Kandinsky 6.0 Video 與 Hailuo 2.3：價目表對決下載

先從算術開始，因為這是這兩者唯一重疊的地方。一段六秒、無聲的 1080p 短片，來自 Hailuo 2.3，這是 2026 年 4 月推出的平價影片模型，定價為每秒幾美分——這段短片約 0.48 美元。一段五秒、帶有同步的 44 kHz 音訊與唇形同步的短片，來自 Kandinsky 6.0 Video；Sber 的 Kandinsky Lab 在 2026 年 10 月第一週以 MIT 授權開源，每段短片成本為零，在 Full HD 下則需約七分鐘的 H100 時間。這就是整場對決的兩句話總結；而它暗示的決定並不是「哪個比較好」——而是你更想跑哪一種計量方式：按秒計費的帳單，還是你自己的硬體。

其餘一切皆源自這項區分，而大多數比較頁面都搞反了，把它們當成同類產品、只是處於不同價位。事實並非如此。Hailuo 2.3 是一項帶有造型師簡報、沒有聲音的服務；Kandinsky 6.0 Video 則是一個兩種規模的 checkpoint 家族——Pro 為 29B、Lite 為 3B——並以聲音作為其核心架構特色。

便宜的那款實際上擅長什麼

Hailuo 2.3 的聲譽是靠實力贏來的，而且其定位十分明確。它擅長處理電影級運鏡、人物動作與微表情，而且在風格化與動漫內容上的表現，遠比其價格所暗示的更為出色。它能生成最高 1080p 的文字轉影片與圖像轉影片。MiniMax 並未將它宣傳為寫實模型，而它也確實不是——它是一位對動態極具眼光的風格大師。

它的限制同樣明確，而這正是這項比較簡短的原因。

• 無原生音訊。Hailuo 2.3 的輸出是無聲的，而先前具備音訊的 Hailuo 版本並未延續到它。每個片段都需要在後續流程中加入聲音。

• 1080p 下影片片段長度上限為六秒，768p 下為十秒，且沒有結尾畫格控制——因此片段無法順利串接成序列。

• 不在目前的獨立排行榜上。以現今公布的內容來看，Hailuo 2.3 並未出現在 Artificial Analysis 的文字轉影片、圖像轉影片或影片編輯排行榜上，因此沒有公開的 Elo 可與任何對象比較。較舊的資料提到它在某個影片競技場中排名約在二十幾名的後段，這些資料與目前公布的排行榜不符，應視為過時的快照，而非目前的排名。

定價由兩個不同單位以兩種貨幣報價，兩者都值得了解。MiniMax 自家的 API 販售預付點數方案，其中六秒 768p 標準片段消耗一點，十秒 768p 或六秒 1080p 片段消耗兩點——而更快的 Hailuo-2.3-Fast 版本則將這些降至約 0.7 點，以及 1.1 到 1.3 點。第三方追蹤器列出較為一致的費率，約為每秒 $0.067 到 $0.082，其中一個為 $0.0817/秒，並標示「最高 1080p、每段最長 10 秒、無聲輸出」，以及三百段六秒片段每月約 $147。無論你選擇哪種方式，數量級都相同，而且這是此類別中最便宜的生成。

購買已被取代世代產品的問題

關於 Hailuo 2.3，有一個產品生命週期上的事實，比任何規格都更重要，而這並非對該模型的批評。MiniMax 已經向前邁進了。它的後繼者 MiniMax H3——也就是 Hailuo 3 世代——已於 2026 年 7 月 31 日發布，屬於截然不同的產品等級：一款全模態模型，能將文字、圖像、影片與音訊參考讀取為單一脈絡，生成四到十五秒、768p 或 2K 的短片，並具備原生立體聲，依輸出秒數計費。

那不是廠商的說法。它出現在獨立排行榜上，而且排名很強：

• 文字轉影片 — MiniMax H3（768p）以 Elo 1,137（±9）在 8,315 票中排名第 4，價格為每分鐘 $4.80。

• 圖像轉影片 — MiniMax H3 以 Elo 1,181（±8）名列第 2，累積 7,284 票，價格為每分鐘 $7.80。

• 影片剪輯 — MiniMax H3 在 12,043 場對戰中以 Elo 1,132（±6）排名第 2，每分鐘 $7.80。

因此，對 2026 年 10 月購買 Hailuo 2.3 的誠實定位是這樣：你買的是一個家族中的預算級產品，而該家族的旗艦世代在兩種生成模式中都名列前五，具備 2.3 所沒有的音訊，且每秒成本可能高出五到十倍。對大量風格化工作而言，這是個站得住腳的決定——這正是預算級存在的目的——但它應該是個刻意的選擇，而不是預設選項。今天任何評估 2.3 的人，都應該先把它和 H3 放在一起比價，因為兩者之間的差距並非漸進式的。

五秒對六秒，以及為什麼這個差距比看起來更小

就長度而言，Kandinsky 6.0 Video 並不勝出。它的訓練規格為 121 幀、24 fps——也就是五秒——而發行版本不含延長模式。Hailuo 2.3 則在 1080p 下給你六秒。兩者都不足以構成一段連續場景，而且兩者都意味著一支三十秒的作品得靠五、六次生成，外加接合處。

真正重要的缺口在別處。

• 音訊 — Kandinsky 6.0 Video：44 kHz，具備脣形同步，與畫面同步生成，一律開啟。Hailuo 2.3：無，此為刻意設計。

• 解析度 — Kandinsky 6.0 Video：透過專用超解析度模型支援 SD、HD 與 Full HD，可將五秒短片放大 x2、x4 或 x2.25。Hailuo 2.3：最高 1080p，無 SR 階段。

• 條件控制 — Kandinsky 6.0 Video：文字轉音訊影片與圖像轉音訊影片，將一張參考圖像套用為遮罩尾幀。Hailuo 2.3：文字轉影片與圖像轉影片，無結束幀控制。

• 權重 — Kandinsky 6.0 Video：MIT、Pro 和 Lite，具備 diffusers 整合，以及——從今天早上開始——vLLM-Omni 服務管線。Hailuo 2.3：尚未發布。

• 定價 — Hailuo 2.3：按輸出每秒計費，或以預付套裝方案的點數扣抵，另有更便宜的 Fast。Kandinsky 6.0 Video：完全沒有費率；GPU 由你提供。

廠商自身證據說明了什麼，以及它無法說明什麼

Kandinsky 6.0 Video 的品質主張未經稽核，也應如此描述。Sber 回報的 VABench 結果顯示，在受評估的三個系統——其自家的 Lite 模型與 LTX 2.5——之中，Pro 在語音品質、音訊美學、文字與視訊及音訊與視訊的對齊、唇形同步準確度、去同步化及視覺寫實度方面領先。它亦回報了一項由實驗室執行的並排人工評估，每個準則約有 200 組或更多成對比較；其中該模型與 Kling 2.6 和 Veo 3.1 Fast 旗鼓相當，在視覺準則上落後 MiniMax H3 與 Dreamina Seedance 2.0，並在語音品質與音訊與視訊同步方面保持競爭力。沒有公開的盲測 Elo，也沒有外部重現。

Hailuo 2.3 的證據呈現相反的樣貌：被廣泛使用、公開定價，但目前未出現在獨立影片評測榜上，因此也無法與當前陣容相提並論。兩款模型都不具備買家最想要的東西——而就 Hailuo 而言，它的後繼型號卻有。這正是值得指出的不對稱：其中一個模型的家族已被評分並定位，另一個的家族則完全未被評分。

那麼，剩下的就是音訊鴻溝，而且它是真正的鴻溝，而不是功能清單上的一條分界線。Hailuo 2.3 的無聲簡化了一件事——當你把片段交給母帶處理程序時，沒有配樂需要保留——卻讓另一件事更複雜：每一支人物講話影片、每一支有旁白的產品廣告、每一個音效必須落在某個動作上的片段，現在都變成兩次生成，再加上一個你得自己負責的對齊步驟。Kandinsky 6.0 Video 的整體架構正是針對這個問題：雙串流 CrossDiT 在雙向交叉注意力下，將視訊串流與從零開始訓練的音訊串流配對，並搭配一個強化學習階段，論文報告其將生成語音的詞錯誤率降低 47%——該數據是以 Whisper-large-v3（其中一個 RL 獎勵模型）測得，不能與論文中隨 VABench 另外報告的 Qwen3-ASR-1.7B 詞錯誤率相提並論。

路由器適用與不適用的時機

OrcaRouter 並不提供 Kandinsky 6.0 Video 或 Hailuo 2.3，本文也未做出任何此類聲明——Kandinsky 可由你自行下載執行，Hailuo 2.3 則是透過 MiniMax 自家的 API 與點數系統存取。以這兩者之一打造的管線，對路由器所需的是渲染前後的文字：鏡頭清單、把簡報擴展成這些模型訓練時所依據的長或短字幕的提示詞擴展、字幕與對白處理，以及決定保留哪一次生成的審閱摘要。這些都是尋常的文字呼叫，並透過單一 OpenAI 相容端點在 200 多個模型上執行，以供應商定價、0% 加成，因此供應商價格一有變動，當天就會在同一把金鑰上生效，並具備自動容錯移轉，讓渲染途中失敗的呼叫重新路由，而不是整個批次付諸流水。即使影片模型本身無法路由，圍繞它的協調層依然是路由問題——而這正是這兩者今日所處的情況。

該選哪一個

當任務重視產量、美學偏向風格化或動畫感、交付成品無聲，而且每段影片的計量才是關鍵限制時，就選 Hailuo 2.3。它是同類別中最便宜且堪用的生成，定價也與此相稱。在你下定決心前，先把它和 MiniMax H3 比價，因為同系列的旗艦生成在兩種模式下都排名前五，還具備 2.3 從未有過的聲音。

選擇 Kandinsky 6.0 Video 的時機是：交付成品需要聲音時、當五秒為單位的片段符合你的鏡頭清單時、當需求是對提供的靜態影像維持圖生影的保真度時，以及當擁有模型比租用模型更重要時。採用前請把成本攤開來看清楚：沒有公開費率、五秒上限、Pro 模型在 H100 上算一張 Full HD 約需 402 秒、在 RTX 5090 上約需 854 秒、峰值配置低於 72.8 GiB 時必須進行區塊卸載，以及一項完全屬於 Sber 自家的品質聲稱——除非實驗室外有人為它評分。

兩份價目表底下的問題，才是本季決定許多影片基礎架構的關鍵。Hailuo 2.3 按秒計費，交給你一個檔案；Kandinsky 6.0 Video 則向你收一台 GPU，並交給你一份授權。對每個月生成一百段短片的團隊來說，帳單在試算表能衡量的每一個軸度上都勝出。對打算微調、離線執行，或在下一代推出後仍要繼續使用同一個模型的團隊來說，下載則在試算表看不見的那一個軸度上勝出。