preco acessivel, sem reservar orcamento para um cluster.

Limitacoes e proximos passos

Este e um unico teste, feito por um blogueiro ao longo de 10 rodadas. A amostra e pequena, os criterios sao subjetivos e nao conhecemos o conjunto de prompts. A escolha das cenas influencia bastante o resultado: um modelo que vence em multidoes e anatomia pode perder na geracao de texto dentro do quadro, em planos longos ou em um estilo especifico. O relato tambem praticamente nao diz nada sobre a qualidade do audio, embora o teste tratasse especificamente de video com audio. Portanto, ele deve ser encarado como um sinal de que vale a pena examinar o modelo, e nao como um veredito.

A conclusao pratica e simples:

• Se voce esta desenvolvendo um produto com geracao de video, inclua o Kandinsky 6.0 Pro em seu conjunto de comparacao ao lado do LTX 2.5 e do MiniMax H3.
• Repita o teste cego com suas proprias cargas de trabalho: selecione de 10 a 20 prompts representativos, oculte os nomes dos modelos e peca aos colegas que avaliem os resultados.
• Avalie separadamente o audio, a estabilidade das pessoas no quadro e o tempo de geracao em seu hardware.
• Se os resultados forem comparaveis, um modelo aberto sob licenca MIT oferece uma margem maior em custo e controle: ele pode ser implantado em sua propria infraestrutura.

A fonte e o video do blogueiro no YouTube, onde voce pode assistir aos clipes e avaliar as diferencas por conta propria. Se seus proprios olhos e prompts confirmarem a conclusao dele, isso sera um forte argumento a favor de uma pilha aberta para video.