Titolo per un articolo che confronta Kandinsky 6.0 Video e il suo avversario designato, con sottotitolo «Uno di loro non ha nulla da dire», con tre etichette di supporto tratte dalle prove fornite dall'articolo stesso.
Guides & Insights

Kandinsky 6.0 Video vs Runway Gen-4.5: Uno dei due non ha nulla da dire

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Ecco un confronto che può essere risolto da una singola specifica, e non è una specifica di qualità. Runway Gen-4.5 non genera audio. Non come limitazione di una singola modalità, non come componente aggiuntivo opzionale: il modello renderizza l'immagine e nient'altro, e ogni decisione sull'audio a valle è tua. Kandinsky 6.0 Video, reso open source dal Kandinsky Lab di Sber il 6 ottobre 2026 con licenza MIT in una versione Lite da 3B e una Pro da 29B, genera audio a 44 kHz con lip-sync nello stesso passaggio dell'immagine, e considera quella generazione congiunta la sua intera ragion d'essere. Quindi, prima di qualsiasi discussione sulla qualità del movimento o sul prezzo, il confronto si divide a seconda che il risultato finale debba arrivare con l'audio allegato. Se deve, non c'è alcun confronto da fare. Se non deve, il resto di questa pagina è il confronto.

Dove i due si sovrappongono davvero

Tralasciando l'audio, la sovrapposizione è più limitata di quanto suggeriscano le reputazioni divergenti. Nessuno dei due modelli pianifica le inquadrature. Runway Gen-4.5 esegue il rendering clip per clip, senza modalità storyboard multi-inquadratura, e Kandinsky 6.0 Video prevede un'unica ripresa continua: cinque secondi, 121 fotogrammi a 24 fps, nessun concetto di taglio, nessuna modalità di estensione nella versione rilasciata. Nessuno dei due ti consegnerà una sequenza. A entrambi viene richiesta una sola inquadratura alla volta ed entrambi vengono uniti da te.

Entrambi funzionano anche allo stesso modo: un prompt testuale o un'immagine fissa, con la rigenerazione iterativa come metodo di lavoro effettivo. Runway Gen-4.5 è sul mercato da dicembre 2025 con un'API asincrona e una UI attorno a cui moltissime persone hanno già costruito abitudini. Kandinsky 6.0 Video è arrivato il 6 ottobre 2026 con checkpoint e un'integrazione con diffusers, il che significa che il ciclo è uno script Python invece di una scheda del browser — ergonomia diversa, stessa forma di lavoro.

Ciò che li distingue, oltre a questo, è la durata, la risoluzione, il contenitore e il metro. La durata della clip è quella visibile: Runway Gen-4.5 copre da 2 a 10 secondi per generazione, quindi una sequenza più lunga resta una sola richiesta, mentre Kandinsky 6.0 Video avrebbe bisogno di due render da cinque secondi e di un'unione. È un vero vantaggio per i piani di ambientazione, le inquadrature fisse e qualsiasi cosa con un movimento di macchina lento, e si colloca sul versante visivo del bilancio, dove le prove pubblicate di Kandinsky sono più deboli.

Il contatore del credito, convertito in un orologio

Runway Gen-4.5 addebita 12 crediti per secondo di output, che a listino sono 0,12 $ al secondo — una clip 720p di dieci secondi per circa 1,20 $. Due costi aggiuntivi si sommano a questo e vale la pena conoscerli prima di pianificare il budget: l'esportazione in ProRes o PNG aggiunge 5 crediti al secondo, e HDR ne aggiunge altri 20, che diventano 40 crediti al secondo oltre i circa quattro megapixel. Questi sono i numeri da moltiplicare quando il deliverable è un file pronto per il color grading anziché una condivisione.

Kandinsky 6.0 Video non ha alcuna tariffa, perché non c'è nulla da acquistare. Ciò che ha è un costo hardware che fornisci tu, e il report è insolitamente schietto al riguardo: una clip Pro Full HD di cinque secondi richiede all'incirca 402 secondi di tempo di elaborazione su una H100, 854 su una RTX 5090 e 1.247 su una RTX 4090, l'offloading dei blocchi è necessario al di sotto di un'allocazione di picco di 72,8 GiB, e il preset da 16 GB di VRAM quantizza il text encoder a NF4 — l'unica modifica di preset che, secondo il report, altera la clip stessa. Entrambi i modelli girano a 24 fps, con Runway che ne offre anche 25, ed entrambi funzionano con molteplici formati di proporzioni.

Metti i due fianco a fianco come orologi invece che come valute. Runway Gen-4.5 ti vende all'incirca venti secondi di tempo di rendering effettivo per un dollaro. Kandinsky 6.0 Video non ti vende nulla e ti costa da sei a ventuno minuti di una GPU per ogni cinque secondi che tieni — a fronte dei quali metti il prezzo ammortizzato della scheda, l'elettricità e il fatto che puoi eseguire il rendering senza connessione di rete o limiti di frequenza.

• Durata — Runway Gen-4.5: 2–10 s per generazione. Kandinsky 6.0 Video: 5 s fissi a 121 fotogrammi.

• Audio — Runway Gen-4.5: nessuno generato. Kandinsky 6.0 Video: 44 kHz con lip-sync, generato congiuntamente.

• Risoluzione e contenitore — Runway Gen-4.5: 720p a 24/25 fps, con esportazione in ProRes o PNG disponibile. Kandinsky 6.0 Video: SD a 512×768, Full HD 1920×1080 tramite una fase di super-risoluzione integrata, nessun formato intermedio.

• Struttura dell'inquadratura — Runway Gen-4.5: una clip per richiesta, nessun planner. Kandinsky 6.0 Video: un'unica ripresa continua, nessun planner.

• Pesi — Runway Gen-4.5: chiusi. Kandinsky 6.0 Video: MIT, Lite e Pro, codice e diffusers inclusi.

• Prove — Runway Gen-4.5: dieci mesi di output pubblico e utilizzo da parte di terzi. Kandinsky 6.0 Video: una valutazione condotta dal fornitore e un benchmark eseguito rispetto a due comparatori, nessuno dei due riprodotto esternamente.

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'obiezione meglio documentata all'affermazione di Kandinsky stesso

Runway non ha bisogno di pubblicare un confronto per avere una posizione solida in questo ambito, perché il rapporto Kandinsky dichiara già i propri limiti. I suoi vincoli annunciati, nelle sue stesse parole: clip fino a cinque secondi; generazione di base a risoluzione SD con Full HD ottenuto tramite super-risoluzione; e un divario che resta rispetto ai sistemi proprietari più forti in termini di qualità visiva e qualità audio complessiva. Runway Gen-4.5 è uno dei sistemi a cui quella frase allude.

A fronte di ciò, i risultati del report stesso. In una valutazione umana affiancata — coppie dallo stesso prompt, clip anonimizzate, posizionamento sinistra/destra randomizzato, ordine dei task mescolato, audio prima disattivato e poi attivato, un'opzione di parità, aggregazione a maggioranza, circa 200 o più confronti a coppie per criterio — Kandinsky 6.0 Video Pro è competitivo con Kling 2.6 e Veo 3.1 Fast, con punti di forza che variano a seconda del criterio, e resta indietro rispetto a MiniMax H3 e Dreamina Seedance 2.0 sui criteri visivi mentre rimane competitivo sulla qualità del parlato e sulla sincronizzazione audio-video. L'apprendimento per rinforzo ha ridotto del 47% il tasso di errore di parola del parlato generato. Su VABench è in vantaggio rispetto a LTX 2.5 per qualità del parlato e accuratezza del lip-sync, e gli cede su allineamento ed espressività giudicati da VLM.

Runway non compare da nessuna parte in quell'elenco, in nessuna delle due direzioni. Non esiste alcun confronto diretto, alcun benchmark condiviso né una classifica indipendente che li valuti entrambi. Chiunque pubblichi un vincitore tra Runway Gen-4.5 e Kandinsky 6.0 Video sulla qualità sta estrapolando da due basi di prove non correlate, una delle quali è dieci mesi di output pubblico e l'altra è un rapporto degli autori del modello.

La questione della pipeline, ed è qui che i router si guadagnano il loro posto

Nessuno di questi modelli è instradato su OrcaRouter, e questa è un'osservazione sul nostro catalogo più che su uno dei due prodotti: Runway Gen-4.5 viene erogato tramite l'API proprietaria di Runway, mentre Kandinsky 6.0 Video è un checkpoint che si scarica e si esegue. Una pipeline costruita su uno dei due, però, dedica la maggior parte delle proprie chiamate al testo anziché ai pixel.

Considera di cosa ha davvero bisogno una pipeline audio-video da cinque secondi. Una nota di scena deve trasformarsi in una lunga didascalia strutturata del tipo su cui questi modelli sono stati addestrati. Il dialogo va scritto prima che un passaggio di lip-sync possa tentarlo. Sei generazioni candidate dello stesso beat vanno esaminate e una selezionata, e quell'esame è una chiamata di testo che riguarda un video. Poi c'è la parte che decide se vale la pena eseguire l'intera operazione: le decisioni di join, le note di continuità, lo script per la clip successiva. Tutto quanto è testo, e tutto quanto gira su un unico endpoint compatibile con OpenAI, su oltre 200 modelli, ai prezzi di listino dei provider passati con 0% di ricarico, con un DSL di routing che permette al revisore economico e al revisore accurato di essere modelli diversi sullo stesso call site. La fusione di modelli aiuta in modo specifico qui — una didascalia scritta da un modello e criticata da un altro tende a cogliere i dettagli inventati che un singolo passaggio lascia passare. E poiché un ciclo di rendering è lungo, il failover automatico è la differenza tra una didascalia fallita che ti costa una chiamata e una che ti costa la clip.

La decisione, espressa come una domanda sul suono

Se il pezzo finito richiede dialoghi, ambienza o lip-sync che arrivano con l'immagine, Runway Gen-4.5 è fuori dai giochi e l'unica scelta rimasta è quale modello audio-video distribuire. È una lista breve, e Kandinsky 6.0 Video è la voce open source che vi figura.

Se l'audio viene gestito altrove — da un modello separato, un attore vocale, una libreria — allora le clip di dieci secondi, l'API matura e le opzioni di esportazione di Runway Gen-4.5 sono oggi lo strumento di lavoro più forte, e la sua base di evidenze è la più vecchia e la più corposa delle due. L'aspetto da tenere d'occhio, in quel caso, non è un benchmark. È se Runway colma il divario audio, perché quella singola specifica è attualmente l'intero argomento strutturale per mettere un checkpoint aperto nuovo di zecca in una pipeline di produzione davanti a un modello con dieci mesi di utilizzo alle spalle.

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.

Dove risiedono le chiamate di didascalia e revisione, la fusione di modelli aiuta a individuare i dettagli inventati che una singola passata lascia passare.