Kandinsky 6.0 Video مقابل Google Veo 3.1: ثلاث فئات مقابل حجمين

افتح التقرير الفني لشركة Sber عن Kandinsky 6.0 Video وابحث عن قسم المواجهة المباشرة، وستلاحظ أمرًا تفوّته صفحات المقارنات: الخصم ليس Veo 3.1. بل Veo 3.1 Fast. أجرت Sber تقييمها البشري في مواجهة الطبقة الوسطى من طبقات Veo الثلاث، وهذا الاختيار الواحد وحده يخبرك عن هذه المواجهة أكثر مما تفعل أي دعوى جودة فيها. أصبح Veo 3.1 متاحًا على نطاق عام منذ 17 نوفمبر 2025 بثلاث طبقات خدمة؛ في حين وصل Kandinsky 6.0 Video في الأسبوع الأول من أكتوبر 2026 بحجمين قابلين للتنزيل، هما Pro بسعة 29B وLite بسعة 3B، بموجب رخصة MIT. أحدهما خدمة تشتريها بالثانية، والآخر نقطة استئناف تشغّلها بنفسك — ومسألة الطبقة، لا مسألة الجودة، هي حيث يكمن القرار في الواقع.

Veo 3.1 هو ثلاثة منتجات ترتدي اسمًا واحدًا

نموذج Google متاح بشكل عام في Standard وFast وLite، وتنتج الثلاثة جميعها نفس عائلة التنسيقات: 720p و1080p و4K أصلي بمعدل 24 إطارًا في الثانية، ومدد أصلية تبلغ 4 أو 6 أو 8 ثوانٍ مع الإبلاغ عن مخرجات أطول بدقة 1080p وتسلسل تمديد المشهد لما هو أبعد من ذلك، وحتى ثلاث صور مرجعية لاتساق الشخصيات والمشهد، بالإضافة إلى عناصر تحكم البذرة والموجه السلبي. تحمل المخرجات بيانات وصفية للمصدر من SynthID وC2PA.

ما يفصل بين الفئات هو السعر والسرعة، وتقول اللوحة المستقلة شيئًا غير مريح عن الفارق. على لوحة الصدارة للنص إلى فيديو الخاصة بـ Artificial Analysis، تقع الثلاث داخل نطاق 14 نقطة Elo من بعضها البعض — Veo 3.1 عند 962 (±10) بناءً على 2,998 صوتًا، وVeo 3.1 Fast عند 961 (±10) بناءً على 4,325، وVeo 3.1 Lite عند 948 (±10) بناءً على 2,903 — بينما تبلغ أسعارها المدرجة 24.00 و7.20 و4.80 دولارًا في الدقيقة. اقرأ هذه الأرقام معًا، وستخبرك الساحة أنها لا تستطيع التمييز بشكل موثوق بين الفئات بحسب التفضيل. لا يعني ذلك أن الفئات متطابقة؛ بل يعني أن سؤال المشتري الحقيقي هو أي فئة تجتاز معياره، لأن لوحة التفضيلات لن تقدم له الإجابة.

يتبع Kandinsky 6.0 Video نهجًا معاكسًا للتنويع. هناك حجمان — Pro بسعة 29B وLite بسعة 3B — يشتركان في معمارية واحدة وتنسيق إخراج ثابت واحد: 5 ثوانٍ، و121 إطارًا بمعدل 24 إطارًا في الثانية، وصوت متزامن بتردد 44 kHz مع مزامنة الشفاه، من نص أو صورة مرجعية، مع نموذج منفصل للدقة الفائقة يرفع النتيجة إلى Full HD. لا يوجد إصدار Fast ولا وضع تمديد. أنت تختار حجمًا وGPU.

ما الذي يدّعيه تقييم المختبر نفسه فعليًا

هذه هي البيانات الوحيدة للمقارنة المباشرة وجهًا لوجه الموجودة بين هذين النظامين، وهي مُبلَّغ عنها من البائع على جانبي الشرطة المائلة — فقد أجرتها Sber، ونشرتها Sber، ولم يُعِد إنتاجها أحد خارج Sber. إن ذكرها بدقة يهم أكثر من ذكرها بشكل مفضّل.

في وضع النص إلى الصوت والفيديو، يفضّل التقرير Kandinsky 6.0 Video Pro في التشوهات وحركة الكاميرا بفوارق ذات دلالة إحصائية، ومتقدم قليلاً في واقعية الحركة في مجال يهيمن عليه التعادل. يتصدر Veo 3.1 Fast في اتباع الموجّه البصري، وجودة الكلام، ومزامنة الصوت مع الفيديو، والجودة الصوتية الإجمالية، واتباع الموجّه الصوتي، وحل مهام المستخدم، وكلها باستثناء الكلام تصل إلى الدلالة. الجودة البصرية الإجمالية شبه متكافئة مع أفضلية طفيفة لـ Veo.

في التحويل من الصورة إلى الفيديو، ينقلب النمط في الشق البصري. يُفضَّل Kandinsky 6.0 Video Pro من حيث الجودة البصرية الإجمالية، ومواءمة الصورة المرجعية، والتشوهات، وحركة الكاميرا، وكلها فروق ذات دلالة. لا يزال Veo 3.1 Fast متصدراً في متابعة التعليمات البصرية، والمزامنة بين الصوت والفيديو، والجودة الصوتية الإجمالية، ومتابعة التعليمات الصوتية، وحل مهام المستخدم، وهي أيضاً ذات دلالة. وتأتي واقعية الحركة وجودة الكلام متعادلتين تقريباً.

يتبع ذلك أمران. نتيجة تحويل الصورة إلى فيديو هي الاكتشاف الحقيقي: تفضيل نموذج مفتوح من حيث التطابق مع الصورة المرجعية والجودة البصرية الإجمالية مقابل فئة من Google، في الدراسة التي أجراها المختبر نفسه، ادّعاء حقيقي يستحق التقييم. أما نتيجة الصوت فهي حيث يحافظ Veo على صدارته بغض النظر عن الوضع — وهو ما يقودنا إلى الإشارة التي لا يذكرها أحد.

علامة الصوت التي تقرر ما إذا كان ذلك التقييم عادلًا

يولّد Veo 3.1 صوتًا ستيريو أصليًا بتردد 48 كيلوهرتز — حوار، وأجواء صوتية، ومؤثرات صوتية — بالتزامن مع الصورة. وهو من أقوى ميزات النموذج. لكن على API، تكون معلمة الصوت افتراضيًا معطّلة، ويُسعَّر التوليد الصامت بأقل من التوليد بالصوت: نحو 0.20 دولار في الثانية للصامت مقابل نحو 0.40 دولار في الثانية مع تشغيل الصوت على المستوى القياسي المنشور من Google.

لا يمتلك Kandinsky 6.0 Video هذا المفتاح. الصوت جزء من الإخراج، وخط أنابيب الخدمة المدمج في vLLM-Omni يصدر AAC بتردد 44.1 kHz افتراضيًا. لذا لا يواجه النموذجان الإعداد الافتراضي نفسه: أحدهما يضع الصوت أولًا، والآخر يضع الصمت أولًا مع الصوت كترقية.

هذا التفاوت له تكلفة محددة في المقارنات. أي مواجهة مباشرة تضع Veo 3.1 الصامت في مقابل منافس يكون صوته متاحًا دائمًا، ثم تقيّم الثنائي على لوحة تقييم تراعي الصوت، قد أعاقت Veo بسبب مصادفة ناتجة عن إعداد افتراضي. عندما تقرأ أرقام Sber أعلاه — أو أرقام أي شخص آخر — فإن السؤال الأول الذي يجب طرحه هو ما إذا كان الصوت مُفعّلًا في جانب Veo. والسؤال الثاني هو ما كان فرق السعر، لأن تفعيل الصوت في الفئة القياسية يضاعف السعر.

خمس ثوانٍ مقابل ثمانٍ، و1080p مقابل 4K أصلية

تظهر فجوة التنسيق حيث تكون موجزات تصميم النموذجين مرئية.

• طول المقطع — Kandinsky 6.0 Video: 5 ثوانٍ ثابت، 121 إطارًا عند 24 إطارًا في الثانية، دون تمديد. Veo 3.1: 4 أو 6 أو 8 ثوانٍ أصلي، أطول عند 1080p، مع ربط تمديدات المشاهد لما يتجاوز ذلك.

• الدقة — Kandinsky 6.0 Video: SD وHD وFull HD (1920×1080) عبر تمريرة دقة فائقة. Veo 3.1: 720p و1080p و4K أصلي.

• المصدر — Kandinsky 6.0 Video: لم يُذكر أي شيء في الإصدار. Veo 3.1: بيانات SynthID وC2PA الوصفية على المخرجات.

• مدخل مرجعي — Kandinsky 6.0 Video: صورة واحدة، تُطبَّق كإطار ذيلي مُقنَّع. Veo 3.1: حتى ثلاث صور مرجعية بالإضافة إلى البذرة والموجه السلبي.

• الصيغة — Kandinsky 6.0 Video: AAC بتردد 44.1 كيلوهرتز مع الصورة، مفعّل دائمًا. Veo 3.1: ستيريو بتردد 48 كيلوهرتز، اختياري، بتسعيرتين.

البند الخاص بالمصدر هو البند الذي تترتب عليه تبعات على عمليات الشراء. إذا كان ما تسلّمه يجب أن يكون قابلاً للتتبع — أعمال العلامات التجارية، البث، أي شيء سينظر إليه فريق قانوني — فإن Veo 3.1 يُرفق بيانات وصفية تشير إلى أن اللقطات مُولّدة، بينما Kandinsky 6.0 Video لا يفعل ذلك. هذا ليس اختلافًا في الجودة، ولن يُظهره أي اختبار مرجعي، لكنه نوع من المتطلبات التي تحسم اختيار المورّد وحدها، والنموذج المفتوح الذي يفتقر إليها ليس بديلاً جاهزًا للاستبدال المباشر لفريق يحتاج إليها.

يُهم خط 4K بالطريقة نفسها، وللسبب نفسه. إن دقة Full HD في Kandinsky 6.0 Video حقيقية — فهناك نموذج SR مخصص، وتتولى حزمة SR في المستودع عمليات التكبير x2 وx4 وx2.25 لمقاطع مدتها خمس ثوانٍ — لكنه يبلغ سقفه حيث يبدأ المسار الأصلي لـ Veo 3.1 عند طرفه الأعلى. بالنسبة للعمل على الشاشات الكبيرة، هذا السقف غير قابل للتفاوض.

كم تكلفة المشبك على كل جانب

Veo 3.1 يُحاسَب لكل ثانية. في فئة Standard، تبلغ تكلفة مقطع بدقة 1080p مدته خمس ثوانٍ مع صوت حوالي $2.00، والمقطع نفسه بدون صوت حوالي $1.00؛ أما Fast وLite فتقعان دون ذلك، ولأن درجاتهما في arena تقع ضمن فترة الثقة الخاصة بـ Standard، يصعب الجدال ضد الفئات الأرخص بناءً على الأدلة.

لا فاتورة لـ Kandinsky 6.0 Video. بل لديه زمن GPU. تُقدّر أرقام المستودع للطراز غير المُقطَّر، المقيسة بعد الإحماء مع استبعاد تحميل الأوزان وترميز MP4، مقطعاً بمدة خمس ثوانٍ بدقة Pro Full HD بنحو 402 ثانية على H100، و854 ثانية على RTX 5090، و1,247 ثانية على RTX 4090، و3,530 ثانية على RTX 5060 Ti. أما Lite Full HD فهي 284 ثانية على H100. تبلغ ذروة التخصيص في تشغيل Pro SD نحو 72.8 GiB، لذا فإن أي شيء أقل من ذلك يحتاج إلى block offloading — كما أن الإعداد المسبق 16 GB يكمّم مُشفِّر النص إلى NF4، وهو التغيير الوحيد في الإعدادات المسبقة الذي تؤكد الورقة أنه يغيّر المقطع نفسه بدلاً من إدخال ضوضاء بمستوى التقريب.

هذان الهيكلان التكلفيان لا يقبلان المقارنة. أحدهما فاتورة تتوقعها لكل ثانية نهائية؛ والآخر آلة تشتريها، وعملية تصيير تُقاس بالدقائق، وخيار الضبط الدقيق — وهو ما لا يقدمه Veo 3.1 في أي فئة.

مسألة المستوى هي مسألة توجيه

لا يوفّر OrcaRouter خدمة Google Veo 3.1 ولا Kandinsky 6.0 Video، ولا يُفهم أي منهما ضمنيًا هنا — إذ يتم الوصول إلى Veo 3.1 عبر واجهات Google الخاصة، أما Kandinsky فعليك تنزيله بنفسك. لكن بنية قرار Veo تستحق أن تُسمّى، لأنها المشكلة التي توجد طبقة التوجيه لدينا لحلها على جانب النصوص: ثلاث فئات درجاتها المستقلة غير قابلة للتمييز وأسعارها تختلف خمسة أضعاف هي بالضبط الحالة التي يتفوق فيها "وجّه الطلب إلى الخيار الرخيص ولا تصعّد إلا عند عدم تجاوز العتبة" على "وحّد المعايير على الخيار الرائد". يعبّر التوجيه التكيفي وDSL التوجيه لدى OrcaRouter عن ذلك كسياسة مُهيّأة عبر أكثر من 200 نموذج نصي على نقطة نهاية واحدة متوافقة مع OpenAI، بسعر القائمة لدى المزوّد مع هامش ربح 0%، مع تحويل تلقائي عند تعطل أحد المسارات. الحدس نفسه مطبّقًا على إنفاق الفيديو — Fast افتراضيًا، وStandard للقطات المهمة — هو قرار شرائي يمكنك اتخاذه اليوم من دون أي موجّه على الإطلاق.

أيّ واحد، لمن؟

اختر Veo 3.1 إذا كان المُخرَج النهائي يتطلب التعامل مع الصوت بجدية، أو إذا كان يحتاج إلى دقة 4K أو مقطع أطول من خمس ثوانٍ، أو إذا كانت جهة لاحقة في سلسلة العمل تحتاج إلى بيانات وصفية عن المصدر. اختر الفئة عن قصد بدلًا من اللجوء تلقائيًا إلى Standard، وخصّص ميزانية لخيار الصوت بدلًا من اكتشافه في الفاتورة.

اختر Kandinsky 6.0 Video إذا كنت تريد الأوزان، وإذا كانت خمس ثوانٍ تناسب وحدة عملك، وإذا كانت المهمة هي دقة التحويل من صورة إلى فيديو مقابل صورة ثابتة مقدمة — البُعد الوحيد الذي تضعها فيه دراسة المختبر نفسه متقدمة على فئة من Veo بفوارق كبيرة. ادخل إلى الأمر وأنت تعلم أن الصوت مفعّل دائمًا، وأن إثبات المصدر غائب، وأن ادعاء الجودة يستند بالكامل إلى تقرير كتبه مؤلفه.

عدم التماثل الذي ينبغي التمسك به هو أن Veo 3.1 قيد الإنتاج منذ أحد عشر شهرًا، ومن ثم راكم ما لا يستطيع نموذج مفتوح صدر هذا الشهر أن يراكمه: مجموعة موثقة من أنماط الفشل سبق أن نشرها مستخدموه، ومنحنى أسعار يستطيع فريق مالي نمذجته. وفي المقابل، تعني رخصة MIT الخاصة بـ Kandinsky أن النموذج الموجود على قرصك لا يعتمد على خارطة طريق أي أحد. وأيّ من هذين يستحق أكثر ليس مسألة اختبار أداء.