Titelkort för en artikel som jämför Kandinsky 6.0 Video och dess namngivna motståndare, med undertexten ”En av dem har inget att säga”, med tre stödjande etiketter hämtade från artikelns eget bevismaterial.
Guides & Insights

Kandinsky 6.0 Video vs Runway Gen-4.5: En av dem har inget att säga

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Här är en jämförelse som kan avgöras av en enda specifikation, och det är inte en kvalitetsspecifikation. Runway Gen-4.5 genererar inte ljud. Inte som en begränsning i ett läge, inte som ett valfritt tillägg – modellen renderar bild och inget annat, och varje ljudbeslut nedströms om den är ditt. Kandinsky 6.0 Video, som Sbers Kandinsky Lab släppte som öppen källkod den 6 oktober 2026 under MIT i storlekarna Lite 3B och Pro 29B, genererar 44 kHz-ljud med läppsynk i samma pass som bilden och betraktar den gemensamma genereringen som sitt hela existensberättigande. Så innan någon argumentation om rörelsekvalitet eller pris: matchningen delar sig på huruvida leveransen behöver anlända med ljud bifogat. Om den gör det finns ingen jämförelse att göra. Om den inte gör det är resten av den här sidan jämförelsen.

Där de två faktiskt överlappar

Om man bortser från ljudet är överlappningen snävare än de olika anseendena antyder. Ingen av modellerna planerar tagningar. Runway Gen-4.5 renderar per klipp utan något storyboardläge för flera tagningar, och Kandinsky 6.0 Video har en enda kontinuerlig tagning – fem sekunder, 121 bildrutor vid 24 fps, inget klippkoncept, inget förlängningsläge i utgåvan. Ingen av dem ger dig en sekvens. Av båda begärs en tagning i taget, och båda fogas samman av dig.

Båda drivs också på samma sätt: en textprompt eller en stillbild, med iterativ regenerering som den faktiska arbetsmetoden. Runway Gen-4.5 har funnits på marknaden sedan december 2025 med ett asynkront API och ett användargränssnitt som väldigt många redan har byggt vanor kring. Kandinsky 6.0 Video kom den 6 oktober 2026 med checkpoints och en diffusers-integration, vilket innebär att loopen är ett Python-skript i stället för en webbläsarflik – annan ergonomi, samma form av arbete.

Det som skiljer dem åt utöver det är längd, upplösning, container och mätaren. Klipplängden är den synliga: Runway Gen-4.5 täcker 2 till 10 sekunder per generering, så en längre sekvens är fortfarande en förfrågan där Kandinsky 6.0 Video skulle behöva två femsekundersrenderingar och en sammanfogning. Det är en verklig fördel för etableringsbilder, hållningar och allt med en långsam kamerarörelse, och den finns på den visuella sidan av räkenskaperna där Kandinskys publicerade bevis är svagast.

Kreditmätaren, omvandlad till en klocka

Runway Gen-4.5 debiterar 12 credits per sekund av utdata, vilket enligt listpris är 0,12 dollar per sekund — ett tio sekunder långt 720p-klipp för omkring 1,20 dollar. Två tillägg tillkommer ovanpå det och är värda att känna till innan du budgeterar: ProRes- eller PNG-export lägger till 5 credits per sekund, och HDR lägger till 20 till, vilket blir 40 credits per sekund över ungefär fyra megapixlar. Det är siffrorna du multiplicerar när leveransen är en fil redo för grading snarare än en delning.

Kandinsky 6.0 Video har ingen taxa alls, eftersom det inte finns något att köpa. Det den har är en hårdvarukostnad som du står för, och rapporten är ovanligt öppenhjärtig om den: ett Pro Full HD-klipp på fem sekunder tar ungefär 402 sekunders arbetstid på en H100, 854 på en RTX 5090 och 1 247 på en RTX 4090, block offloading krävs under en toppallokering på 72,8 GiB, och förinställningen för 16 GB VRAM kvantiserar textkodaren till NF4 – den enda förinställningsändring som rapporten säger ändrar själva klippet. Båda modellerna körs i 24 fps, medan Runway även erbjuder 25, och båda fungerar över flera bildförhållanden.

Ställ de två sida vid sida som klockor i stället för valutor. Runway Gen-4.5 säljer dig ungefär tjugo sekunder väggklockstid för rendering för en dollar. Kandinsky 6.0 Video säljer dig ingenting och kostar dig sex till tjugoen minuter på en GPU för varje fem sekunder du behåller — mot vilket du ställer det avskrivna priset för kortet, elen och det faktum att du kan rendera utan nätverksanslutning eller hastighetsbegränsning.

• Längd — Runway Gen-4.5: 2–10 s per generering. Kandinsky 6.0 Video: 5 s fast vid 121 bildrutor.

• Ljud — Runway Gen-4.5: inget genererat. Kandinsky 6.0 Video: 44 kHz med läppsynk, genererat gemensamt.

• Upplösning och container — Runway Gen-4.5: 720p vid 24/25 fps, med export i ProRes eller PNG tillgänglig. Kandink 6.0 Video: SD vid 512×768, Full HD 1920×1080 via ett inbyggt superupplösningssteg, inget mellanformat.

• Bildstruktur — Runway Gen-4.5: ett klipp per begäran, ingen planerare. Kandinsky 6.0 Video: en kontinuerlig tagning, ingen planerare.

• Vikter — Runway Gen-4.5: stängda. Kandinsky 6.0 Video: MIT, Lite och Pro, kod och diffusers ingår.

• Bevis — Runway Gen-4.5: tio månader av offentliga resultat och tredjepartsanvändning. Kandinsky 6.0 Video: en leverantörsstyrd utvärdering och en benchmarkkörning mot två jämförelseobjekt, där ingen av dem har reproducerats externt.

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.

Den mest välunderbyggda invändningen mot Kandinskys eget påstående

Runway behöver inte publicera en jämförelse för att ha en stark position här, eftersom Kandinsky-rapporten redan anger sina egna begränsningar. Dess tillkännagivna begränsningar, i dess egna ord: klipp på upp till fem sekunder; basgenerering i SD-upplösning med Full HD som erhålls genom superupplösning; och en kvarstående lucka till de starkaste proprietära systemen när det gäller visuell kvalitet och övergripande ljudkvalitet. Runway Gen-4.5 är ett av de system som den meningen pekar på.

Ställt mot detta, rapportens egna resultat. I mänsklig utvärdering sida vid sida — par från samma prompt, anonymiserade klipp, slumpmässig vänster-/högerplacering, blandad uppgiftsordning, ljud av och sedan på, ett alternativ för oavgjort, aggregering genom majoritetsröstning, ungefär 200 eller fler parvisa jämförelser per kriterium — är Kandinsky 6.0 Video Pro konkurrenskraftig mot Kling 2.6 och Veo 3.1 Fast, med styrkor som skiljer sig åt beroende på kriterium, och ligger efter MiniMax H3 och Dreamina Seedance 2.0 när det gäller visuella kriterier samtidigt som den är konkurrenskraftig när det gäller talkvalitet och ljud- och videosynkronisering. Förstärkningsinlärning sänkte ordfelsfrekvensen för genererat tal med 47 %. På VABench ligger den före LTX 2.5 i talkvalitet och läppsynkroniseringsnoggrannhet och är underlägsen den i VLM-bedömd anpassning och uttrycksfullhet.

Runway förekommer inte någonstans i den listan, i någon riktning. Det finns ingen direkt jämförelse, inget gemensamt riktmärke och ingen oberoende instans som poängsätter båda. Den som publicerar en vinnare mellan Runway Gen-4.5 och Kandinsky 6.0 Video vad gäller kvalitet extrapolerar från två orelaterade evidensbaser, varav den ena är tio månader av offentliga resultat och den andra är en rapport från modellens upphovsmän.

Pipelinefrågan, vilket är där routrar förtjänar sin plats.

Ingen av dessa modeller routas via OrcaRouter, och det är ett uttalande om vår katalog snarare än om någon av produkterna: Runway Gen-4.5 tillhandahålls via Runways eget API, och Kandinsky 6.0 Video är en checkpoint som du laddar ner och kör. En pipeline byggd på endera av dem lägger dock större delen av sina anrop på text snarare än på pixlar.

Tänk på vad en femsekunders ljud- och videopipeline faktiskt behöver. En anteckning om en tagning måste bli en lång strukturerad bildtext av det slag som dessa modeller tränades på. Dialogen måste vara skriven innan en läppsynkroniseringsomgång kan försöka sig på den. Sex kandidatgenereringar av samma beat måste granskas och en väljas, och den granskningen är ett textanrop om en video. Sedan finns delen som avgör om hela saken är värd att köra: sammanfogningsbesluten, kontinuitetsanteckningarna, manuset för nästa klipp. Allt är text, och allt körs på en OpenAI-kompatibel slutpunkt för över 200 modeller till leverantörernas listpriser, vidarebefordrade med 0 % påslag, med ett routing-DSL som låter den billiga granskaren och den noggranna granskaren vara olika modeller på samma anropsplats. Modellfusion hjälper på ett specifikt sätt här – en bildtext skriven av en modell och kritiserad av en annan tenderar att fånga de påhittade detaljerna som en enda genomkörning vinkar igenom. Och eftersom en renderingsloop är lång är automatisk failover skillnaden mellan att en misslyckad bildtext kostar dig ett anrop och att den kostar dig klippet.

Beslutet, uttryckt som en fråga om ljud

Om det färdiga verket behöver dialog, atmosfärsljud eller läppsynk som kommer med bilden är Runway Gen-4.5 inte med i racet, och det enda som återstår att välja är vilken ljud-videomodell du använder. Det är en kort lista, och Kandinsky 6.0 Video är det öppna alternativet på den.

Om ljud hanteras någon annanstans – av en separat modell, en röstskådespelare, ett bibliotek – är Runway Gen-4.5:s tio sekunder långa klipp, mogna API och exportalternativ det starkare arbetsverktyget idag, och dess evidensbas är den äldre och mer omfattande av de två. Det man bör hålla ögonen på i så fall är inte ett benchmark. Det är huruvida Runway stänger ljudgapet, eftersom just den specifikationen för närvarande är hela det strukturella argumentet för att sätta en splitterny öppen checkpoint i en produktionspipeline framför en modell med tio månaders användning bakom sig.

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.

Där anropen för bildtext och recension finns, hjälper modellfusion till att fånga påhittade detaljer som en enda körning släpper igenom.