Kandinsky 6.0 Video против Hailuo 2.3: прайс-лист против скачивания

Начнём с арифметики, потому что это единственное место, где эти двое пересекаются. Шестисекундный беззвучный клип 1080p от Hailuo 2.3 — бюджетной видеомодели апреля 2026 года — стоит несколько центов за секунду, то есть примерно $0.48 за клип. Пятисекундный клип с синхронизированным звуком 44 кГц и липсинком от Kandinsky 6.0 Video, который Kandinsky Lab от Сбера открыла по лицензии MIT в первую неделю октября 2026 года, не стоит ничего за клип — лишь около семи минут работы H100 в Full HD. Вот и всё противостояние в двух предложениях, а решение, которое из него следует, — это не «кто лучше», а какой счётчик вам приятнее крутить: посекундный счёт за клипы или собственное железо.

Всё остальное следует из этого разделения, и большинство страниц сравнения понимают его наоборот, рассматривая их как один и тот же тип продукта в разных ценовых категориях. Это не так. Hailuo 2.3 — это сервис с брифом стилиста и без звука; Kandinsky 6.0 Video — это семейство чекпойнтов двух размеров — Pro на 29B и Lite на 3B — со звуком в качестве центральной архитектурной особенности.

В чём дешёвый на самом деле хорош

Репутация Hailuo 2.3 заслужена и вполне конкретна. Он хорошо справляется с кинематографичным движением камеры, движением людей и микровыражениями, а в стилизованном и аниме-контенте он сильнее, чем можно предположить по его цене. Он создаёт видео из текста и видео из изображения с разрешением до 1080p. MiniMax не позиционирует его как фотореалистичную модель, и он таковой не является — это стилист с хорошим чутьём на движение.

Его ограничения тоже вполне конкретны, и именно поэтому это сравнение короткое.

• Нет встроенного звука. Hailuo 2.3 выдаёт результат без звука, и более раннее поколение Hailuo, у которого звук был, не переносит его сюда. Каждому клипу нужно добавить звук на последующем этапе.

• Ограничение клипа в шесть секунд при 1080p и десять секунд при 768p, без контроля конечного кадра — поэтому клипы не сшиваются в последовательность без проблем.

• Нет в текущих независимых рейтингах. Hailuo 2.3 не фигурирует в таблицах лидеров Artificial Analysis по преобразованию текста в видео, изображения в видео или редактированию видео в их нынешнем виде, поэтому публичного Elo для сравнения с чем-либо не существует. Более ранние упоминания о том, что он занимал примерно 25–29-е место на видеоарене, не соответствуют ныне опубликованным таблицам, и их следует рассматривать как устаревший снимок, а не как текущую позицию.

Цены указываются двумя разными сторонами в двух валютах, и обе заслуживают внимания. Собственный API MiniMax продаёт предоплаченные пакеты баллов, где шестисекундный стандартный клип 768p расходует один балл, а десятисекундный 768p или шестисекундный 1080p — два; при этом более быстрый вариант Hailuo-2.3-Fast снижает эти показатели примерно до 0,7 и 1,1–1,3 балла. Сторонние трекеры указывают более ровную ставку в районе от $0,067 до $0,082 за секунду; один из них — $0,0817/с — приводит «до 1080p, максимум 10 с на клип, без звука» и около $147 в месяц за триста шестисекундных клипов. Какой бы путь вы ни выбрали, порядок величины один и тот же, и это самая дешёвая генерация в этой категории.

Проблема с покупкой устаревшего поколения

Есть один факт о жизненном цикле Hailuo 2.3, который важнее любых характеристик, и это не критика модели. MiniMax пошла дальше. Её преемник, MiniMax H3 — поколение Hailuo 3 — был выпущен 31 июля 2026 года и относится к совершенно иному классу продуктов: это омнимодальная модель, которая воспринимает текстовые, изобразительные, видео- и аудиореференсы как единый контекст, генерирует клипы длительностью от четырёх до пятнадцати секунд в разрешении 768p или 2K с нативным стереозвуком, а оплата взимается за секунду выходного материала.

Это не заявление вендора. Это есть на независимых площадках, и размещение сильное:

• Текст-в-видео — MiniMax H3 (768p) 4-е место в Elo 1 137 (±9) по итогам 8 315 голосов, при $4,80/мин.

• Изображение в видео — MiniMax H3 на 2-м месте в Elo 1,181 (±8) по итогам 7 284 голосов, по цене $7.80/мин.

• Видеомонтаж — MiniMax H3 на 2-м месте с Elo 1 132 (±6) по итогам 12 043 голосов, по цене $7,80/мин.

Итак, честная формулировка покупки Hailuo 2.3 в октябре 2026 года такова: вы покупаете бюджетный уровень семейства, флагманское поколение которого входит в первую пятёрку в обоих режимах генерации, имеет аудио, которого нет в 2.3, и стоит, возможно, в пять–десять раз больше за секунду. Это оправданное решение для работы по стилизации в больших объёмах — именно для этого и существует бюджетный уровень, — но оно должно быть осознанным, а не выбором по умолчанию. Любой, кто сегодня оценивает 2.3, должен сначала сопоставить цену H3 с ценой 2.3, потому что разрыв между ними — это не просто постепенное улучшение.

Пять секунд против шести, и почему разница меньше, чем кажется

По длительности Kandinsky 6.0 Video не выигрывает. Он обучен на 121 кадре при 24 fps — пять секунд — и в релизе нет режима расширения. Hailuo 2.3 даёт шесть секунд в 1080p. Ни того, ни другого недостаточно для непрерывной сцены, и оба означают, что тридцатисекундный ролик — это пять или шесть генераций плюс склейки.

Пробелы, которые имеют значение, — в другом месте.

• Аудио — Kandinsky 6.0 Video: 44 кГц с синхронизацией губ, создаётся вместе с изображением, всегда включено. Hailuo 2.3: отсутствует — так задумано.

• Разрешение — Kandinsky 6.0 Video: SD, HD и Full HD с помощью выделенной модели супер-разрешения, апскейл x2, x4 или x2.25 для пятисекундных клипов. Hailuo 2.3: до 1080p, без этапа SR.

• Задание условий — Kandinsky 6.0 Video: из текста в аудио-видео и из изображения в аудио-видео, одно референсное изображение применяется как маскированный конечный кадр. Hailuo 2.3: из текста в видео и из изображения в видео, без управления конечным кадром.

• Веса — Kandinsky 6.0 Video: MIT, Pro и Lite, с интеграцией с diffusers и — с сегодняшнего утра — пайплайном обслуживания vLLM-Omni. Hailuo 2.3: не выпущена.

• Цены — Hailuo 2.3: за секунду выходного видео или баллы в счёт предоплаченного пакета, с более дешёвым вариантом Fast. Kandinsky 6.0 Video: тарифа вообще нет; GPU предоставляете вы.

Что говорят собственные доказательства поставщика — и чего они не могут

Кейс качества Kandinsky 6.0 Video не проходил аудит, и именно так его и следует описывать. Sber сообщает о результатах VABench, в которых Pro лидирует по качеству речи, аудиоэстетике, согласованности текста и видео, а также аудио и видео, точности синхронизации губ, десинхронизации и визуальному реализму среди трёх оцениваемых систем — своей собственной модели Lite и LTX 2.5. Sber также сообщает о проведённой в лаборатории сравнительной оценке людьми — примерно 200 или более попарных сравнений по каждому критерию, — в которой модель конкурентоспособна с Kling 2.6 и Veo 3.1 Fast, уступает MiniMax H3 и Dreamina Seedance 2.0 по визуальным критериям и остаётся конкурентоспособной по качеству речи и синхронизации аудио и видео. Слепого публичного Elo нет, как и внешнего воспроизведения.

Доказательства Hailuo 2.3 имеют противоположную форму: модель широко используется, её цена публично известна, но сейчас она отсутствует в независимых видеотаблицах, поэтому её также нельзя сопоставить с текущим полем. Ни одна из моделей не обладает тем, что покупатель хотел бы больше всего, — а в случае с Hailuo этим обладает её собственный преемник. Вот эту асимметрию и стоит назвать: семейство одной модели уже оценено и поставлено в рейтинг, а семейство другой вообще не оценивалось.

Что тогда остаётся, так это аудиоразрыв, и это настоящий водораздел, а не строка в списке характеристик. Тишина Hailuo 2.3 упрощает одно — при передаче клипа на этап мастеринга нет звуковой дорожки, которую нужно сохранять, — и усложняет другое: каждое видео-«говорящая голова», каждый рекламный ролик продукта с закадровым голосом, каждый клип, где звуковой эффект должен точно совпасть с действием, теперь требует двух генераций плюс этап выравнивания, за который отвечаете вы. Вся архитектура Kandinsky 6.0 Video нацелена именно на эту проблему: двухпоточный CrossDiT, объединяющий видеопоток с аудиопотоком, создаваемым с нуля, в режиме двунаправленного кросс-внимания, с этапом обучения с подкреплением, который, как сообщается в статье, сокращает частоту ошибок в словах сгенерированной речи на 47% — показатель измерен с помощью Whisper-large-v3, одной из моделей вознаграждения RL, и не сопоставим с отдельным показателем частоты ошибок в словах Qwen3-ASR-1.7B, о котором сообщается в статье наряду с VABench.

Где маршрутизатор уместен, а где нет

OrcaRouter не обслуживает Kandinsky 6.0 Video или Hailuo 2.3, и здесь не утверждается ничего подобного — Kandinsky вы скачиваете и запускаете сами, а доступ к Hailuo 2.3 осуществляется через собственный API и систему баллов MiniMax. Пайплайну, построенному на любом из них, от роутера нужен текст вокруг рендера: список кадров, расширение промпта, которое превращает бриф в длинную или короткую подпись, на которых обучались эти модели, работа с подписями и диалогами, а также сводки проверок, определяющие, какая генерация сохраняется. Это обычные текстовые вызовы, и они выполняются через одну конечную точку, совместимую с OpenAI, на более чем 200 моделях по каталожной цене провайдера с наценкой 0%, так что изменение цены поставщика вступает в силу на том же ключе в день, когда оно происходит, с автоматическим переключением при сбое, чтобы неудачный вызов в середине рендера перенаправлялся, а не терял весь пакет. Слой оркестрации вокруг видеомодели — это задача маршрутизации, даже когда сама видеомодель не подлежит маршрутизации, — а именно так обстоят дела с обеими сегодня.

Какой выбрать?

Выбирайте Hailuo 2.3, когда задача — объём, эстетика — стилизованная или анимационная, результат — без звука, а стоимость за клип — это ограничение, которое имеет значение. Это самая дешёвая рабочая генерация в категории, и цена соответствующая. Сравните цену MiniMax H3 с ним, прежде чем принять решение, потому что флагманская генерация того же семейства входит в топ-5 в обоих режимах и имеет звук, которого никогда не было у 2.3.

Выбирайте Kandinsky 6.0 Video, когда в готовом результате нужен звук, когда пятисекундные единицы подходят для вашего списка кадров, когда требуется точность преобразования изображения в видео относительно предоставленного кадра и когда владеть моделью важнее, чем арендовать её. Приступайте, зная прямо указанные затраты: отсутствие тарифа, пятисекундный потолок, рендер в Full HD, который выполняется около 402 секунд на H100 и 854 на RTX 5090 для модели Pro, обязательная выгрузка блоков при пиковом выделении памяти ниже 72,8 ГиБ, и заявление о качестве, которое целиком исходит от самой Sber, пока кто-то за пределами лаборатории не оценит его.

Вопрос, лежащий в основе двух прайс-листов, — это тот, который решит значительную часть видеоинфраструктуры в этом квартале. Hailuo 2.3 берёт с вас плату за секунду и выдаёт вам файл; Kandinsky 6.0 Video берёт с вас плату за GPU и выдаёт вам лицензию. Для команды, создающей сто клипов в месяц, счёт выигрывает по всем осям, которые измеряет таблица. Для команды, которая намерена дообучать, работать офлайн или всё ещё использовать ту же модель после выхода следующего поколения, загрузка выигрывает по единственной оси, которую таблица увидеть не может.