Kandinsky 6.0 Video vs Hailuo 2.3: Daftar Harga Melawan Unduhan

Mulailah dengan aritmetika, karena hanya di situ keduanya bersinggungan. Klip 1080p senyap berdurasi enam detik dari Hailuo 2.3, model video hemat dari April 2026, dipatok pada beberapa sen per detik — sekitar $0,48 untuk klip tersebut. Klip lima detik dengan audio 44 kHz tersinkronisasi dan lip-sync dari Kandinsky 6.0 Video, yang dirilis sebagai open source oleh Kandinsky Lab milik Sber di bawah MIT pada minggu pertama Oktober 2026, tidak memerlukan biaya per klip dan sekitar tujuh menit waktu H100 pada Full HD. Itulah keseluruhan perbandingannya dalam dua kalimat, dan keputusan yang tersirat bukanlah "mana yang lebih baik" — melainkan meteran mana yang lebih ingin Anda jalankan: tagihan per detik, atau perangkat keras Anda sendiri.

Segala hal lainnya mengikuti pemisahan itu, dan sebagian besar halaman perbandingan justru salah kaprah dengan memperlakukan keduanya sebagai jenis produk yang sama pada titik harga yang berbeda. Padahal bukan. Hailuo 2.3 adalah layanan dengan brief penata gaya dan tanpa suara; Kandinsky 6.0 Video adalah keluarga checkpoint dua ukuran — Pro pada 29B dan Lite pada 3B — dengan suara sebagai fitur arsitektural intinya.

Apa yang sebenarnya menjadi keunggulan yang murah itu

Reputasi Hailuo 2.3 memang pantas didapat dan spesifik. Ia menangani gerakan kamera sinematik, gerakan manusia, dan mikroekspresi dengan baik, serta lebih kuat daripada yang disiratkan harganya untuk konten bergaya stilasi dan anime. Ia menghasilkan text-to-video dan image-to-video hingga 1080p. MiniMax tidak memasarkannya sebagai model fotorealistis dan memang bukan — ia adalah penata gaya dengan kepekaan yang baik terhadap gerakan.

Batasannya sama spesifiknya, dan itulah alasan perbandingan ini singkat.

• Tidak ada audio bawaan. Hailuo 2.3 menghasilkan output tanpa suara, dan generasi Hailuo sebelumnya yang memiliki audio tidak diteruskan ke versi ini. Setiap klip perlu ditambahkan suara di tahap berikutnya.

• Batas klip enam detik pada 1080p, sepuluh detik pada 768p, tanpa kontrol bingkai akhir — sehingga klip tidak dapat dirangkai dengan rapi menjadi satu urutan.

• Tidak ada di papan independen saat ini. Hailuo 2.3 tidak muncul di papan peringkat teks-ke-video, gambar-ke-video, atau penyuntingan video milik Artificial Analysis sebagaimana tercantum saat ini, jadi tidak ada Elo publik untuk dibandingkan dengan apa pun. Referensi lama yang menempatkannya di sekitar angka dua puluhan tinggi pada arena video tidak sesuai dengan papan yang diterbitkan saat ini, dan harus dianggap sebagai snapshot usang, bukan posisi saat ini.

Harga dikutip dalam dua mata uang oleh dua pihak berbeda dan keduanya layak diketahui. API milik MiniMax sendiri menjual paket poin prabayar, di mana klip standar 768p enam detik menghabiskan satu poin dan klip 768p sepuluh detik atau klip 1080p enam detik menghabiskan dua poin — dengan varian Hailuo-2.3-Fast yang lebih cepat memangkasnya menjadi sekitar 0,7 dan 1,1 hingga 1,3 poin. Pelacak pihak ketiga mencantumkan tarif yang lebih rata di kisaran $0,067 hingga $0,082 per detik, salah satunya $0,0817/dtk dan mengutip "hingga 1080p, maksimal 10 detik per klip, keluaran tanpa suara" serta sekitar $147 per bulan untuk tiga ratus klip enam detik. Rute mana pun yang Anda pilih, urutan besarnya sama dan ini adalah generasi termurah di kategori ini.

Masalah dengan membeli generasi yang sudah digantikan

Ada fakta siklus hidup tentang Hailuo 2.3 yang lebih penting daripada spesifikasi apa pun, dan itu bukanlah kritik terhadap model tersebut. MiniMax telah beralih. Penerusnya, MiniMax H3 — generasi Hailuo 3 — dirilis pada 31 Juli 2026 dan merupakan kelas produk yang berbeda: model omni-modal yang membaca referensi teks, gambar, video, dan audio sebagai satu konteks, menghasilkan klip berdurasi empat hingga lima belas detik pada 768p atau 2K dengan audio stereo native, ditagih per detik keluaran.

Itu bukan klaim vendor. Itu ada di papan-papan independen, dan posisinya kuat:

• Teks-ke-video — MiniMax H3 (768p) ke-4 pada Elo 1.137 (±9) dari 8.315 suara, dengan $4,80/menit.

• Gambar ke video — MiniMax H3 peringkat ke-2 di Elo 1.181 (±8) dari 7.284 suara, dengan biaya $7,80/menit.

• Pengeditan video — MiniMax H3 {{1}}ke-2{{/1}} pada Elo 1.132 (±6) dari 12.043 suara, dengan $7,80/menit.

Jadi, cara memandang yang jujur atas pembelian Hailuo 2.3 pada Oktober 2026 adalah ini: Anda membeli tingkat anggaran dari sebuah keluarga yang generasi unggulannya berada di lima besar dalam kedua mode generasi, memiliki audio yang tidak dimiliki 2.3, dan biayanya mungkin lima hingga sepuluh kali lebih tinggi per detik. Itu keputusan yang bisa dipertahankan untuk pekerjaan styling bervolume tinggi — memang untuk itulah tingkat anggaran ada — tetapi keputusan itu harus disengaja, bukan menjadi default. Siapa pun yang mengevaluasi 2.3 hari ini sebaiknya membandingkan harga H3 dengan 2.3 terlebih dahulu, karena kesenjangan di antara keduanya bukanlah kesenjangan yang bersifat inkremental.

Lima detik versus enam, dan mengapa perbedaannya lebih kecil daripada yang terlihat

Dalam hal durasi, Kandinsky 6.0 Video tidak unggul. Model ini dilatih pada 121 frame dan 24 fps — lima detik — dan rilisnya tidak menyertakan mode perpanjangan. Hailuo 2.3 memberi Anda enam detik pada 1080p. Keduanya tidak cukup untuk adegan yang berkesinambungan, dan keduanya berarti potongan berdurasi tiga puluh detik adalah lima atau enam generasi ditambah sambungannya.

Celah yang penting ada di tempat lain.

• Audio — Kandinsky 6.0 Video: 44 kHz dengan lip-sync, diproduksi bersama dengan gambar, selalu aktif. Hailuo 2.3: tidak ada, memang sengaja.

• Resolusi — Kandinsky 6.0 Video: SD, HD, dan Full HD melalui model super-resolution khusus, peningkatan skala x2, x4, atau x2.25 untuk klip berdurasi lima detik. Hailuo 2.3: hingga 1080p, tanpa tahap SR.

• Pengondisian — Kandinsky 6.0 Video: teks-ke-audio-video dan gambar-ke-audio-video, satu gambar referensi diterapkan sebagai frame akhir yang dimasker. Hailuo 2.3: teks-ke-video dan gambar-ke-video, tanpa kontrol frame akhir.

• Bobot — Kandinsky 6.0 Video: MIT, Pro dan Lite, dengan integrasi diffusers dan — sejak pagi ini — pipeline penyajian vLLM-Omni. Hailuo 2.3: belum dirilis.

• Harga — Hailuo 2.3: per detik keluaran, atau poin terhadap paket prabayar, dengan varian Fast yang lebih murah. Kandinsky 6.0 Video: tidak ada tarif sama sekali; GPU Anda sendiri yang menyediakannya.

Apa yang dikatakan vendor sendiri, dan apa yang tidak bisa dikatakannya

Kasus kualitas Kandinsky 6.0 Video tidak diaudit dan harus dijelaskan seperti itu. Sber melaporkan hasil VABench yang mana Pro unggul dalam kualitas ucapan, estetika audio, penyelarasan teks-video dan audio-video, akurasi lip-sync, desinkronisasi, dan realisme visual di antara tiga sistem yang dievaluasi — model Lite miliknya sendiri dan LTX 2.5. Sber juga melaporkan evaluasi manusia secara berdampingan yang dijalankan laboratorium, kira-kira 200 atau lebih perbandingan berpasangan per kriteria, yang mana model tersebut kompetitif dengan Kling 2.6 dan Veo 3.1 Fast, tertinggal dari MiniMax H3 dan Dreamina Seedance 2.0 pada kriteria visual, dan tetap kompetitif pada kualitas ucapan serta sinkronisasi audio-video. Tidak ada Elo publik yang buta, dan tidak ada reproduksi eksternal.

Bukti Hailuo 2.3 berbentuk sebaliknya: digunakan secara luas, harganya dipublikasikan secara terbuka, tetapi saat ini absen dari papan video independen, sehingga tidak dapat dibandingkan dengan lanskap terkini juga. Tak satu pun dari kedua model itu memiliki hal yang paling diinginkan pembeli — dan dalam kasus Hailuo, penerusnya sendiri memilikinya. Itulah asimetri yang layak disebut: keluarga salah satu model sudah dinilai dan ditempatkan, sedangkan keluarga model lainnya belum dinilai sama sekali.

Yang tersisa, kalau begitu, adalah kesenjangan audio, dan ini benar-benar kesenjangan, bukan sekadar garis pemisah dalam daftar fitur. Keheningan Hailuo 2.3 menyederhanakan satu hal — tidak ada soundtrack yang perlu dipertahankan saat Anda menyerahkan klip ke proses mastering — dan mempersulit hal lain: setiap talking-head, setiap iklan produk dengan narasi, setiap klip yang efek suaranya harus jatuh tepat pada suatu aksi, kini menjadi dua generasi ditambah langkah penyelarasan yang Anda tangani sendiri. Seluruh arsitektur Kandinsky 6.0 Video diarahkan pada masalah itu: CrossDiT dual-stream yang memasangkan aliran video dengan aliran audio yang dibangun dari nol di bawah cross-attention dua arah, dengan tahap reinforcement learning yang menurut makalahnya memangkas tingkat kesalahan kata pada ucapan yang dihasilkan sebesar 47% — diukur dengan Whisper-large-v3, salah satu model reward RL, dan tidak sebanding dengan tingkat kesalahan kata Qwen3-ASR-1.7B yang terpisah, yang dilaporkan makalah itu bersama VABench.

Di mana router cocok, dan di mana tidak

OrcaRouter tidak melayani Kandinsky 6.0 Video atau Hailuo 2.3, dan tidak ada klaim seperti itu di sini — Kandinsky dapat Anda unduh dan jalankan sendiri, Hailuo 2.3 diakses melalui API dan sistem poin milik MiniMax sendiri. Yang dibutuhkan oleh pipeline yang dibangun di atas salah satunya dari sebuah router adalah teks di sekitar render: daftar shot, perluasan prompt yang mengubah brief menjadi caption panjang atau pendek yang digunakan untuk melatih model-model ini, pekerjaan caption dan dialog, serta ringkasan ulasan yang menentukan generasi mana yang disimpan. Itu semua adalah panggilan teks biasa, dan semuanya berjalan pada satu endpoint yang kompatibel dengan OpenAI di lebih dari 200 model pada harga daftar penyedia dengan markup 0%, sehingga perubahan harga vendor langsung aktif pada kunci yang sama pada hari perubahan itu terjadi, dengan failover otomatis sehingga panggilan yang gagal di tengah render dirutekan ulang alih-alih kehilangan batch. Lapisan orkestrasi di sekitar model video adalah masalah routing bahkan ketika model video tersebut tidak dapat dirutekan — yang merupakan situasi untuk keduanya saat ini.

Mana yang harus dipilih

Pilih Hailuo 2.3 ketika pekerjaannya bervolume tinggi, estetikanya bergaya atau animasi, hasil akhirnya tanpa suara, dan meter per klip adalah batasan yang penting. Ini adalah generasi kompeten termurah di kategorinya dan harganya pun menyesuaikan. Bandingkan harga MiniMax H3 di sampingnya sebelum Anda memutuskan, karena generasi andalan dari keluarga yang sama masuk lima besar dalam kedua mode dan memiliki audio yang tidak pernah dimiliki 2.3.

Pilih Kandinsky 6.0 Video saat hasil yang diserahkan membutuhkan suara, saat satuan lima detik cocok dengan daftar bidikan Anda, saat kesetiaan image-to-video terhadap still yang diberikan menjadi persyaratannya, dan saat memiliki model lebih penting daripada menyewanya. Masuklah dengan biaya yang dinyatakan secara gamblang: tanpa tarif, batas maksimum lima detik, render Full HD yang berjalan sekitar 402 detik pada H100 dan 854 pada RTX 5090 untuk model Pro, block offloading diperlukan di bawah 72,8 GiB alokasi puncak, dan klaim kualitas yang sepenuhnya milik Sber sendiri sampai seseorang di luar lab memberinya skor.

Pertanyaan di bawah kedua daftar harga itulah yang menentukan banyak infrastruktur video kuartal ini. Hailuo 2.3 menagih Anda per detik dan memberi Anda sebuah berkas; Kandinsky 6.0 Video menagih Anda GPU dan memberi Anda lisensi. Bagi tim yang menghasilkan seratus klip per bulan, faktur menang di setiap sumbu yang diukur spreadsheet. Bagi tim yang berniat melakukan fine-tuning, menjalankan secara offline, atau masih menggunakan model yang sama setelah generasi berikutnya dirilis, unduhan menang pada satu sumbu yang tidak dapat dilihat spreadsheet.