Kandinsky 6.0 Video против Seedance 2.5: версия в статье — не та версия, которую вы покупаете

Самое цитируемое предложение в этом сопоставлении — это сравнение не с той моделью. Технический отчёт Kandinsky 6.0 Video, опубликованный 6 октября 2026 года вместе с выпуском весов под лицензией MIT, проводит бенчмарк против Dreamina Seedance 2.0 — предыдущего поколения. Seedance 2.5, актуальной видео-аудиомодели ByteDance, выпускается с 31 июля 2026 года, и именно она продаётся. Поэтому когда отчёт заключает, что Seedance «предпочтительнее по визуальным критериям, со статистически значимым преимуществом по общему визуальному качеству, артефактам, реалистичности движения и следованию визуальному промпту», он описывает сборку, которую сегодня лицензировать нельзя, а оценивала её лаборатория, написавшая Kandinsky 6.0 Video. Важны обе половины этого предложения, и ни одна из них не повод игнорировать сравнение — разрыв в версиях задаёт нижнюю границу того, что оно способно вам сообщить, а сама подача подсказывает, кому и в чём доверять.

Что изменилось между двумя версиями Seedance

Переход с 2.0 на 2.5 — это не перерисовка, и именно поэтому замена не косметическая. Seedance 2.5 генерирует до тридцати секунд за один проход — в шесть раз превышая максимальную длительность модели из отчёта и в шесть раз — фиксированные пять секунд Kandinsky 6.0 Video. Он добавляет нацеливание на уровне временных меток и редактирование отдельных областей после генерации, а значит, изменение можно применить к окну клипа или части кадра, а не перегенерировать всё целиком. Он принимает на вход текст вместе с примерно тридцатью изображениями, десятью видео и десятью аудиоклипами в качестве референсного материала в одном запросе — в отличие от одного маскированного хвостового кадра у Kandinsky 6.0 Video. И он создаёт синхронизированный звук с диалогами — единственная причина, по которой эта пара вообще попала в одну статью.

Каждый из этих пунктов — это возможность, которую оценка в отчёте не проверяла. Поэтому результат по визуальным критериям говорит вам, что Kandinsky 6.0 Video уступала предыдущему поколению Seedance по общему визуальному качеству, артефактам, реалистичности движения и следованию промпту. Он не говорит вам, как повела бы себя текущая сборка, и честное предположение состоит в том, что более новое поколение не становится хуже по тем аспектам, которые подчёркивают его собственные примечания к выпуску.

Что собственная оценка отчёта устанавливает, а что нет

Метод раскрыт достаточно подробно, чтобы его можно было оценить. Пары для сравнения «бок о бок», сгенерированные по одному и тому же запросу двумя моделями, при этом оба клипа анонимизированы, позиции слева/справа рандомизированы для каждой задачи, порядок задач перемешан, звук сначала отключён для визуальных вопросов, а затем включён для аудиовопросов, симметричный вариант «ничья» и явный вариант «неприменимо» там, где критерий невозможно оценить, агрегация голосов аннотаторов по принципу большинства, а также примерно 200 или более попарных сравнений для каждого оцениваемого критерия.

При таком методе результат Seedance 2.0 распределяется так, что это покажется знакомым любому, кто читал сравнение с Kling в том же отчёте. Визуальные критерии достаются Seedance с отрывом, который превышает порог значимости. Аудиодомен намного ближе: синхронизация аудио и видео оказывается почти на равных, а качество речи — в пользу Kandinsky 6.0 Video Pro. Между этими двумя утверждениями находится всё решение, потому что это означает, что новейший открытый аудио-видео чекпойнт измеримо отстаёт в том, как выглядит клип, и измеримо опережает в том, как в нём звучит речь.

Ограничения этого результата — обычные, и ни одно из них не является для него фатальным. Его провели авторы Kandinsky на промптах по своему выбору с привлечёнными ими аннотаторами. Ни одна публичная слепая арена вообще не оценивает Kandinsky 6.0 Video, так что ничто внешнее не проверяло, воспроизводят ли промпты постороннего человека этот разрыв. В отчёте также раскрывается потолок, относительно которого ведётся измерение: клипы длительностью до пяти секунд, базовая генерация в разрешении SD, при этом Full HD достигается на этапе суперразрешения, и сохраняющийся разрыв с самыми сильными проприетарными системами по визуальному качеству и общему качеству звука.

Три структурных пробела, которые не уловил бы ни один бенчмарк

Длительность — это первое и самое прямолинейное. Kandinsky 6.0 Video обучается и оценивается на 121 кадре, выполняет инференс на 121 кадре — 5 секунд при 24 fps — и поставляется без режима расширения: тридцатисекундный ролик — это шесть генераций, пять склеек и риск нарушения непрерывности, за который отвечаете вы. Seedance 2.5 делает тридцать секунд за один проход. Для одной реплики в диалоге, обзора продукта или чего угодно, где склейка будет заметна, это не разница в бенчмарках; это разница между одним рендером и этапом сборки.

Второй аспект — референсное кондиционирование, и асимметрия здесь разительна. Kandinsky 6.0 Video берёт одно референсное изображение и применяет его как маскированный хвостовой кадр — ключевой кадр, к которому нужно интерполировать. Seedance 2.5 принимает рабочий набор примерно из тридцати изображений, десяти видеоклипов и десяти аудиоклипов как единый контекст. Согласованность персонажа на протяжении последовательности, перенос стиля с мудборда, исполнение, перенесённое из существующего клипа: это рабочие нагрузки, которые становятся возможны благодаря количеству референсов, а режим одного кадра за них даже не берётся.

Третий — редактируемость, и именно он меняет рабочий процесс, а не отдельный кадр. Редактирование на уровне областей и временны́х меток означает, что неудачное трёхсекундное окно исправляется на месте. У Kandinsky 6.0 Video нет поверхности для редактирования — неудачные пять секунд генерируются заново, а если их соединили с четырьмя другими, то и стыки пересматриваются. Командам, закладывающим в бюджет привычку к повторному рендерингу, стоит учесть эту разницу при выборе модели, а не обнаруживать её постфактум.

• Длительность — Kandinsky 6.0 Video: фиксированные 5 с, 121 кадр при 24 кадрах/с, без режима продления. Seedance 2.5: до 30 с за один проход.

• Референсное обусловливание — Kandinsky 6.0 Video: одно изображение, применяемое как маскированный концевой кадр. Seedance 2.5: примерно тридцать изображений, десять видео и десять аудиоклипов на запрос.

• Редактирование — Kandinsky 6.0 Video: отсутствует; перегенерация и повторное объединение. Seedance 2.5: точечное нацеливание на уровне временных меток и послегенерационное редактирование на уровне областей.

• Разрешение — Kandinsky 6.0 Video: SD при 512×768, Full HD 1920×1080 благодаря встроенному этапу суперразрешения. Seedance 2.5: зависит от режима, а цена за клип определяется выбранным разрешением.

• Аудио — Kandinsky 6.0 Video: 44 кГц с синхронизацией губ, генерируется совместно с изображением. Seedance 2.5: синхронизированное аудио, включая диалоги, генерируется вместе с видео.

• Веса — Kandinsky 6.0 Video: MIT, Lite 3B и Pro 29B, с кодом и интеграцией с diffusers. Seedance 2.5: нет.

Два метра, которые не переводятся друг в друга.

Seedance 2.5 тарифицируется в токенах: это составляет примерно $0,51 за пятисекундный клип при 480p и примерно $1,16 при 720p. Причина, по которой это указывается именно так, а не как цена за секунду, в том, что количество токенов масштабируется вместе с объёмом материала, поэтому тридцатисекундная генерация — это не тридцать секунд по фиксированной ставке: при тех же настройках она содержит в шесть раз больше токенов, чем пятисекундная, а операции редактирования тарифицируются по тому, к чему они применяются. Пайплайн, который привычно перегенерирует, обнаружит, что счётчик реагирует на эту привычку.

У Kandinsky 6.0 Video нет счётчика, потому что покупать нечего. Его стоимость — это машина и время, а отчёт предоставляет отсчёт: примерно 402 секунды рабочего времени на H100 для пятисекундного клипа Pro Full HD, 854 на RTX 5090, 1247 на RTX 4090, а ниже пикового выделения 72,8 ГиБ требуется выгрузка блоков, и пресет для 16 ГБ VRAM, который квантует текстовый энкодер до NF4 — единственное изменение пресета, которое, согласно отчёту, влияет на сам клип. Дистиллированный чекпоинт, показавший по измерениям паритет с полной моделью при среднем предпочтении 51% против 49%, когда ни один критерий не достигает статистической значимости, — это тот, который делает эти цифры рабочими.

• Стоимость за пять секунд — Kandinsky 6.0 Video: цена не указана; от шести до двадцати одной минуты работы одного GPU в зависимости от карты. Seedance 2.5: примерно $0,51 при 480p и $1,16 при 720p в токенах.

Ничто в этих двух строках не соизмеримо, а обычная попытка свести их к одной цифре — деление ставки за GPU-час на пятисекундные клипы — молчаливо предполагает полную загрузку, нулевой простой и карту, которая у вас уже есть. Более полезное сравнение — качественное: стоимость Seedance 2.5 масштабируется с тем, сколько вы генерируете, и исчезает, когда вы останавливаетесь; затраты на Kandinsky 6.0 Video возникают независимо от того, генерируете вы или нет.

Где каждый из них доступен

Ни одной из этих моделей нет на OrcaRouter, и ни одно из этих утверждений не делается. Seedance 2.5 доступна через собственные платформы вендора и несколько сторонних сервисов; Kandinsky 6.0 Video — это чекпоинт, который вы скачиваете под лицензией MIT и запускаете на собственном оборудовании. Любая страница, которая утверждает, что обе доступны одним вызовом API на мультимодельной платформе, описывает разные модели.

Причина, по которой слой маршрутизации всё ещё стоит упоминания в конвейере Kandinsky или Seedance, состоит в том, что в этих системах основная часть вызовов приходится на текст, а основная стоимость — на видео. Расширение промпта превращает заметку к кадру в длинную структурированную подпись, которую ожидает модель T2AV. Диалог черновиком пишется до того, как его попытается обработать проход липсинка, и переписывается, если этот проход его портит. Шесть вариантов генерации одного и того же бита проходят проверку, и выбирается один — это текстовое суждение о видеоматериале, самый дешёвый способ принять дорогое решение правильно. На единственной совместимой с OpenAI конечной точке с более чем 200 моделями по прейскурантным ценам поставщика, пропускаемым с наценкой 0 %, эти вызовы стоят ровно столько, сколько берёт поставщик, и ни копейки больше, в том числе на следующий день после изменения тарифов вендором. DSL маршрутизации оправдывает своё место, когда дешёвый проверяющий и внимательный проверяющий должны быть разными моделями в одной и той же точке вызова, а автоматическое переключение при сбое — потому что подпись, которая падает, пока рендерится четвёртый клип из шести, должна быть перенаправлена, а не завершать сеанс.

Что могло бы изменить это противостояние?

Разрыв в версиях — это вся суть истории и одновременно кратчайший путь к его разрешению. Прогон Seedance 2.5 против Kandinsky 6.0 Video позволил бы установить, расширились, сузились или обратились вспять потери по визуальным критериям, которые отчёт фиксирует по сравнению с 2.0, — отчёт не может ответить на это, и у его авторов не было способа это сделать. На данный момент защитимая позиция уже, чем хотелось бы маркетингу обеих сторон: согласно доказательствам, опубликованным собственной лабораторией модели, Seedance впереди по тому, как выглядит клип, а Kandinsky 6.0 Video впереди по тому, как звучит речь в нём, и версия Seedance, на которой основывается это утверждение, на одно поколение отстаёт от той, которую вы бы купили.

Выбирайте соответственно. Если работа длинная, насыщенная референсами или строится на монтаже, структурные пробелы решают всё ещё до того, как в дело вступает качество. Если работа — это пятисекундный говорящий кадр, где диалог должен звучать правильно с первого раза, измеримое преимущество Kandinsky 6.0 Video проявляется именно по этому критерию — а лицензия MIT означает, что ответ не зависит от чьей-либо дорожной карты. Следить нужно не за таблицей лидеров. А за повторным прогоном сравнения, которое отчёт так и не смог провести.

Самый дешёвый способ правильно выполнить дорогой вызов: DSL маршрутизации, который меняет рецензента на каждом этапе, с автоматическим переключением при сбое, чтобы отказ субтитров не стоил клипа.