
Kandinsky 6.0 Video vs Runway Gen-4.5: Một trong số chúng chẳng có gì để nói
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 90 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 96 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaMỚIOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 88 tok/s
- OrcaMỚIOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 133 tok/s
- OrcaMỚIOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 trên 1 triệu token · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 157 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 trên 1 triệu token · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Trí tuệ
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Trí tuệ
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 trên 1 triệu token · 221 tok/s
Đây là một so sánh có thể được giải quyết chỉ bằng một thông số kỹ thuật duy nhất, và đó không phải là thông số về chất lượng. Runway Gen-4.5 không tạo ra âm thanh. Không phải như một hạn chế của một chế độ nào đó, cũng không phải như một tiện ích bổ sung tùy chọn — mô hình chỉ kết xuất hình ảnh và không gì khác, và mọi quyết định về âm thanh sau đó đều thuộc về bạn. Kandinsky 6.0 Video, được Kandinsky Lab của Sber mở mã nguồn vào ngày 6 tháng 10 năm 2026 theo giấy phép MIT với hai kích cỡ Lite 3B và Pro 29B, tạo ra âm thanh 44 kHz cùng khớp khẩu hình trong cùng một lượt với hình ảnh, và coi việc tạo đồng thời đó là toàn bộ lý do tồn tại của mình. Vì vậy, trước mọi tranh luận về chất lượng chuyển động hay giá cả, cuộc đối đầu này phân định dựa trên việc sản phẩm đầu ra có cần phải đi kèm âm thanh hay không. Nếu có, thì chẳng có gì để so sánh cả. Nếu không, phần còn lại của trang này chính là sự so sánh.
Nơi mà cả hai thực sự trùng lặp
Bỏ qua âm thanh, phần chồng lấn còn hẹp hơn so với những gì danh tiếng khác biệt của chúng gợi ý. Không mô hình nào lên kế hoạch cho các cảnh quay. Runway Gen-4.5 kết xuất theo từng clip, không có chế độ storyboard nhiều cảnh quay, còn Kandinsky 6.0 Video chỉ có một cú máy liên tục duy nhất — năm giây, 121 khung hình ở 24 fps, không có khái niệm cắt, không có chế độ kéo dài trong bản phát hành. Cả hai đều sẽ không đưa cho bạn một chuỗi cảnh. Cả hai đều được yêu cầu tạo từng cảnh quay một, và bạn là người ghép chúng lại.
Cả hai cũng được vận hành theo cùng một cách: một câu lệnh văn bản hoặc một ảnh tĩnh, với việc tạo lại lặp đi lặp lại chính là phương pháp làm việc thực tế. Runway Gen-4.5 đã có mặt trên thị trường từ tháng 12 năm 2025 với một API bất đồng bộ và một giao diện người dùng mà rất nhiều người đã hình thành thói quen sử dụng. Kandinsky 6.0 Video ra mắt vào ngày 6 tháng 10 năm 2026 với các checkpoint và tích hợp diffusers, nghĩa là vòng lặp là một script Python thay vì một tab trình duyệt — cách thao tác khác nhau, nhưng cùng một dạng công việc.
Điều phân biệt chúng ngoài những điểm đó là thời lượng, độ phân giải, container và thước đo. Thời lượng clip là yếu tố dễ thấy nhất: Runway Gen-4.5 bao phủ từ 2 đến 10 giây mỗi lần tạo, nên một nhịp dài hơn vẫn chỉ là một yêu cầu, trong khi Kandinsky 6.0 Video sẽ cần hai lần render năm giây và một thao tác ghép. Đó là lợi thế thực sự cho cảnh thiết lập, cảnh giữ và bất cứ thứ gì có chuyển động camera chậm, và nó nằm ở phần hình ảnh của bảng so sánh — nơi bằng chứng được công bố của Kandinsky yếu nhất.
Đồng hồ tín dụng, được chuyển đổi thành một chiếc đồng hồ.
Runway Gen-4.5 tính 12 tín dụng mỗi giây video, tức theo giá niêm yết là 0,12 USD một giây — một clip 720p dài mười giây tốn khoảng 1 USD. Có hai khoản phụ trội cộng thêm vào đó và đáng để biết trước khi bạn lập ngân sách: xuất ProRes hoặc PNG cộng thêm 5 tín dụng mỗi giây, và HDR cộng thêm 20 tín dụng nữa, thành 40 tín dụng mỗi giây khi ở trên khoảng bốn megapixel. Đó là những con số bạn nhân lên khi sản phẩm bàn giao là tệp sẵn sàng để chỉnh màu chứ không phải để chia sẻ.
Kandinsky 6.0 Video không có mức giá nào cả, vì đơn giản là không có gì để mua. Thứ nó có là chi phí phần cứng do bạn tự bỏ ra, và báo cáo đặc biệt thẳng thắn về điều đó: một clip Pro Full HD dài năm giây mất khoảng 402 giây thời gian xử lý trên H100, 854 giây trên RTX 5090 và 1.247 giây trên RTX 4090; cần offload khối khi mức phân bổ đỉnh dưới 72,8 GiB, và preset 16 GB VRAM lượng tử hóa bộ mã hóa văn bản thành NF4 — thay đổi preset duy nhất mà theo báo cáo là có làm thay đổi chính clip. Cả hai mô hình đều chạy ở 24 fps, trong khi Runway cũng cung cấp 25 fps, và cả hai đều hoạt động trên nhiều tỷ lệ khung hình.
Hãy đặt hai thứ đó cạnh nhau như đồng hồ chứ không phải như tiền tệ. Runway Gen-4.5 bán cho bạn khoảng hai mươi giây thời gian render thực tế với giá một đô la. Kandinsky 6.0 Video chẳng bán cho bạn gì cả và ngốn của bạn từ sáu đến hai mươi mốt phút của một GPU cho mỗi năm giây bạn giữ lại — đối lại, bạn phải tính vào đó giá khấu hao của card, tiền điện, và việc bạn có thể render mà không cần kết nối mạng hay giới hạn tốc độ.
• Độ dài — Runway Gen-4.5: 2–10 giây mỗi lần tạo. Kandinsky 6.0 Video: 5 giây cố định ở 121 khung hình.
• Âm thanh — Runway Gen-4.5: không tạo âm thanh nào. Kandinsky 6.0 Video: 44 kHz với đồng bộ khớp môi, được tạo cùng nhau.
• Độ phân giải và container — Runway Gen-4.5: 720p ở 24/25 fps, có thể xuất ProRes hoặc PNG. Kandinsky 6.0 Video: SD ở 512×768, Full HD 1920×1080 thông qua một giai đoạn siêu phân giải tích hợp sẵn, không có định dạng trung gian.
• Cấu trúc cảnh quay — Runway Gen-4.5: một clip mỗi yêu cầu, không có công cụ lập kế hoạch. Kandinsky 6.0 Video: một cảnh quay liên tục, không có công cụ lập kế hoạch.
• Trọng số — Runway Gen-4.5: đóng. Kandinsky 6.0 Video: MIT, Lite và Pro, bao gồm cả mã nguồn lẫn diffusers.
• Bằng chứng — Runway Gen-4.5: mười tháng đầu ra công khai và được bên thứ ba sử dụng. Kandinsky 6.0 Video: một đánh giá do nhà cung cấp thực hiện và một lần chạy kiểm chuẩn đối chiếu với hai đối tượng so sánh, cả hai đều không được tái lập ở bên ngoài.

Lời phản bác có nguồn tốt nhất đối với tuyên bố của chính Kandinsky
Runway không cần công bố một so sánh để có được vị thế vững mạnh ở đây, bởi vì báo cáo Kandinsky đã tự nêu rõ những giới hạn của chính nó. Những ràng buộc được công bố của nó, theo đúng lời của nó: các clip dài tối đa năm giây; tạo cơ bản ở độ phân giải SD với Full HD đạt được thông qua siêu phân giải; và vẫn còn một khoảng cách với các hệ thống độc quyền mạnh nhất về chất lượng hình ảnh và chất lượng âm thanh tổng thể. Runway Gen-4.5 là một trong những hệ thống mà câu đó đang nhắm tới.
Đối chiếu với điều đó, chính là các kết quả của báo cáo. Trong đánh giá song song bởi con người — các cặp từ cùng một câu lệnh, clip ẩn danh, vị trí trái/phải ngẫu nhiên, thứ tự tác vụ được xáo trộn, âm thanh tắt rồi bật, có tùy chọn hòa, tổng hợp theo biểu quyết đa số, khoảng 200 hoặc hơn so sánh theo cặp cho mỗi tiêu chí — Kandinsky 6.0 Video Pro cạnh tranh được với Kling 2.6 và Veo 3.1 Fast với những điểm mạnh khác nhau tùy theo tiêu chí, và xếp sau MiniMax H3 và Dreamina Seedance 2.0 ở các tiêu chí hình ảnh trong khi vẫn cạnh tranh về chất lượng giọng nói và đồng bộ âm thanh-hình ảnh. Học tăng cường đã giảm 47% tỷ lệ lỗi từ của giọng nói được tạo. Trên VABench, nó dẫn trước LTX 2.5 về chất lượng giọng nói và độ chính xác đồng bộ môi, đồng thời chịu kém hơn ở khả năng căn chỉnh và độ biểu cảm do VLM đánh giá.
Runway không xuất hiện ở bất kỳ đâu trong danh sách đó, theo cả hai hướng. Không có đối đầu trực tiếp, không có benchmark chung và không có bảng độc lập nào chấm điểm cả hai. Bất kỳ ai tuyên bố một người thắng giữa Runway Gen-4.5 và Kandinsky 6.0 Video về chất lượng đều đang ngoại suy từ hai cơ sở bằng chứng không liên quan, một là mười tháng đầu ra công khai và cái còn lại là một báo cáo của các tác giả mô hình.
Câu hỏi về pipeline, nơi mà các router khẳng định được vai trò của mình
Không model nào trong hai model này được định tuyến trên OrcaRouter, và đó là nhận định về danh mục của chúng tôi chứ không phải về bản thân sản phẩm nào: Runway Gen-4.5 được cung cấp qua API riêng của Runway, còn Kandinsky 6.0 Video là một checkpoint bạn tải về và chạy. Tuy nhiên, một pipeline được xây dựng trên một trong hai sẽ dành phần lớn các lượt gọi cho văn bản thay vì cho pixel.
Hãy xem xét điều mà một pipeline âm thanh-video năm giây thực sự cần. Một ghi chú cảnh quay phải trở thành một chú thích dài có cấu trúc đúng kiểu mà các mô hình này được huấn luyện. Lời thoại phải được viết trước khi một lượt đồng bộ khẩu hình có thể thử đến nó. Sáu thế hệ ứng viên của cùng một nhịp phải được xem xét và chọn một, và việc xem xét đó là một lệnh gọi văn bản về một video. Rồi đến phần quyết định liệu toàn bộ có đáng để chạy hay không: các quyết định ghép nối, các ghi chú liên tục, kịch bản cho clip tiếp theo. Tất cả đều là văn bản, và tất cả đều chạy trên một endpoint tương thích OpenAI trên hơn 200 mô hình với giá niêm yết của nhà cung cấp được chuyển nguyên ở mức markup 0%, với một DSL định tuyến cho phép người đánh giá rẻ và người đánh giá kỹ lưỡng là các mô hình khác nhau trên cùng một điểm gọi. Model fusion giúp ích theo một cách cụ thể ở đây — một chú thích do một mô hình viết và được một mô hình khác phê bình có xu hướng bắt được những chi tiết bịa đặt mà một lượt chạy duy nhất cho qua. Và vì một vòng lặp render kéo dài, tự động chuyển đổi dự phòng là sự khác biệt giữa việc một chú thích thất bại khiến bạn tốn một lệnh gọi và khiến bạn mất cả clip.
Quyết định, được nêu dưới dạng một câu hỏi về âm thanh
Nếu tác phẩm hoàn thiện cần hội thoại, âm thanh nền hoặc khớp khẩu hình đến cùng với hình ảnh, thì Runway Gen-4.5 không còn nằm trong danh sách cân nhắc và lựa chọn duy nhất còn lại là bạn triển khai mô hình âm thanh-hình ảnh nào. Đó là một danh sách ngắn, và Kandinsky 6.0 Video là lựa chọn mã nguồn mở trong đó.
Nếu âm thanh được xử lý ở nơi khác — bởi một mô hình riêng, một diễn viên lồng tiếng, một thư viện — thì các clip mười giây của Runway Gen-4.5, API trưởng thành và các tùy chọn xuất là công cụ làm việc mạnh hơn ở thời điểm hiện tại, và cơ sở bằng chứng của nó là cái cũ hơn và dày hơn trong hai. Điều cần để mắt trong trường hợp đó không phải là một benchmark. Mà là liệu Runway có thu hẹp khoảng cách âm thanh hay không, bởi vì thông số kỹ thuật đơn lẻ đó hiện là toàn bộ lập luận mang tính cấu trúc cho việc đưa một checkpoint mở hoàn toàn mới vào pipeline sản xuất trước một mô hình đã có mười tháng sử dụng đằng sau nó.


Ở nơi các lệnh gọi chú thích và đánh giá diễn ra, hợp nhất mô hình giúp phát hiện chi tiết bịa đặt mà một lượt duy nhất cho qua.
