بطاقة عنوان لمقال يقارن بين Kandinsky 6.0 Video ومنافسه المذكور بالاسم، بعنوان فرعي «أحدهما ليس لديه ما يقوله»، مع ثلاثة تسميات داعمة مأخوذة من أدلة المقال نفسه.
Guides & Insights

Kandinsky 6.0 Video مقابل Runway Gen-4.5: أحدهما ليس لديه ما يقوله

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

هذه مقارنة يمكن حسمها بمواصفة واحدة، وهي ليست مواصفة جودة. Runway Gen-4.5 لا يُنشئ صوتاً. ليس كقيد في وضع واحد، وليس كإضافة اختيارية — النموذج يُنتج صورة ولا شيء غيرها، وكل قرار صوتي لاحق له يعود إليك. Kandinsky 6.0 Video، مفتوح المصدر من مختبر Kandinsky التابع لـ Sber في 6 أكتوبر 2026 تحت رخصة MIT بحجمَي Lite 3B و Pro 29B، يُولّد صوتاً بتردد 44 كيلوهرتز مع مزامنة الشفاه في نفس تمريرة الصورة، ويعتبر ذلك التوليد المشترك سبب وجوده بأكمله. لذا، قبل أي جدال حول جودة الحركة أو السعر، تنقسم المواجهة بناءً على ما إذا كان المخرج النهائي يحتاج إلى أن يصل مصحوباً بالصوت. إذا احتاج ذلك، فلا مجال للمقارنة. وإذا لم يكن الأمر كذلك، فباقي هذه الصفحة هو المقارنة.

حيث يتداخل الاثنان بالفعل

إذا استبعدنا الصوت، يصبح التداخل أضيق مما توحي به السمعة المختلفة لكل منهما. لا يخطط أي من النموذجين للقطات. يُنتج Runway Gen-4.5 كل مقطع على حدة، بلا وضع لوحة قصصية متعددة اللقطات، ولدى Kandinsky 6.0 Video لقطة واحدة متصلة — خمس ثوانٍ، 121 إطارًا بمعدل 24 إطارًا في الثانية، بلا مفهوم القطع، ولا وضع تمديد في الإصدار. لن يسلّمك أي منهما تسلسلًا. يُطلب من كليهما لقطة واحدة في كل مرة، وأنت من يجمع بينهما.

يُدار كلاهما أيضًا بالطريقة نفسها: مُوجِّه نصي أو صورة ثابتة، مع إعادة التوليد التكرارية كأسلوب العمل الفعلي. وطرح Runway Gen-4.5 في السوق منذ ديسمبر 2025 مع واجهة برمجة تطبيقات غير متزامنة وواجهة مستخدم بنى كثيرون بالفعل عاداتهم حولها. ووصل Kandinsky 6.0 Video في 6 أكتوبر 2026 مع نقاط حفظ وتكامل مع diffusers، ما يعني أن حلقة العمل صارت سكربت Python بدلًا من تبويب في المتصفح — تجربة استخدام مختلفة، وشكل العمل نفسه.

ما يفصل بينهما بعد ذلك هو الطول والدقة والحاوية والمقياس. طول المقطع هو الأكثر وضوحًا: يغطي Runway Gen-4.5 من 2 إلى 10 ثوانٍ لكل توليد، لذا فإن المقطع الأطول يظل طلبًا واحدًا حيث يحتاج Kandinsky 6.0 Video إلى عمليتي تصيير مدة كل منهما خمس ثوانٍ ثم الدمج. هذا ميزة حقيقية للقطات التأسيسية والثباتات وأي شيء يتضمن حركة كاميرا بطيئة، وهو يقع على الجانب البصري من السجل حيث تكون الأدلة المنشورة لـ Kandinsky أضعف.

عدّاد الرصيد، محوَّل إلى ساعة

تحسب Runway Gen-4.5 رسومًا قدرها 12 ائتمانًا لكل ثانية من الإخراج، وهو ما يعادل بالسعر المعلن 0.12 دولار في الثانية — أي مقطع 720p مدته عشر ثوانٍ بنحو 1.20 دولار. وهناك إضافتان فوق ذلك يجدر معرفتهما قبل وضع الميزانية: يضيف تصدير ProRes أو PNG 5 ائتمانات في الثانية، ويضيف HDR 20 أخرى، ليصبح 40 ائتمانًا في الثانية عند تجاوز نحو أربعة ميغابكسل. هذه هي الأرقام التي تضربها عندما يكون الناتج النهائي ملفًا جاهزًا للتدريج اللوني بدلًا من ملف للمشاركة.

ليس لـ Kandinsky 6.0 Video أي سعر على الإطلاق، لأنه لا يوجد شيء لشرائه. ما لديه بدلاً من ذلك هو تكلفة عتاد توفرها أنت، والتقرير صريح بشكل غير معتاد بشأنها: مقطع احترافي بدقة Full HD مدته خمس ثوانٍ يستغرق نحو 402 ثانية من زمن العمل على H100، و854 على RTX 5090، و1,247 على RTX 4090، ويلزم تفريغ الكتل عندما يكون تخصيص الذروة أقل من 72.8 GiB، كما أن الإعداد المسبق بذاكرة VRAM سعة 16 GB يكمّم مشفّر النص إلى NF4 — وهو تغيير الإعداد المسبق الوحيد الذي يقول التقرير إنه يغيّر المقطع نفسه. يعمل كلا الطرازين بمعدل 24 إطارًا في الثانية، مع أن Runway تقدم أيضًا 25، وكلاهما يعمل عبر نسب أبعاد متعددة.

ضع الاثنين جنبًا إلى جنب كساعات لا كعملات. يبيعك Runway Gen-4.5 نحو عشرين ثانية من زمن التصيير الفعلي مقابل دولار واحد. أما Kandinsky 6.0 Video فلا يبيعك شيئًا، ويكلفك من ست إلى إحدى وعشرين دقيقة من زمن وحدة معالجة رسوميات واحدة مقابل كل خمس ثوانٍ تحتفظ بها — وفي مقابل ذلك تضع التكلفة المطفأة للبطاقة، والكهرباء، وحقيقة أنك تستطيع التصيير دون اتصال بالشبكة أو حدّ على معدل الاستخدام.

• المدة — Runway Gen-4.5: من 2 إلى 10 ثوانٍ لكل عملية توليد. Kandinsky 6.0 Video: 5 ثوانٍ ثابتة عند 121 إطارًا.

• الصوت — Runway Gen-4.5: لم يتم توليد أي شيء. Kandinsky 6.0 Video: 44 kHz مع مزامنة الشفاه، يتم توليده بشكل مشترك.

• الدقة والحاوية — Runway Gen-4.5: دقة 720p بمعدل 24/25 إطارًا في الثانية، مع إمكانية التصدير بصيغة ProRes أو PNG. Kandinsky 6.0 Video: دقة قياسية (SD) عند 512×768، ودقة Full HD 1920×1080 عبر مرحلة رفع دقة مدمجة، دون أي صيغة وسيطة.

• بنية اللقطة — Runway Gen-4.5: مقطع واحد لكل طلب، بدون مخطط. Kandinsky 6.0 Video: لقطة واحدة متواصلة، بدون مخطط.

• الأوزان — Runway Gen-4.5: مغلقة. Kandinsky 6.0 Video: رخصة MIT، وإصدارا Lite وPro، مع تضمين الشيفرة وdiffusers.

• الأدلة — Runway Gen-4.5: عشرة أشهر من المخرجات العامة والاستخدام من أطراف ثالثة. Kandinsky 6.0 Video: تقييم أجراه المورّد واختبار مرجعي مقابل نموذجين للمقارنة، لم يُعَد إنتاج أيٍّ منهما خارجيًا.

Two-column scoreboard comparing Kandinsky 6.0 Video and Runway Gen-4.5 across six shared dimensions, with the vendor-vs-third-party sourcing line printed along the bottom.

الاعتراض الأفضل توثيقًا على ادعاء كاندينسكي نفسه

لا تحتاج Runway إلى نشر مقارنة لتكون في موضع قوي هنا، لأن تقرير Kandinsky يذكر حدوده الخاصة. قيودها المعلنة، بكلماتها هي: مقاطع تصل إلى خمس ثوانٍ؛ توليد أساسي بدقة SD مع الحصول على Full HD عبر الدقة الفائقة؛ وفجوة متبقية أمام أقوى الأنظمة المملوكة في الجودة البصرية وجودة الصوت الإجمالية. Runway Gen-4.5 هو أحد الأنظمة التي تشير إليها تلك الجملة.

وفي مقابل ذلك، تأتي نتائج التقرير نفسه. في التقييم البشري جنبًا إلى جنب — أزواج من الأمر النصي نفسه، ومقاطع مجهولة الهوية، وموضع أيسر/أيمن عشوائي، وترتيب مهام مبعثر، والصوت مطفأ ثم مشغّل، وخيار التعادل، وتجميع بتصويت الأغلبية، ونحو 200 مقارنة ثنائية أو أكثر لكل معيار — يُنافس Kandinsky 6.0 Video Pro كلاً من Kling 2.6 وVeo 3.1 Fast بنقاط قوة تختلف حسب المعيار، ويتأخر عن MiniMax H3 وDreamina Seedance 2.0 في المعايير البصرية مع بقائه منافسًا في جودة الكلام والمزامنة بين الصوت والصورة. خفّض التعلّم المعزز معدل خطأ الكلمات في الكلام المُولَّد بنسبة 47%. وعلى VABench يتقدم على LTX 2.5 في جودة الكلام ودقة مزامنة الشفاه، ويتأخر عنه في المحاذاة والتعبيرية المُقيَّمتين بواسطة VLM.

لا يظهر Runway في تلك القائمة، بأي من الاتجاهين. لا توجد مواجهة مباشرة، ولا معيار مشترك، ولا لوحة مستقلة تقيّم كليهما. وأي شخص ينشر فائزًا بين Runway Gen-4.5 وKandinsky 6.0 Video من حيث الجودة إنما يستقرئ من قاعدتي أدلة غير مترابطتين، إحداهما عشرة أشهر من المخرجات العامة، والأخرى تقرير من مؤلفي النموذج.

مسألة خط الأنابيب، وهي المجال الذي تكسب فيه الموجّهات مكانتها.

لا يتم توجيه أيٍّ من هذين النموذجين عبر OrcaRouter، وهذا بيان عن كتالوجنا لا عن أيٍّ من المنتجَين: يُقدَّم Runway Gen-4.5 عبر واجهة برمجة التطبيقات الخاصة بـ Runway، أما Kandinsky 6.0 Video فهو نقطة تحقق تقوم بتنزيلها وتشغيلها. لكن أي خط أنابيب يُبنى على أيٍّ منهما سيُنفق معظم استدعاءاته على النص لا على البكسلات.

فكّر فيما يحتاجه فعليًا خط أنابيب صوتي-مرئي مدته خمس ثوانٍ. يجب أن تتحوّل ملاحظة اللقطة إلى تعليق طويل منظّم من النوع الذي دُرّبت عليه هذه النماذج. ويجب كتابة الحوار قبل أن تحاول تمريرة مزامنة الشفاه تنفيذه. يجب مراجعة ستة توليدات مرشّحة للنَّبضة نفسها واختيار واحد منها، وتلك المراجعة حكم نصي حول فيديو. ثم هناك الجزء الذي يحدد ما إذا كان الأمر كله يستحق التشغيل: قرارات الربط، وملاحظات الاستمرارية، ونص المقطع التالي. كل ذلك نص، وكل ذلك يعمل عبر نقطة نهاية واحدة متوافقة مع OpenAI عبر أكثر من 200 نموذج بأسعار قوائم المزوّدين مُمرَّرة بهامش ربح 0%، مع لغة DSL للتوجيه تتيح للمراجع الرخيص والمراجع الدقيق أن يكونا نموذجين مختلفين في موقع الاستدعاء نفسه. يساعد دمج النماذج هنا بطريقة محددة — فالتعليق الذي يكتبه نموذج وينقده نموذج آخر يميل إلى التقاط التفاصيل المفبركة التي تتجاوزها تمريرة واحدة. ولأن حلقة العرض طويلة، فإن التجاوز التلقائي عند الفشل هو الفرق بين أن يكلفك تعليق فاشل استدعاءً واحدًا وأن يكلفك المقطع كله.

القرار، مُصاغًا كسؤال عن الصوت

إذا كان العمل النهائي يحتاج إلى حوار أو أجواء صوتية أو مزامنة شفاه تأتي مع الصورة، فإن Runway Gen-4.5 ليس ضمن الخيارات المطروحة، ويبقى الخيار الوحيد هو أي نموذج صوت-فيديو ستستخدمه. تلك قائمة قصيرة، وKandinsky 6.0 Video هو الخيار المفتوح فيها.

إذا كان الصوت يُعالَج في مكان آخر — بواسطة نموذج منفصل، أو ممثل صوتي، أو مكتبة — فإن مقاطع Runway Gen-4.5 التي تبلغ عشر ثوانٍ، وواجهة API الناضجة وخيارات التصدير هي الأداة العملية الأقوى اليوم، وقاعدة أدلتها هي الأقدم والأكثر كثافة من بين الاثنين. الشيء الذي يجب مراقبته في تلك الحالة ليس معيارًا مرجعيًا. بل ما إذا كانت Runway تسدّ الفجوة الصوتية، لأن هذه المواصفة الواحدة هي حاليًا الحجة الهيكلية الكاملة لإدخال نقطة تحقق مفتوحة جديدة تمامًا في خط إنتاج قبل نموذج لديه عشرة أشهر من الاستخدام خلفه.

Screenshot of the arXiv abstract page for paper 2610.05608, "Kandinsky 6.0 Video: Foundation Models for Synchronized Video and Audio Generation", showing the 4 October 2026 submission date and the abstract, which states that a built-in super-resolution model raises output to Full HD 1920x1080 and that the models generate 5-second clips with synchronized 44 kHz audio.Screenshot of the Hugging Face model card for kandinskylab/Kandinsky-6.0-Lite-5s-Diffusers, showing the MIT licence and the description of the family: Kandinsky 6.0 Video Lite at 3B and Pro at 29B parameters, both generating 5-second clips with synchronized 44 kHz audio including lip-sync in T2AV and I2AV modes.

حيث توجد استدعاءات التسمية التوضيحية والمراجعة، يساعد دمج النماذج في التقاط التفاصيل المختلقة التي تمررها تمريرة واحدة.