Kandinsky 6.0 Video vs Hailuo 2.3: Un listino prezzi contro un download

Comincia dall'aritmetica, perché è l'unico punto in cui questi due si sovrappongono. Una clip muta di sei secondi in 1080p di Hailuo 2.3, il modello video economico di aprile 2026, ha un prezzo di listino di pochi centesimi al secondo — circa 0,48 $ per la clip. Una clip di cinque secondi con audio sincronizzato a 44 kHz e lip-sync da Kandinsky 6.0 Video, che il Kandinsky Lab di Sber ha reso open source con licenza MIT nella prima settimana di ottobre 2026, non costa nulla per clip e richiede circa sette minuti di tempo su H100 a Full HD. Questo è l'intero confronto in due frasi, e la decisione che implica non è «quale sia migliore» — è quale contatore preferiresti far girare: una fattura al secondo, o il tuo hardware.

Tutto il resto deriva da quella distinzione, e la maggior parte delle pagine di confronto la interpreta al contrario, trattandoli come lo stesso tipo di prodotto a fasce di prezzo diverse. Non è così. Hailuo 2.3 è un servizio con il brief di uno stilista e senza audio; Kandinsky 6.0 Video è una famiglia di checkpoint in due dimensioni — Pro a 29B e Lite a 3B — con l'audio come sua caratteristica architetturale centrale.

In cosa è davvero bravo quello economico

La reputazione di Hailuo 2.3 è meritata e specifica. Gestisce bene i movimenti di camera cinematografici, il movimento umano e le micro-espressioni, ed è più forte di quanto il suo prezzo suggerisca sui contenuti stilizzati e anime. Produce video da testo e video da immagine fino a 1080p. MiniMax non lo pubblicizza come modello fotorealistico e non lo è: è uno stylist con un buon occhio per il movimento.

I suoi limiti sono altrettanto specifici, ed è proprio per questo che questo confronto è breve.

• Nessun audio nativo. Hailuo 2.3 produce un output silenzioso, e la precedente generazione di Hailuo che disponeva dell'audio non viene ripresa in esso. Ogni clip necessita dell'aggiunta del suono a valle.

• Limite massimo delle clip di sei secondi a 1080p, dieci secondi a 768p, senza controllo del fotogramma finale — quindi le clip non si concatenano in modo pulito in una sequenza.

• Non compare nelle attuali classifiche indipendenti. Hailuo 2.3 non appare nelle classifiche text-to-video, image-to-video o video-editing di Artificial Analysis, così come si presentano oggi, quindi non esiste alcun Elo pubblico con cui confrontarlo con qualsiasi altra cosa. I riferimenti più vecchi che lo collocavano intorno ai venti inoltrati su una video arena non corrispondono alle classifiche attualmente pubblicate e vanno considerati un'istantanea obsoleta, non una posizione attuale.

I prezzi sono indicati in due valute da due soggetti diversi ed entrambe vale la pena conoscerle. L'API di MiniMax stessa vende pacchetti prepagati di punti, in cui una clip standard di sei secondi a 768p consuma un punto e una clip di dieci secondi a 768p o di sei secondi a 1080p ne consuma due — con la variante più veloce Hailuo-2.3-Fast che li riduce a circa 0,7 e da 1,1 a 1,3 punti. I tracker di terze parti indicano una tariffa più uniforme, nell'ordine di 0,067–0,082 $ al secondo, uno di essi a 0,0817 $/s e citando "fino a 1080p, max 10 s per clip, output silenzioso" e circa 147 $ al mese per trecento clip da sei secondi. Qualunque strada si scelga, l'ordine di grandezza è lo stesso ed è la generazione più economica in questa categoria.

Il problema di acquistare una generazione superata

C'è un fatto del ciclo di vita di Hailuo 2.3 che conta più di qualsiasi specifica, e non è una critica al modello. MiniMax è andata avanti. Il suo successore, MiniMax H3 — la generazione Hailuo 3 — è stato rilasciato il 31 luglio 2026 ed è una classe di prodotto diversa: un modello omni-modale che legge riferimenti di testo, immagini, video e audio come un unico contesto, generando clip da quattro a quindici secondi a 768p o 2K con audio stereo nativo, fatturato al secondo di output.

Questa non è un'affermazione del fornitore. È sulle bacheche indipendenti, e la posizione è forte:

• Da testo a video — MiniMax H3 (768p) 4º con Elo 1.137 (±9) su 8.315 voti, a 4,80 $/min.

• Da immagine a video — MiniMax H3 2º con Elo 1.181 (±8) su 7.284 voti, a 7,80 $/min.

• Montaggio video — MiniMax H3 2º con Elo 1.132 (±6) su 12.043 voti, a 7,80 $/min.

Quindi l'inquadratura onesta di un acquisto di Hailuo 2.3 a ottobre 2026 è questa: stai comprando il livello economico di una famiglia la cui generazione di punta si colloca tra i primi cinque in entrambe le modalità di generazione, dispone dell'audio che manca a 2.3 e costa forse da cinque a dieci volte tanto al secondo. È una decisione difendibile per lavori di styling ad alto volume — è esattamente a questo che serve un livello economico — ma dovrebbe essere una scelta deliberata, non predefinita. Chiunque valuti 2.3 oggi dovrebbe prima confrontare il prezzo di H3 con il suo, perché il divario tra loro non è incrementale.

Cinque secondi contro sei, e perché la differenza è più piccola di quanto sembri

Quanto alla durata, Kandinsky 6.0 Video non è il migliore. È addestrato a 121 frame e 24 fps — cinque secondi — e la versione rilasciata non contiene alcuna modalità di estensione. Hailuo 2.3 offre sei secondi a 1080p. Nessuno dei due basta per una scena continua, ed entrambi implicano che un filmato di trenta secondi richieda cinque o sei generazioni più i raccordi.

Le lacune che ci sono

• Audio — Kandinsky 6.0 Video: 44 kHz con sincronizzazione labiale, prodotto congiuntamente all'immagine, sempre attivo. Hailuo 2.3: nessuno, per scelta progettuale.

• Risoluzione — Kandinsky 6.0 Video: SD, HD e Full HD tramite un modello dedicato di super-risoluzione, upscale x2, x4 o x2,25 di clip di cinque secondi. Hailuo 2.3: fino a 1080p, nessuna fase SR.

• Condizionamento — Kandinsky 6.0 Video: da testo ad audio-video e da immagine ad audio-video, un'immagine di riferimento applicata come fotogramma finale mascherato. Hailuo 2.3: da testo a video e da immagine a video, nessun controllo del fotogramma finale.

Pesi — Kandinsky 6.0 Video: MIT, Pro e Lite, con integrazione diffusers e — da questa mattina — una pipeline di serving vLLM-Omni. Hailuo 2.3: non rilasciato.

• Prezzi — Hailuo 2.3: al secondo di output, oppure punti da scalare su un pacchetto prepagato, con una variante Fast più economica. Kandinsky 6.0 Video: nessuna tariffa; la GPU la fornisci tu.

Ciò che dicono le prove del fornitore stesso, e ciò che non possono dire

Il caso sulla qualità di Kandinsky 6.0 Video non è verificato da audit e va descritto come tale. Sber riporta risultati VABench in cui Pro è in testa per qualità del parlato, estetica audio, allineamento testo-video e audio-video, accuratezza del lip-sync, desincronizzazione e realismo visivo tra i tre sistemi valutati — il proprio modello Lite e LTX 2.5. Riporta inoltre una valutazione umana comparativa condotta in laboratorio, con circa 200 o più confronti a coppie per criterio, in cui il modello è competitivo con Kling 2.6 e Veo 3.1 Fast, è in svantaggio rispetto a MiniMax H3 e Dreamina Seedance 2.0 sui criteri visivi, e rimane competitivo su qualità del parlato e sincronizzazione audio-video. Non esiste un Elo pubblico in cieco, né una riproduzione esterna.

Le prove relative a Hailuo 2.3 hanno la forma opposta: ampiamente utilizzato, con prezzo pubblico, ma attualmente assente dalle classifiche video indipendenti, quindi non può essere collocato nemmeno rispetto a un panorama attuale. Nessuno dei due modelli ha ciò che un acquirente vorrebbe di più — e nel caso di Hailuo, ce l'ha il suo stesso successore. È questa l'asimmetria che vale la pena nominare: la famiglia di un modello è già stata valutata e collocata, mentre quella dell'altro non è stata valutata affatto.

Ciò che resta, dunque, è il divario audio, ed è un divario autentico, non una voce in un elenco di funzionalità. Il silenzio di Hailuo 2.3 semplifica una cosa — non c'è colonna sonora da preservare quando si consegna una clip a un passaggio di mastering — e ne complica un'altra: ogni talking-head, ogni spot di prodotto con narrazione, ogni clip in cui un effetto sonoro deve cadere su un'azione, ora comporta due generazioni più una fase di allineamento a vostro carico. L'intera architettura di Kandinsky 6.0 Video è mirata a quel problema: un CrossDiT a doppio flusso che accoppia un flusso video a un flusso audio generato da zero sotto cross-attention bidirezionale, con una fase di apprendimento per rinforzo che l'articolo riporta come capace di ridurre del 47% il word error rate del parlato generato — misurato con Whisper-large-v3, uno dei modelli di ricompensa del RL, e non comparabile al separato word error rate di Qwen3-ASR-1.7B che l'articolo riporta accanto a VABench.

Dove un router è adatto, e dove no

OrcaRouter non fornisce Kandinsky 6.0 Video né Hailuo 2.3, e qui non viene fatta nessuna delle due affermazioni — Kandinsky puoi scaricarlo ed eseguirlo, Hailuo 2.3 si raggiunge tramite l'API e il sistema a punti di MiniMax. Ciò che una pipeline costruita su uno dei due richiede a un router è il testo che circonda il render: la lista delle inquadrature, l'espansione del prompt che trasforma un brief nella didascalia lunga o breve su cui questi modelli sono stati addestrati, il lavoro su didascalie e dialoghi, e i riepiloghi di revisione che decidono quale generazione viene mantenuta. Quelle sono normali chiamate di testo, e girano su un unico endpoint compatibile con OpenAI su oltre 200 modelli al prezzo di listino del provider con 0% di markup, quindi una variazione di prezzo del fornitore è attiva sulla stessa chiave il giorno stesso in cui entra in vigore, con failover automatico, così una chiamata fallita a metà render viene reindirizzata invece di far perdere il batch. Lo strato di orchestrazione attorno a un modello video è un problema di routing anche quando il modello video non è instradabile — che è la situazione di entrambi oggi.

Quale scegliere?

Scegli Hailuo 2.3 quando il lavoro è volume, l'estetica è stilizzata o animata, il risultato finale è muto e il costo per clip è il vincolo che conta. È la generazione competente meno costosa della categoria ed è prezzata di conseguenza. Confronta il prezzo di MiniMax H3 accanto al suo prima di impegnarti, perché la generazione di punta della stessa famiglia è classificata tra le prime cinque in entrambe le modalità e ha l'audio che 2.3 non ha mai avuto.

Scegli Kandinsky 6.0 Video quando il risultato da consegnare richiede l'audio, quando unità da cinque secondi si adattano alla tua lista delle inquadrature, quando la fedeltà image-to-video a un'immagine fissa fornita è il requisito e quando possedere il modello conta più che noleggiarlo. Affrontalo con i costi messi in chiaro: nessuna tariffa, un tetto di cinque secondi, un rendering Full HD che richiede circa 402 secondi su una H100 e 854 su una RTX 5090 per il modello Pro, offloading a blocchi necessario sotto i 72,8 GiB di allocazione di picco e una dichiarazione di qualità che è interamente di Sber finché qualcuno al di fuori del laboratorio non la valuta.

La domanda che sta sotto i due listini prezzi è quella che deciderà gran parte dell'infrastruttura video in questo trimestre. Hailuo 2.3 ti fa pagare al secondo e ti consegna un file; Kandinsky 6.0 Video ti fa pagare una GPU e ti consegna una licenza. Per un team che genera cento clip al mese, la fattura vince su ogni asse che un foglio di calcolo misura. Per un team che intende fare fine-tuning, lavorare offline o usare ancora lo stesso modello dopo l'uscita della generazione successiva, il download vince sull'unico asse che un foglio di calcolo non può vedere.