Pada 6 Oktober 2026, Sber dan tim Kandinsky Lab merilis Kandinsky 6.0 Video, model yang membuat video dan suara sekaligus. Sber menyebutnya jaringan saraf Rusia pertama dengan audio tersinkron: Kandinsky 5.0 sebelumnya menghasilkan klip tanpa suara. Model ini gratis di GigaChat, sementara kode dan bobotnya terbuka dengan lisensi MIT.
Apa yang bisa dilakukan Kandinsky 6.0 Video
- Video bersuara. Suara tidak ditempelkan ke klip jadi, tetapi dibuat oleh model yang sama bersama gambarnya: ucapan karakter yang sinkron dengan bibir, musik, dan bunyi sekitar. Trek audionya 44 kHz dan suara bisa dimatikan.
- Dua mode: teks ke video, atau bingkai pertama ditambah deskripsi.
- Durasi: 5 detik, 121 bingkai pada 24 fps.
- Resolusi: model merender 864×480, lalu model terpisah, Kandinsky 6.0 Video SR, menaikkannya ke 1920×1080. Di GigaChat tersedia pilihan SD, HD, dan Full HD.
- Objek tak dikenal. Sistem mengambil referensi untuk objek dan karakter yang muncul setelah model dilatih.
Lite dan Pro: apa bedanya
Keluarga ini punya dua model. Lite berukuran 3 miliar parameter dan cepat. Pro berukuran 29 miliar parameter dan menjadi andalan kualitas. Keduanya mendukung kedua mode, dan masing-masing punya versi distilasi yang lebih cepat.
Dalam evaluasi buta oleh pengembang, Kandinsky 6.0 Video Pro jelas mengungguli Kandinsky 5.0 Video Pro dan mampu bersaing dengan model audio-video terdepan, terutama dalam kualitas ucapan. Menurut Sber, versi baru menang atas versi lama rata-rata dalam 71% kasus.
Di mana menjalankannya
- GigaChat: gratis, di browser dan aplikasi.
- Hugging Face dan GitHub: bobot Lite, Pro, versi distilasi, dan upscaler; lisensi MIT mengizinkan penggunaan komersial.
- Lokal: lewat Diffusers, ComfyUI, atau vLLM-Omni. Pro berjalan di GPU dengan VRAM 16 GB.
Batasan
Yang utama adalah durasi. Lima detik tanpa mode perpanjangan berarti klip 30 detik butuh enam kali generasi dan penyambungan. Sebagai pembanding, Veo 3.1 membuat 8 detik dalam 1080p native, Grok Imagine hingga 15 detik, dan Seedance 2.5 hingga 30 detik sekali jalan. Full HD Kandinsky adalah hasil upscale dari 480p, bukan resolusi native. Laporan teknisnya membandingkan model dengan Seedance 2.0, padahal Seedance 2.5 sudah tersedia saat rilis.
Kandinsky 5.0 sebelumnya berada di peringkat 37 dan 44 dari 48 di papan peringkat video Arena — selengkapnya di ulasan kami tentang AI video buatan Rusia. Kandinsky 6.0 belum muncul di peringkat independen.
Cara mencobanya di AI2Face
Kandinsky 6.0 Video tersedia di generator AI2Face berdampingan dengan model yang membuat klip lebih panjang dengan suara dalam 1080p native: Veo 3.1, Kling, Seedance, dan Gemini Omni. Anda bisa menjalankan satu prompt di beberapa model lalu memilih hasil terbaik; biaya ditampilkan sebelum setiap generasi. Semua pilihan ada di panduan kami tentang generator video AI.
Pertanyaan umum
Di mana mencoba Kandinsky 6.0 Video?
Gratis di GigaChat. Bobot Lite dan Pro tersedia di Hugging Face dan GitHub dengan lisensi MIT, dan Pro bisa dijalankan lokal di GPU dengan VRAM 16 GB.
Berapa durasi video Kandinsky 6?
5 detik: 121 bingkai pada 24 fps. Belum ada mode perpanjangan; Sber menjanjikan klip lebih panjang di versi berikutnya.
Apakah Kandinsky 6.0 Video menghasilkan suara?
Ya. Model ini membuat suara bersama video: ucapan yang sinkron dengan bibir, musik, dan suasana pada 44 kHz. Suara bisa dimatikan.
Apakah Kandinsky 6 lebih baik dari Veo atau Seedance?
Tidak dalam durasi maupun resolusi: Veo 3.1 membuat 8 detik dalam 1080p native, dan Seedance 2.5 hingga 30 detik sekali jalan. Pengembang membandingkan Kandinsky 6.0 dengan Seedance 2.0, bukan 2.5 yang terbaru.
Sumber
5
- https://kandinskylab.ai/
- https://github.com/kandinskylab/kandinsky-6
- https://huggingface.co/kandinskylab/Kandinsky-6.0-Pro-5s-Diffusers
- https://arxiv.org/abs/2610.05608
- https://www.vedomosti.ru/technology/news/2026/10/06/1234628-kandinsky-dlya-video
