
Kandinsky 6. Video 対 Runway Gen-4.5:どちらか一方には何も言うことがない
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100万トークンあたり · 90 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100万トークンあたり · 96 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNEWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100万トークンあたり · 88 tok/s
- OrcaNEWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100万トークンあたり · 133 tok/s
- OrcaNEWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 100万トークンあたり · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100万トークンあたり · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100万トークンあたり · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447知能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100万トークンあたり · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929知能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100万トークンあたり · 157 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733知能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740知能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 100万トークンあたり · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955知能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855知能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 100万トークンあたり · 221 tok/s
これは単一の仕様で決着がつく比較であり、しかも品質の仕様ではない。Runway Gen-4.5は音声を生成しない。これはあるモードの制約ではなく、オプションの追加機能でもない——このモデルが描き出すのは映像だけであり、それ以降の音声に関するあらゆる判断はあなたに委ねられている。Kandinsky 6.0 Videoは、SberのKandinsky Labが2026年10月6日にMITライセンスでオープンソース化したもので、Lite 3BとPro 29Bの2サイズが用意され、映像と同じパスで44 kHzの音声をリップシンク付きで生成し、その同時生成こそが存在意義のすべてである。したがって、モーション品質や価格について論じる前に、この対決は成果物を音付きで届ける必要があるかどうかで分かれる。必要なら、比較するまでもない。必要でないなら、このページの残りがその比較である。
両者が実際に重なっている箇所では
音声のことはさておけば、両者の重なり合う部分は、その異なる評判が示唆するほど広くはない。どちらのモデルもショットを計画しない。Runway Gen-4.5はクリップごとにレンダリングし、マルチショットのストーリーボードモードはない。そしてKandinsky 6.0 Videoは単一の連続テイクだ — 5秒、24 fpsで121フレーム、カットの概念はなく、今回のリリースには延長モードもない。どちらもシーケンスを渡してはくれない。どちらも一度に1ショットずつ要求され、それらをつなぎ合わせるのはあなた自身だ。
どちらも同じように操作する。テキストプロンプトか静止画像を使い、実際の作業方法として反復再生成を行う。Runway Gen-4.5 は2025年12月から市場に投入されており、非同期APIと、すでに大勢の人が習慣を築いているUIを備えている。Kandinsky 6.0 Video は2026年10月6日に、チェックポイントと diffusers 統合を伴って登場した。つまり、ループはブラウザのタブではなく Python スクリプトになる — 操作性は異なるが、作業の形は同じだ。
それを超えて両者を分けるのは、長さ、解像度、コンテナ、そしてメーターだ。クリップ長は目に見える違いである。Runway Gen-4.5は1回の生成あたり2~10秒をカバーするため、より長いビートでも1回のリクエストで済むが、Kandinsky 6.0 Videoでは5秒のレンダリングを2回行って結合する必要がある。これはエスタブリッシングショット、ホールド、そしてカメラの動きが遅いあらゆるものにとって実際の利点であり、Kandinskyが公表している証拠が最も弱い、比較の映像面に存在する。
時計に変換されたクレジットメーター
Runway Gen-4.5は出力1秒あたり12クレジットを請求し、定価では1秒あたり$0.12 — 10秒の720pクリップで約$1.20です。その上に2つの追加料金があり、予算を立てる前に知っておく価値があります:ProResまたはPNGエクスポートは1秒あたり5クレジットを追加し、HDRはさらに20クレジットを追加します。これは約4メガピクセルを超えると1秒あたり40クレジットになります。これらは、納品物が共有用ではなくグレーディング対応ファイルである場合に掛け算する数値です。
Kandinsky 6.0 Videoには料金が一切ない。購入できるものがないからだ。あるのは利用者が負担するハードウェアコストであり、レポートはそれについて異例なほど率直だ。Pro Full HDの5秒クリップには、H100で約402秒、RTX 5090で854秒、RTX 4090で1,247秒の処理時間がかかり、ピーク割り当てが72.8 GiB未満ではブロックオフロードが必要で、16 GB VRAMプリセットはテキストエンコーダをNF4に量子化する——レポートがクリップ自体を変えると述べている唯一のプリセット変更だ。両モデルは24 fpsで動作し、Runwayは25も提供しており、どちらも複数のアスペクト比に対応している。
通貨ではなく時計として、両者を並べてみよう。Run Gen-4.5 は 1 ドルでおよそ 20 秒の実時間レンダリング時間を売ってくれる。Kandinsky 6.0 Video は何も売らず、あなたが残す 5 秒ごとに 1 基の GPU を 6~21 分費やさせる——それに対して、カードの償却費、電気代、ネットワーク接続やレート制限なしでレンダリングできるという事実を置くことになる。
• 長さ — Runway Gen-4.5:1回の生成につき2~10秒。Kandinsky 6.0 Video:121フレームで5秒固定。
• 音声 — Runway Gen-4.5:生成なし。Kandinsky 6.0 Video:44 kHz、リップシンク対応、共同生成。
• 解像度とコンテナ — Runway Gen-4.5:24/25 fps で 720p、ProRes または PNG での書き出しに対応。Kandinsky 6.0 Video:512×768 の SD、内蔵の超解像ステージによりフル HD 1920×1080、中間フォーマットなし。
• ショット構造 — Runway Gen-4.5:リクエストごとに1クリップ、プランナーなし。Kandinsky 6.0 Video:1つの連続テイク、プランナーなし。
• ウェイト — Runway Gen-4.5: クローズド。Kandinsky 6.0 Video: MIT、LiteとPro、コードとdiffusersを含む。
• エビデンス — Runway Gen-4.5:10か月にわたる公開アウトプットと第三者による利用。Kandinsky 6.0 Video:ベンダーが実施した評価と、2つの比較対象に対して実行されたベンチマーク。いずれも外部で再現されていない。

カンディンスキー自身の主張に対する最も根拠の確かな反論
Runwayは、ここで強い立場を築くために比較を公表する必要はない。なぜなら、Kandinskyのレポートがすでに自らの限界を述べているからだ。その公表された制約を、自らの言葉で挙げると、最大5秒のクリップ、SD解像度での基本生成とスーパーレゾリューションによって得られるフルHD、そして視覚品質と全体的な音声品質において最強のプロプライエタリシステムとの間に残るギャップである。Runway Gen-4.5は、その文が指し示しているシステムの一つである。
それに対して、レポート自身の結果はこうだ。同一プロンプトから生成したペア、匿名化されたクリップ、左右配置のランダム化、タスク順のシャッフル、音声オフからオンへ、引き分けの選択肢、多数決による集約、基準ごとに約200件以上の一対比較——こうした並列の人手評価では、Kandinsky 6.0 Video Pro は Kling 2.6 や Veo 3.1 Fast と互角であり、強みは基準によって異なる。視覚基準では MiniMax H3 と Dreamina Seedance 2.0 に後れを取る一方、音声品質と音声・映像の同期では互角を保っている。強化学習により、生成音声の単語誤り率は47%削減された。VABench では、音声品質とリップシンク精度で LTX 2.5 を上回り、VLM が判定する整合性と表現力では LTX 2.5 に譲る。
そのリストのどちら側にも、Runwayは一切登場しない。直接対決も、共通のベンチマークも、両方を評価する独立したボードも存在しない。品質に関してRunway Gen-4.5とKandinsky 6.0 Videoのどちらが優れているかを公表する人は、無関係な二つの根拠から外挿している。一方は10か月分の公開出力であり、もう一方はモデル作者による報告書である。
パイプラインの問題、そこがルーターの真価を発揮する場面だ
これらのモデルはいずれも OrcaRouter 上ではルーティングされていません。これはどちらの製品というより、当社のカタログに関する話です。Runway Gen-4.5 は Runway 独自の API 経由で提供され、Kandinsky 6.0 Video はダウンロードして実行するチェックポイントです。とはいえ、どちらかで構築されたパイプラインは、呼び出しの大部分をピクセルではなくテキストに費やします。
5秒の音声映像パイプラインに実際に何が必要かを考えてみよう。ショットノートは、こうしたモデルが学習してきた種類の長い構造化キャプションにならなければならない。セリフは、リップシンクの処理がそれを試みる前に書かれていなければならない。同じビートに対する6つの候補生成をレビューして1つを選ぶ必要があり、そのレビューは映像についてのテキストによる判断だ。そして、この全体を走らせる価値があるかどうかを決める部分がある。結合の判断、連続性のメモ、次のクリップのためのスクリプトだ。そのすべてがテキストであり、そのすべてが200以上のモデルに対応し、プロバイダーの定価を0%のマークアップでそのまま提供する、1つのOpenAI互換エンドポイント上で動く。ルーティングDSLを使えば、安価なレビュアーと慎重なレビュアーを同じ呼び出し箇所で別々のモデルにできる。モデルフュージョンはここで特定の形で役立つ——あるモデルが書いたキャプションを別のモデルが批評すると、単一のパスでは素通りしてしまう捏造された細部をとらえやすい。そして、レンダーループは長いので、自動フェイルオーバーがあるかどうかで、キャプションの失敗が1回の呼び出しの損失で済むか、クリップそのものの損失になるかが変わる。
音についての問いとして述べられた決定
完成した作品に、映像とともに届くセリフや環境音、リップシンクが必要なら、Runway Gen-4.5 は土俵に上がれず、残された選択はどの音声映像モデルを投入するかだけです。それは短いリストで、Kandinsky 6.0 Video がその中のオープンな一手です。
音声が別の場所で処理されるなら——別のモデル、声優、ライブラリなどによって——Runway Gen-4.5 の10秒クリップ、成熟した API、エクスポートオプションは、今日においてより強力な実務ツールであり、その根拠基盤は両者の中でより古く、より厚い。その場合に注目すべきはベンチマークではない。Runway が音声のギャップを埋めるかどうかだ。なぜなら、その単一の仕様こそが現在、10か月の使用実績を持つモデルより先に、まったく新しいオープンチェックポイントを制作パイプラインに投入するための、構造上の論拠のすべてだからである。


キャプションとレビューの呼び出しが行われる場面では、モデル融合が、捏造された詳細を捉えるのに役立つ——単一のパスでは素通りしてしまう詳細を。
