
Kandinsky 6.0 Video vs Runway Gen-4.5:其中一个无话可说
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 90 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 96 tok/s
- orca新Orca: OrcaC2 1.02026-11-0717 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 88 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 133 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百万 tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 157 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百万 tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百万 tokens · 221 tok/s
这里有一场只需一项规格参数就能分出高下的比较,而它并非质量规格。Runway Gen-4.5不生成音频。这不是某个模式的局限,也不是可选的附加功能——该模型只渲染画面,别无其他,而它之后的一切音频决策都由你来做。Kandinsky 6.0 Video由 Sber 的 Kandinsky Lab 于 2026 年 10 月 6 日以 MIT 许可开源,提供 Lite 3B 与 Pro 29B 两种规模,在与画面同一次生成中输出 44 kHz 音频并完成唇形同步,并将这种联合生成视为其存在的全部理由。因此,在任何关于运动质量或价格的争论之前,这场对阵的分野在于交付成果是否需要自带声音。如果需要,那就无从比较。如果不需要,本页剩下的内容就是这场比较。
在两者确实重叠的地方
撇开音频不谈,两者的重叠之处比它们名声的差异要小。Runway Gen-4.5 按片段生成,没有多镜头故事板模式,而 Kandinsky 6.0 Video 只有单一连续镜头——五秒,24 fps 下 121 帧,没有剪辑概念,发布版本中也没有扩展模式。两者都不会给你一段序列。两者都只能一次生成一个镜头,再由你来把它们拼接起来。
两者的驱动方式也相同:文本提示词或静态图像,而迭代式重新生成才是实际的工作方法。Runway Gen-4.5 自 2025 年 12 月起就已上市,提供异步 API 和一个许多人早已养成使用习惯的 UI。Kandinsky 6.0 Video 于 2026 年 10 月 6 日推出,带有检查点和 diffusers 集成,这意味着整个循环是一个 Python 脚本,而非浏览器标签页——使用体感不同,工作形态相同。
在那之后,区分它们的是时长、分辨率、容器和计费方式。片段长度是最直观的一项:Runway Gen-4.5 每次生成覆盖 2 到 10 秒,因此更长的一段仍只需一次请求,而 Kandinsky 6.0 Video 则需要两次五秒渲染再加一次拼接。对于定场镜头、停留镜头以及任何带有缓慢运镜的内容来说,这是一个真正的优势,而且它存在于账本中视觉表现的那一侧,而这正是 Kandinsky 所公布证据最薄弱的地方。
信用计量器,被转换成了时钟
Runway Gen-4.5 按每秒输出计费 12 个积分,按标价算是每秒 0.12 美元——一段十秒的 720p 片段大约 1.20 美元。在此基础上还有两项附加费用,在编制预算前值得了解:ProRes 或 PNG 导出每秒增加 5 个积分,而 HDR 会再增加 20 个积分;当分辨率高于约四百万像素时,这一项会变为每秒 40 个积分。当交付物是可供调色的文件而不是用于分享的文件时,你要乘的就是这些数字。
Kandinsky 6.0 Video 根本没有任何费率,因为没有什么可买的。它有的是由你承担的硬件成本,而报告对此异常坦率:一段 Pro Full HD 五秒片段在 H100 上大约需要 402 秒的工作时间,在 RTX 5090 上为 854 秒,在 RTX 4090 上为 1,247 秒;当峰值分配低于 72.8 GiB 时需要进行块卸载;16 GB VRAM 预设会将文本编码器量化为 NF4——报告称这是唯一会改变片段本身的预设更改。两个模型均以 24 fps 运行,Runway 还提供 25 fps,并且两者都支持多种宽高比。
把两者并排放在一起,用时钟而不是货币来衡量。Runway Gen-4.5 花一美元,卖给你大约二十秒的实际渲染时间。Kandinsky 6.0 Video 什么也不卖给你,却要你为每保留五秒的成片,付出单块 GPU 六到二十一分钟的代价——而与之相对,你还要算上显卡的摊销价格、电费,以及这一点:你可以在没有网络连接、也没有速率限制的情况下渲染。
• 时长 — Runway Gen-4.5:每次生成 2–10 秒。Kandinsky 6.0 Video:固定 5 秒,121 帧。
• 音频 — Runway Gen-4.5:未生成。Kandinsky 6.0 Video:44 kHz,含唇形同步,联合生成。
• 分辨率和容器格式 — Runway Gen-4.5:720p,24/25 fps,支持 ProRes 或 PNG 导出。Kandinsky 6.0 Video:SD 512×768,通过内置超分辨率阶段达到全高清 1920×1080,无中间格式。
• 镜头结构 — Runway Gen-4.5:每次请求生成一个片段,无规划器。Kandinsky 6.0 Video:一个连续长镜头,无规划器。
• 权重 — Runway Gen-4.5:闭源。Kandinsky 6.0 Video:MIT 许可,Lite 和 Pro 版本,包含代码和 diffusers。
• 证据——Runway Gen-4.5:十个月的公开产出与第三方使用。Kandinsky 6.0 Video:一项由厂商主导的评估,以及针对两个对照模型进行的基准测试,二者均未在外部复现。

对康定斯基自己主张的最有据可依的反对意见
Runway 无需发布对比就能在此占据优势地位,因为 Kandinsky 报告已经说明了自身的局限。它公布的约束条件,用其自己的话说:片段最长五秒;基础生成在 SD 分辨率下进行,全高清通过超分辨率获得;并且在视觉质量和整体音频质量上,与最强的专有系统之间仍存在差距。Runway Gen-4.5 正是那句话所指的系统之一。
与此形成对照的是报告自身的结果。在并排人工评估中——同一提示词生成的成对样本、匿名化片段、左右位置随机化、任务顺序打乱、先关闭音频再开启、提供平局选项、多数投票聚合、每个评估标准约 200 次或更多成对比较——Kandinsky 6.0 Video Pro 与 Kling 2.6 和 Veo 3.1 Fast 不相上下,其优势因标准而异,在视觉标准上落后于 MiniMax H3 和 Dreamina Seedance 2.0,但在语音质量和音视频同步方面保持竞争力。强化学习使生成语音的词错误率降低了 47%。在 VABench 上,它在语音质量和唇形同步准确度方面领先 LTX 2.5,而在由 VLM 评判的对齐度和表现力方面则让位于它。
Runway 在那份列表里毫无踪影,正反两个方向都没有。既没有正面交锋,也没有共同基准,更没有给二者同时打分的独立榜单。任何公布 Runway Gen-4.5 与 Kandinsky 6.0 Video 在质量上谁胜出的人,都是在从两个互不相关的证据基础进行外推:其中一个是十个月的公开产出,另一个是该模型作者发布的一份报告。
流水线问题,而这正是路由器发挥价值之处
这两个模型都没有在 OrcaRouter 上路由,这说的是我们的目录,而不是其中任何一个产品:Runway Gen-4.5 通过 Runway 自己的 API 提供服务,而 Kandinsky 6.0 Video 是一个你可以下载并运行的检查点。不过,基于其中任何一个构建的流水线,其大部分调用都花在文本上,而不是像素上。
试想一个五秒的音视频流水线实际需要什么。一条镜头备注必须变成这些模型训练时所使用的那种长篇结构化描述。在能够尝试对口型环节之前,必须先写好对话。同一个节拍的六个候选生成结果必须经过审阅并选定其中一个,而这项审阅是针对视频做出的文本调用。然后是决定整件事是否值得运行的部分:拼接决策、连续性备注、下一个片段的脚本。所有这些内容都是文本,而它们全都运行在一个兼容 OpenAI 的端点之上,涵盖 200 多个模型,按提供商标价以 0% 加价透传,并配有路由 DSL,让廉价的审阅模型和审慎的审阅模型在同一调用点上可以是不同的模型。模型融合在这里以特定方式发挥作用——由一个模型撰写、由另一个模型批判的描述,往往能抓住单次处理会放过的虚构细节。而且由于渲染循环很长,自动故障转移决定了失败的描述是只让你损失一次调用,还是让你损失整个片段。
这一决定,以关于声音的问题形式表述
如果成片需要与画面一同生成的对话、环境音或唇形同步,那么 Runway Gen-4.5 就不在考虑之列,剩下的唯一选择就是你部署哪款音视频模型。这份清单很短,而 Kandinsky 6.0 Video 正是其中那个开源选项。
如果声音由别处处理——由单独的模型、配音演员或素材库来负责——那么 Runway Gen-4.5 的十秒片段、成熟的 API 和导出选项就是当下更强的实用工具,而且两者的证据基础中,它的更久、也更厚实。在这种情况下,值得关注的不是某项基准测试,而是 Runway 是否会补上音频这块短板,因为眼下正是这一项规格,构成了把一枚全新的开放检查点放进生产流程、并排在已有十个月使用记录的模型之前的全部结构性理由。


在字幕与审核调用所在之处,模型融合有助于捕捉编造出的细节,而单次处理会将其一带而过。
