Carton de titre pour un article comparant Kandinsky 6.0 Video et son adversaire désigné, sous-titré « L’un des deux n’a rien à dire », avec trois libellés justificatifs tirés des éléments de preuve de l’article lui-même.
Guides & Insights

Kandinsky 6.0 Video vs Runway Gen-4.5 : l'un d'eux n'a rien à dire

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Voici une comparaison qui peut être tranchée par une seule spécification, et ce n'est pas une spécification de qualité. Runway Gen-4.5ne génère pas d'audio. Pas comme une limitation d'un mode, pas comme un module complémentaire en option — le modèle produit de l'image et rien d'autre, et chaque décision audio en aval vous appartient. Kandinsky 6.0 Video, publié en open source par le Kandinsky Lab de Sber le 6 octobre 2026 sous licence MIT, en une taille Lite 3B et une taille Pro 29B, génère un audio 44 kHz avec synchronisation labiale dans la même passe que l'image, et fait de cette génération conjointe sa raison d'être tout entière. Donc, avant toute discussion sur la qualité du mouvement ou le prix, la confrontation se joue sur la question de savoir si le livrable doit arriver avec le son attaché. Si c'est le cas, il n'y a pas de comparaison à faire. Si ce n'est pas le cas, le reste de cette page est la comparaison.

Là où les deux se chevauchent bel et bien

Si l’on met l’audio de côté, le chevauchement est plus étroit que ne le laissent penser leurs réputations divergentes. Aucun des deux modèles ne planifie de plans. Runway Gen-4.5 effectue le rendu clip par clip, sans mode storyboard multi-plans, et Kandinsky 6.0 Video produit une seule prise continue — cinq secondes, 121 images à 24 i/s, aucune notion de coupe, aucun mode d’extension dans cette version. Aucun des deux ne vous livrera une séquence. On leur demande un plan à la fois, et c’est vous qui les assemblez.

Tous deux se pilotent également de la même manière : une invite textuelle ou une image fixe, avec la régénération itérative comme véritable méthode de travail. Runway Gen-4.5 est sur le marché depuis décembre 2025, avec une API asynchrone et une interface utilisateur autour de laquelle un très grand nombre de personnes a déjà pris ses habitudes. Kandinsky 6.0 Video est arrivé le 6 octobre 2026 avec des checkpoints et une intégration diffusers, ce qui signifie que la boucle est un script Python plutôt qu'un onglet de navigateur — une ergonomie différente, une même forme de travail.

Ce qui les sépare au-delà de cela, c'est la longueur, la résolution, le conteneur et le compteur. La longueur des clips est l'élément le plus visible : Runway Gen-4.5 couvre 2 à 10 secondes par génération, donc un plan plus long reste une seule requête là où Kandinsky 6.0 Video aurait besoin de deux rendus de cinq secondes et d'un assemblage. C'est un véritable avantage pour les plans d'ensemble, les plans fixes et tout ce qui comporte un mouvement de caméra lent, et cela se situe du côté visuel du bilan, là où les preuves publiées de Kandinsky sont les plus faibles.

Le compteur de crédit, converti en horloge

Runway Gen-4.5 facture 12 crédits par seconde de sortie, soit 0,12 $ la seconde au tarif catalogue — un clip 720p de dix secondes pour environ 1,20 $. Deux suppléments s’ajoutent à cela et méritent d’être connus avant d’établir votre budget : l’export ProRes ou PNG ajoute 5 crédits par seconde, et le HDR en ajoute 20 de plus, ce qui porte à 40 crédits par seconde au-delà d’environ quatre mégapixels. Ce sont les chiffres à multiplier lorsque le livrable est un fichier prêt pour l’étalonnage plutôt qu’un simple partage.

Kandinsky 6.0 Video n'a aucun tarif, car il n'y a rien à acheter. Ce qu'il propose, c'est un coût matériel que vous fournissez, et le rapport est inhabituellement transparent à ce sujet : un clip de cinq secondes en Pro Full HD nécessite environ 402 secondes de temps de travail sur une H100, 854 sur une RTX 5090 et 1 247 sur une RTX 4090, l'offloading de blocs est requis en dessous d'une allocation de pointe de 72,8 GiB, et le préréglage de 16 Go de VRAM quantifie l'encodeur de texte en NF4 — le seul changement de préréglage qui, selon le rapport, modifie le clip lui-même. Les deux modèles tournent à 24 fps, Runway proposant également 25, et les deux fonctionnent avec plusieurs rapports d'aspect.

Mettez les deux côte à côte comme des horloges plutôt que comme des devises. Runway Gen-4.5 vous vend environ vingt secondes de temps de rendu à l’horloge murale pour un dollar. Kandinsky 6.0 Video ne vous vend rien et vous coûte de six à vingt et une minutes d’un seul GPU pour chaque cinq secondes que vous conservez — en regard de quoi vous mettez en balance le prix amorti de la carte, l’électricité, et le fait que vous pouvez effectuer le rendu sans connexion réseau ni limite de débit.

• Durée — Runway Gen-4.5 : 2 à 10 s par génération. Kandinsky 6.0 Video : 5 s fixes à 121 images.

• Audio — Runway Gen-4.5 : aucun élément généré. Kandinsky 6.0 Video : 44 kHz avec synchronisation labiale, généré conjointement.

• Résolution et conteneur — Runway Gen-4.5 : 720p à 24/25 fps, avec export ProRes ou PNG disponible. Kandinsky 6.0 Video : SD en 512×768, Full HD 1920×1080 via une étape de super-résolution intégrée, aucun format intermédiaire.

• Structure du plan — Runway Gen-4.5 : un clip par requête, pas de planificateur. Kandinsky 6.0 Video : une prise continue, pas de planificateur.

• Poids — Runway Gen-4.5 : fermés. Kandinsky 6.0 Video : MIT, Lite et Pro, code et diffusers inclus.

• Preuves — Runway Gen-4.5 : dix mois de contenus publics et d’utilisation par des tiers. Kandinsky 6.0 Video : une évaluation menée par le fournisseur et un benchmark réalisé face à deux comparateurs, ni l’un ni l’autre n’ayant été reproduits à l’extérieur.

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.

L'objection la mieux étayée à l'affirmation de Kandinsky lui-même

Runway n’a pas besoin de publier une comparaison pour disposer d’une position forte ici, car le rapport Kandinsky énonce déjà ses propres limites. Ses contraintes annoncées, selon ses propres termes : des clips allant jusqu’à cinq secondes ; une génération de base en résolution SD, la Full HD étant obtenue par super-résolution ; et un écart qui subsiste avec les systèmes propriétaires les plus performants en termes de qualité visuelle et de qualité audio globale. Runway Gen-4.5 est l’un des systèmes que cette phrase vise.

Face à cela, les résultats propres du rapport. Dans une évaluation humaine en comparaison côte à côte — des paires issues de la même invite, des clips anonymisés, un placement gauche/droite aléatoire, un ordre des tâches mélangé, l'audio désactivé puis activé, une option d'égalité, une agrégation par vote majoritaire, environ 200 comparaisons par paires ou plus par critère — Kandinsky 6.0 Video Pro est compétitif avec Kling 2.6 et Veo 3.1 Fast, avec des points forts qui varient selon le critère, et se place derrière MiniMax H3 et Dreamina Seedance 2.0 sur les critères visuels tout en restant compétitif sur la qualité de la parole et la synchronisation audio-vidéo. L'apprentissage par renforcement a réduit de 47 % le taux d'erreur sur les mots de la parole générée. Sur VABench, il devance LTX 2.5 en qualité de la parole et en précision de synchronisation labiale, et lui cède sur l'alignement et l'expressivité jugés par VLM.

Runway n'apparaît nulle part dans cette liste, dans un sens comme dans l'autre. Il n'existe aucune comparaison en face-à-face, aucun benchmark commun et aucun classement indépendant qui évalue les deux. Quiconque publie un gagnant entre Runway Gen-4.5 et Kandinsky 6.0 Video sur la qualité extrapole à partir de deux bases de preuves sans lien, dont l'une correspond à dix mois de productions publiques et l'autre à un rapport rédigé par les auteurs du modèle.

La question du pipeline, là où les routeurs méritent leur place.

Aucun de ces deux modèles n'est routé sur OrcaRouter, et cela en dit plus sur notre catalogue que sur l'un ou l'autre de ces produits : Runway Gen-4.5 est servi via l'API propre à Runway, et Kandinsky 6.0 Video est un checkpoint que vous téléchargez et exécutez. Un pipeline construit sur l'un ou l'autre, cependant, consacre la majeure partie de ses appels au texte plutôt qu'aux pixels.

Prenons ce dont un pipeline audio-vidéo de cinq secondes a réellement besoin. Une note de plan doit devenir une longue légende structurée, du type de celles sur lesquelles ces modèles ont été entraînés. Le dialogue doit être écrit avant qu'une passe de synchronisation labiale puisse s'y atteler. Six générations candidates du même temps doivent être examinées et l'une d'elles sélectionnée, et cet examen est un appel textuel à propos d'une vidéo. Puis vient la partie qui détermine si l'ensemble vaut la peine d'être exécuté : les décisions de jonction, les notes de continuité, le script du prochain clip. Tout cela est du texte, et tout cela tourne sur un point de terminaison unique compatible OpenAI, à travers plus de 200 modèles, aux prix catalogue des fournisseurs répercutés avec 0 % de marge, avec un DSL de routage qui permet au relecteur économique et au relecteur minutieux d'être des modèles différents sur le même site d'appel. La fusion de modèles aide ici d'une manière bien précise — une légende écrite par un modèle et critiquée par un autre tend à repérer les détails inventés qu'une seule passe laisse filer. Et comme une boucle de rendu est longue, le basculement automatique en cas d'échec fait la différence entre une légende ratée qui vous coûte un appel et une qui vous coûte le clip.

La décision, formulée comme une question sur le son

Si l’œuvre finale nécessite des dialogues, une ambiance ou une synchronisation labiale qui arrive avec l’image, Runway Gen-4.5 n’est pas en lice et le seul choix qui reste est celui du modèle audio-vidéo à déployer. C’est une liste restreinte, et Kandinsky 6.0 Video en est l’entrée open source.

Si le son est géré ailleurs — par un modèle distinct, un comédien de doublage, une bibliothèque —, alors les clips de dix secondes de Runway Gen-4.5, son API mature et ses options d'exportation constituent aujourd'hui l'outil de travail le plus solide, et sa base de preuves est la plus ancienne et la plus fournie des deux. Ce qu'il faut surveiller dans ce cas, ce n'est pas un benchmark. C'est de savoir si Runway comble son retard en matière d'audio, car cette seule spécification constitue actuellement tout l'argument structurel qui justifie d'intégrer un tout nouveau checkpoint ouvert dans un pipeline de production, avant un modèle qui a dix mois d'utilisation derrière lui.

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.

Là où vivent la légende et les appels à la revue, la fusion de modèles aide à repérer les détails inventés qu'une seule passe laisse passer.