Kartu judul untuk artikel yang membandingkan Kandinsky 6.0 Video dan lawan yang disebutkan namanya, dengan subjudul “Salah Satunya Tidak Punya Apa Pun untuk Dikatakan”, serta tiga label pendukung yang diambil dari bukti artikel itu sendiri.
Guides & Insights

Kandinsky 6.0 Video vs Runway Gen-4.5: Salah Satunya Tidak Punya Apa Pun untuk Dikatakan

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

Berikut ini perbandingan yang dapat diputuskan oleh satu spesifikasi, dan itu bukan spesifikasi kualitas. Runway Gen-4.5 tidak menghasilkan audio. Bukan sebagai keterbatasan salah satu mode, bukan sebagai tambahan opsional — model ini menghasilkan gambar dan tidak ada yang lain, dan setiap keputusan audio setelahnya adalah milik Anda. Kandinsky 6.0 Video, yang dirilis sebagai sumber terbuka oleh Kandinsky Lab milik Sber pada 6 Oktober 2026 di bawah lisensi MIT dalam ukuran Lite 3B dan Pro 29B, menghasilkan audio 44 kHz dengan lip-sync dalam proses yang sama dengan gambar, dan memperlakukan generasi gabungan itu sebagai seluruh alasan keberadaannya. Jadi sebelum ada argumen tentang kualitas gerakan atau harga, perbandingan ini terbelah berdasarkan apakah hasil yang harus diserahkan perlu datang dengan suara yang menyertainya. Jika ya, tidak ada perbandingan yang perlu dibuat. Jika tidak, sisa halaman ini adalah perbandingannya.

Di mana keduanya memang tumpang tindih

Kesampingkan dulu audio, dan tumpang tindihnya lebih sempit daripada yang disiratkan oleh reputasi keduanya yang berbeda. Tidak ada model yang merencanakan shot. Runway Gen-4.5 merender per klip tanpa mode storyboard multi-shot, dan Kandinsky 6.0 Video memiliki satu take kontinu — lima detik, 121 frame pada 24 fps, tanpa konsep potongan, tanpa mode perpanjangan dalam rilisnya. Keduanya tidak akan memberimu sebuah rangkaian. Keduanya diminta untuk satu shot dalam satu waktu dan keduanya kamu sambungkan sendiri.

Keduanya juga dijalankan dengan cara yang sama: prompt teks atau gambar diam, dengan regenerasi berulang sebagai metode kerja yang sebenarnya. Runway Gen-4.5 sudah ada di pasar sejak Desember 2025 dengan API asinkron dan UI yang sudah menjadi kebiasaan banyak orang. Kandinsky 6.0 Video hadir pada 6 Oktober 2026 dengan checkpoint dan integrasi diffusers, yang berarti alurnya adalah skrip Python, bukan tab browser — ergonomi berbeda, bentuk pekerjaan sama.

Yang membedakan keduanya di luar itu adalah panjang, resolusi, kontainer, dan meter. Panjang klip adalah yang paling terlihat: Runway Gen-4.5 mencakup 2 hingga 10 detik per generasi, jadi beat yang lebih panjang tetap merupakan satu permintaan, sedangkan Kandinsky 6.0 Video akan memerlukan dua render lima detik dan satu penggabungan. Itu adalah keunggulan nyata untuk establishing shot, hold, dan apa pun dengan gerakan kamera lambat, dan hal itu berada di sisi visual dari neraca tempat bukti yang dipublikasikan Kandinsky paling lemah.

Meter kredit, diubah menjadi jam

Runway Gen-4.5 menagih 12 kredit per detik output, yang menurut harga daftar adalah $0,12 per detik — klip 720p berdurasi sepuluh detik sekitar $1,20. Ada dua tambahan di atas itu dan patut diketahui sebelum Anda menyusun anggaran: ekspor ProRes atau PNG menambah 5 kredit per detik, dan HDR menambah 20 lagi, sehingga menjadi 40 kredit per detik di atas sekitar empat megapiksel. Itulah angka-angka yang Anda kalikan ketika hasil akhirnya adalah file yang siap untuk grading, bukan untuk dibagikan.

Kandinsky 6.0 Video tidak memiliki tarif sama sekali, karena tidak ada yang bisa dibeli. Yang dimilikinya adalah biaya perangkat keras yang Anda sediakan, dan laporan tersebut luar biasa terbuka tentangnya: klip Pro Full HD lima detik membutuhkan sekitar 402 detik waktu kerja pada H100, 854 pada RTX 5090, dan 1.247 pada RTX 4090, offloading blok diperlukan di bawah alokasi puncak 72,8 GiB, dan preset VRAM 16 GB mengkuantisasi text encoder ke NF4 — satu-satunya perubahan preset yang menurut laporan mengubah klip itu sendiri. Kedua model berjalan pada 24 fps, dengan Runway juga menawarkan 25, dan keduanya berfungsi di berbagai rasio aspek.

Tempatkan keduanya berdampingan sebagai jam, bukan mata uang. Runway Gen-4.5 menjual kepada Anda sekitar dua puluh detik waktu render nyata seharga satu dolar. Kandinsky 6.0 Video tidak menjual apa pun kepada Anda dan menghabiskan enam hingga dua puluh satu menit dari satu GPU untuk setiap lima detik yang Anda simpan — yang menjadi pembanding saat Anda memperhitungkan harga amortisasi kartu, listrik, dan fakta bahwa Anda dapat merender tanpa koneksi jaringan atau batas laju.

• Durasi — Runway Gen-4.5: 2–10 detik per generasi. Kandinsky 6.0 Video: 5 detik tetap pada 121 frame.

• Audio — Runway Gen-4.5: tidak ada yang dihasilkan. Kandinsky 6.0 Video: 44 kHz dengan lip-sync, dihasilkan secara bersama.

• Resolusi dan kontainer — Run Gen-4.5: 720p pada 24/25 fps, dengan ekspor ProRes atau PNG yang tersedia. Kandinsky 6.0 Video: SD pada 512×512, Full HD 1920×1080 melalui super-resolution bawaan, tanpa format perantara.

• Struktur bidikan — Runway Gen-4.5: satu klip per permintaan, tanpa perencana. Kandinsky 6.0 Video: satu pengambilan berkelanjutan, tanpa perencana.

• Bobot — Runway-4.5: tertutup. Kandinsky 6.0 Video: MIT, Lite dan Pro, kode dan diffusers disertakan.

Bukti — Runway Gen-4.5: evaluasi yang dijalankan vendor dan keluaran pihak ketiga serta evaluasi pihak ketiga, tidak satu pun direproduksi secara eksternal.

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.

Bantahan yang paling didukung sumber terhadap klaim Kandinsky sendiri

Runway tidak perlu menerbitkan perbandingan untuk memiliki posisi yang kuat di sini, karena laporan Kandinsky sudah menyatakan batasannya sendiri. Kendala yang diumumkannya, dalam kata-katanya sendiri: klip berdurasi hingga lima detik; pembuatan dasar pada resolusi SD dengan Full HD yang diperoleh melalui super-resolution; dan masih adanya jarak terhadap sistem proprietary terkuat dalam kualitas visual dan kualitas audio secara keseluruhan. Runway Gen-4.5 adalah salah satu sistem yang dituju oleh kalimat itu.

Dibandingkan dengan itu, hasil laporan itu sendiri. Dalam evaluasi manusia secara berdampingan — pasangan dari prompt yang sama, klip yang dianonimkan, penempatan kiri/kanan yang diacak, urutan tugas yang diacak, audio dimatikan lalu dinyalakan, opsi seri, agregasi suara mayoritas, sekitar 200 atau lebih perbandingan berpasangan per kriteria — Kandinsky 6.0 Video Pro bersaing dengan Kling 2.6 dan Veo 3.1 Fast dengan kekuatan yang berbeda menurut kriteria, dan tertinggal dari MiniMax H3 dan Dreamina Seedance 2.0 pada kriteria visual namun tetap kompetitif pada kualitas ucapan dan sinkronisasi audio-video. Pembelajaran penguatan memangkas tingkat kesalahan kata pada ucapan yang dihasilkan sebesar 47%. Pada VABench, ia memimpin LTX 2.5 dalam kualitas ucapan dan akurasi sinkronisasi bibir dan kalah darinya dalam hal penyelarasan dan ekspresivitas yang dinilai VLM.

Runway tidak muncul di mana pun dalam daftar itu, baik di satu arah maupun arah lainnya. Tidak ada perbandingan langsung, tidak ada tolok ukur bersama, dan tidak ada lembaga independen yang menilai keduanya. Siapa pun yang menerbitkan pemenang antara Runway Gen-4.5 dan Kandinsky 6.0 Video berdasarkan kualitas sedang mengekstrapolasi dari dua basis bukti yang tidak saling terkait, yang satu berupa sepuluh bulan keluaran publik dan yang lainnya berupa laporan oleh para penulis model tersebut.

Pertanyaan tentang pipeline, di situlah router menempati tempatnya.

Tidak ada dari model-model ini yang dirutekan di OrcaRouter, dan itu merupakan pernyataan tentang katalog kami, bukan tentang salah satu produknya: Runway Gen-4.5 dilayani melalui API milik Runway sendiri, dan Kandinsky 6.0 Video adalah checkpoint yang Anda unduh dan jalankan. Namun, pipeline yang dibangun di atas salah satu dari keduanya menghabiskan sebagian besar panggilannya untuk teks, bukan untuk piksel.

Pertimbangkan apa yang sebenarnya dibutuhkan oleh pipeline audio-video lima detik. Catatan shot harus menjadi caption panjang terstruktur seperti yang digunakan untuk melatih model-model ini. Dialog harus ditulis sebelum proses lip-sync dapat mencobanya. Enam kandidat generasi untuk beat yang sama harus ditinjau dan satu dipilih, dan tinjauan itu adalah panggilan teks tentang sebuah video. Lalu ada bagian yang menentukan apakah semuanya layak dijalankan: keputusan penggabungan, catatan kontinuitas, skrip untuk klip berikutnya. Semuanya adalah teks, dan semuanya berjalan di satu endpoint yang kompatibel dengan OpenAI untuk lebih dari 200 model, dengan harga daftar penyedia yang diteruskan pada markup 0%, dengan DSL routing yang memungkinkan peninjau yang murah dan peninjau yang cermat menjadi model berbeda di titik panggilan yang sama. Fusi model membantu secara spesifik di sini — caption yang ditulis oleh satu model dan dikritik oleh model lain cenderung menangkap detail yang dikarang yang dilewatkan begitu saja oleh satu pass. Dan karena loop render itu panjang, failover otomatis adalah pembeda antara caption yang gagal hanya memakan satu panggilan dan caption yang gagal membuat Anda kehilangan klip tersebut.

Keputusan itu, dinyatakan sebagai pertanyaan tentang bunyi

Jika karya akhir memerlukan dialog, ambience, atau lip-sync yang datang bersama gambar, Runway Gen-4.5 tidak masuk hitungan dan satu-satunya pilihan yang tersisa adalah model audio-video mana yang Anda gunakan. Itu daftar yang pendek, dan Kandinsky 6.0 Video adalah entri terbuka di dalamnya.

Jika suara ditangani di tempat lain — oleh model terpisah, pengisi suara, pustaka — maka klip sepuluh detik Runway Gen-4.5, API yang matang, dan opsi ekspor adalah alat kerja yang lebih kuat saat ini, dan basis buktinya lebih lama serta lebih tebal di antara keduanya. Hal yang perlu diperhatikan dalam kasus itu bukanlah tolok ukur. Melainkan apakah Runway menutup celah audio, karena spesifikasi tunggal itu saat ini menjadi seluruh argumen struktural untuk menempatkan checkpoint terbuka yang baru ke dalam pipeline produksi di depan model yang telah digunakan selama sepuluh bulan.

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.

Di tempat panggilan caption dan review berada, fusi model membantu menangkap detail yang dibuat-buat yang dilewatkan oleh satu lintasan.