Titelkarte für einen Artikel, der Kandinsky 6.0 Video und seinen namentlich genannten Gegner vergleicht, mit dem Untertitel „Einer von ihnen hat nichts zu sagen“ und drei unterstützenden Bezeichnungen, die den Belegen des Artikels selbst entnommen sind.
Guides & Insights

Kandinsky 6.0 Video vs. Runway Gen-4.5: Einer von ihnen hat nichts zu sagen

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Hier ist ein Vergleich, der sich durch eine einzige Spezifikation entscheiden lässt – und es ist keine Qualitätsspezifikation. Runway Gen-4.5erzeugt kein Audio. Nicht als Einschränkung eines einzelnen Modus, nicht als optionales Add-on – das Modell rendert Bild und sonst nichts, und jede Audioentscheidung danach liegt bei Ihnen. Kandinsky 6.0 Video, am 6. Oktober 2026 von Sbers Kandinsky Lab unter MIT als Lite-3B- und Pro-29B-Variante quelloffen veröffentlicht, erzeugt 44-kHz-Audio mit Lip-Sync im selben Durchlauf wie das Bild und betrachtet diese gemeinsame Generierung als seinen gesamten Daseinszweck. Bevor also irgendeine Diskussion über Bewegungsqualität oder Preis beginnt, entscheidet sich dieses Duell daran, ob das Ergebnis mit angehängtem Ton ankommen muss. Wenn ja, gibt es nichts zu vergleichen. Wenn nicht, ist der Rest dieser Seite der Vergleich.

Wo sich die beiden überschneiden

Sieht man vom Ton ab, ist die Überschneidung geringer, als die unterschiedlichen Reputationen nahelegen. Keines der beiden Modelle plant Shots. Runway Gen-4.5 rendert pro Clip ohne Multi-Shot-Storyboard-Modus, und Kandinsky 6.0 Video hat eine einzige durchgehende Aufnahme – fünf Sekunden, 121 Frames bei 24 fps, kein Schnittkonzept, kein Erweiterungsmodus in der Release-Version. Keines wird Ihnen eine Sequenz liefern. Von beiden wird jeweils nur ein Shot auf einmal verlangt, und beide werden von Ihnen zusammengefügt.

Beide werden zudem auf dieselbe Weise gesteuert: durch einen Text-Prompt oder ein Standbild, wobei die iterative Neugenerierung die eigentliche Arbeitsmethode ist. Runway Gen-4.5 ist seit Dezember 2025 auf dem Markt – mit einer asynchronen API und einer UI, um die herum sehr viele Menschen bereits Gewohnheiten entwickelt haben. Kandinsky 6.0 Video erschien am 6. Oktober 2026 mit Checkpoints und einer diffusers-Integration, was bedeutet, dass der Loop ein Python-Skript statt eines Browser-Tabs ist – andere Ergonomie, dieselbe Arbeitsform.

Was sie darüber hinaus unterscheidet, sind die Länge, die Auflösung, der Container und der Zähler. Die Cliplänge ist der sichtbare Faktor: Runway Gen-4.5 umfasst 2 bis 10 Sekunden pro Generierung, sodass ein längerer Abschnitt weiterhin eine Anfrage ist, wohingegen Kandinsky 6.0 Video zwei Fünf-Sekunden-Renders und einen Zusammenschnitt benötigen würde. Das ist ein echter Vorteil für Establishing Shots, Halteaufnahmen und alles mit einer langsamen Kamerabewegung, und es liegt auf der visuellen Seite der Bilanz, wo Kandinskys veröffentlichte Belege am schwächsten sind.

Der Guthabenzähler, zu einer Uhr umgebaut

Runway Gen-4.5 berechnet 12 Credits pro Sekunde Ausgabe, was zum Listenpreis 0,12 $ pro Sekunde entspricht – ein zehnsekündiger 720p-Clip für rund 1,20 $. Zwei Extras kommen noch obendrauf, und es lohnt sich, sie zu kennen, bevor man kalkuliert: ProRes- oder PNG-Export kostet zusätzlich 5 Credits pro Sekunde, und HDR weitere 20, was oberhalb von ungefähr vier Megapixeln 40 Credits pro Sekunde ergibt. Das sind die Zahlen, die man multipliziert, wenn das Lieferobjekt eine grading-fähige Datei statt eines Shares ist.

Kandinsky 6.0 Video hat überhaupt keinen Preis, weil es nichts zu kaufen gibt. Was es hat, sind Hardwarekosten, die Sie selbst tragen, und der Bericht ist ungewöhnlich offen darüber: Ein fünfsekündiger Pro-Full-HD-Clip braucht etwa 402 Sekunden Arbeitszeit auf einer H100, 854 auf einer RTX 5090 und 1.247 auf einer RTX 4090, Block-Offloading ist unter einer Spitzenallokation von 72,8 GiB erforderlich, und die 16-GB-VRAM-Voreinstellung quantisiert den Textencoder auf NF4 — die laut Bericht einzige Voreinstellungsänderung, die den Clip selbst verändert. Beide Modelle laufen mit 24 fps, wobei Runway auch 25 bietet, und beide arbeiten mit mehreren Seitenverhältnissen.

Stell die beiden als Zeitmesser statt als Währungen nebeneinander. Runway Gen-4.5 verkauft dir für einen Dollar ungefähr zwanzig Sekunden Renderzeit nach der Uhr. Kandinsky 6.0 Video verkauft dir nichts und kostet dich sechs bis einundzwanzig Minuten einer GPU für je fünf Sekunden, die du behältst – dagegen rechnest du den amortisierten Preis der Karte, den Strom und die Tatsache, dass du ohne Netzwerkverbindung oder Rate Limit rendern kannst.

• Länge — Runway Gen-4.5: 2–10 s pro Generierung. Kandinsky 6.0 Video: 5 s fest bei 121 Frames.

• Audio — Runway Gen-4.5: keines generiert. Kandinsky 6.0 Video: 44 kHz mit Lip-Sync, gemeinsam generiert.

• Auflösung und Container — Runway Gen-4.5: 720p bei 24/25 fps, mit verfügbarem ProRes- oder PNG-Export. Kandinsky 6.0 Video: SD bei 512×768, Full HD 1920×1080 über eine integrierte Super-Resolution-Stufe, kein Zwischenformat.

• Shot-Struktur — Runway Gen-4.5: ein Clip pro Anfrage, kein Planer. Kandinsky 6.0 Video: eine durchgehende Einstellung, kein Planer.

• Gewichte — Runway Gen-4.5: geschlossen. Kandinsky 6.0 Video: MIT, Lite und Pro, Code und diffusers enthalten.

• Belege — Runway Gen-4.5: zehn Monate öffentlicher Output und Nutzung durch Dritte. Kandinsky 6.0 Video: eine vom Anbieter durchgeführte Evaluierung und ein Benchmark-Lauf gegen zwei Vergleichssysteme, wobei keine von beiden extern reproduziert wurde.

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.

Der am besten belegte Einwand gegen Kandinskys eigene Behauptung

Runway muss keinen Vergleich veröffentlichen, um hier eine starke Position zu haben, denn der Kandinsky-Bericht nennt bereits seine eigenen Grenzen. Seine angekündigten Einschränkungen, in seinen eigenen Worten: Clips von bis zu fünf Sekunden; Basisgenerierung in SD-Auflösung, wobei Full HD durch Superresolution erreicht wird; und eine verbleibende Lücke zu den stärksten proprietären Systemen in puncto visuelle Qualität und Gesamt-Audioqualität. Runway Gen-4.5 ist eines der Systeme, auf die dieser Satz abzielt.

Dagegen stehen die Ergebnisse des Berichts selbst. In der direkten menschlichen Bewertung – Paare aus demselben Prompt, anonymisierte Clips, randomisierte Links-/Rechts-Platzierung, durchmischte Aufgabenreihenfolge, Audio zuerst aus, dann an, eine Option auf Gleichstand, Mehrheitsentscheid-Aggregation, rund 200 oder mehr paarweise Vergleiche pro Kriterium – ist Kandinsky 6.0 Video Pro konkurrenzfähig zu Kling 2.6 und Veo 3.1 Fast, wobei sich die Stärken je nach Kriterium unterscheiden, und liegt bei visuellen Kriterien hinter MiniMax H3 und Dreamina Seedance 2.0 zurück, bleibt jedoch bei Sprachqualität und Audio-Video-Synchronisation konkurrenzfähig. Reinforcement Learning senkte die Wortfehlerrate generierter Sprache um 47 %. Auf VABench liegt es bei Sprachqualität und Lip-Sync-Genauigkeit vor LTX 2.5 und unterliegt ihm bei Alignment und Ausdrucksstärke, wie vom VLM beurteilt.

Runway taucht in dieser Liste nirgendwo auf, in keiner der beiden Richtungen. Es gibt keinen direkten Vergleich, keinen gemeinsamen Benchmark und kein unabhängiges Board, das beide bewertet. Wer einen Sieger zwischen Runway Gen-4.5 und Kandinsky 6.0 Video in puncto Qualität veröffentlicht, extrapoliert aus zwei nicht miteinander verbundenen Evidenzgrundlagen, von denen die eine zehn Monate öffentlicher Output ist und die andere ein Bericht der Autoren des Modells.

Die Pipeline-Frage – hier verdienen sich Router ihren Platz.

Keines dieser Modelle wird auf OrcaRouter geroutet, und das ist eine Aussage über unseren Katalog und nicht über eines der beiden Produkte: Runway Gen-4.5 wird über Runways eigene API bereitgestellt, und Kandinsky 6.0 Video ist ein Checkpoint, den man herunterlädt und ausführt. Eine Pipeline, die auf einem der beiden aufbaut, verwendet allerdings die meisten ihrer Aufrufe für Text statt für Pixel.

Bedenken Sie, was eine fünfsekündige Audio-Video-Pipeline tatsächlich braucht. Eine Shot-Notiz muss zu einer langen, strukturierten Beschriftung werden, wie sie diese Modelle im Training gesehen haben. Dialog muss geschrieben werden, bevor ein Lip-Sync-Pass ihn versuchen kann. Sechs Kandidatengenerationen desselben Beats müssen überprüft und eine ausgewählt werden, und diese Überprüfung ist ein Text-Aufruf zu einem Video. Dann gibt es den Teil, der entscheidet, ob es sich lohnt, das Ganze laufen zu lassen: die Join-Entscheidungen, die Kontinuitätsnotizen, das Skript für den nächsten Clip. All das ist Text, und all das läuft auf einem OpenAI-kompatiblen Endpunkt für über 200 Modelle zu Anbieter-Listenpreisen, weitergegeben mit 0 % Aufschlag, mit einer Routing-DSL, die es erlaubt, dass der günstige Reviewer und der sorgfältige Reviewer an derselben Aufrufstelle unterschiedliche Modelle sind. Modellfusion hilft hier auf eine bestimmte Weise – eine Beschriftung, die von einem Modell geschrieben und von einem anderen kritisiert wird, neigt dazu, die erfundenen Details zu erkennen, die ein einzelner Durchlauf durchwinkt. Und weil eine Render-Schleife lang ist, ist automatisches Failover der Unterschied zwischen einer fehlgeschlagenen Beschriftung, die Sie einen Aufruf kostet, und einer, die Sie den Clip kostet.

Die Entscheidung, als Frage zum Klang formuliert

Wenn das fertige Werk Dialog, Atmosphäre oder Lip-Sync benötigt, die mit dem Bild kommen, ist Runway Gen-4.5 nicht im Rennen, und die einzige verbleibende Wahl ist, welches Audio-Video-Modell Sie einsetzen. Das ist eine kurze Liste, und Kandinsky 6.0 Video ist der offene Eintrag darauf.

Wenn Ton an anderer Stelle gehandhabt wird – durch ein separates Modell, einen Synchronsprecher, eine Bibliothek –, dann sind die Zehn-Sekunden-Clips von Runway-4.5, die ausgereifte API und die Exportoptionen heute das stärkere Arbeitswerkzeug, und seine Evidenzbasis ist die ältere und dickere der beiden. Worauf man dabei achten muss, ist kein Benchmark. Es ist, ob Runway die Audio-Lücke schließt, denn diese einzige Spezifikation ist derzeit das gesamte strukturelle Argument dafür, einen brandneuen offenen Checkpoint in eine Produktionspipeline vor einem Modell mit zehn Monaten Nutzung zu setzen.

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.

Dort, wo die Caption- und Review-Aufrufe stattfinden, hilft Modellfusion dabei, erfundene Details zu erkennen, die ein einzelner Durchlauf durchwinkt.