2026年10月6日，Sber 和 Kandinsky Lab 团队发布了 Kandinsky 6.0 Video，这是一个同时生成画面和声音的模型。Sber 称它是俄罗斯首个带同步音频的神经网络——上一代 Kandinsky 5.0 生成的视频没有声音。模型在 GigaChat 中免费使用，代码和权重以 MIT 许可证开源。
Kandinsky 6.0 Video 能做什么
- 有声视频。 声音不是后期叠加到成片上的，而是由同一个模型与画面一起生成：角色语音（口型同步）、音乐和环境噪声。音轨为 44 kHz，声音可以关闭。
- 两种模式： 文生视频，或首帧加文字描述。
- 时长： 5 秒，24 fps 下共 121 帧。
- 分辨率： 模型以 864×480 生成，再由单独的 Kandinsky 6.0 Video SR 模型放大到 1920×1080。GigaChat 中可选 SD、HD 和 Full HD。
- 陌生物体。 对于训练之后才出现的物体和角色，系统会自动调取参考。
Lite 与 Pro 的区别
该系列有两个模型。Lite 有 30 亿参数，速度快。Pro 有 290 亿参数，是画质旗舰。两者都支持两种模式，并各有一个生成更快的蒸馏版。
在开发者的盲测对比中，Kandinsky 6.0 Video Pro 明显优于 Kandinsky 5.0 Video Pro，并能与领先的音视频模型一较高下，尤其是在语音质量上。Sber 表示，新版本平均在 71% 的情况下胜过旧版本。
在哪里运行
- GigaChat： 免费，网页和 App 均可。
- Hugging Face 和 GitHub： 提供 Lite、Pro、蒸馏版和超分模型的权重；MIT 许可证允许商用。
- 本地： 通过 Diffusers、ComfyUI 或 vLLM-Omni 运行。Pro 可在 16 GB 显存的 GPU 上运行。
局限
最主要的是时长。5 秒且没有续写模式，意味着 30 秒的视频需要生成六次再拼接。作为对比，Veo 3.1 可生成 8 秒原生 1080p，Grok Imagine 最长 15 秒，Seedance 2.5 一次最长 30 秒。Kandinsky 的 Full HD 是从 480p 放大而来，并非原生分辨率。技术报告对比的是 Seedance 2.0，而发布时 Seedance 2.5 已经推出。
上一代 Kandinsky 5.0 在 Arena 视频排行榜 48 个模型中排第 37 和第 44 位，详见我们的 俄罗斯 AI 视频模型 盘点。Kandinsky 6.0 目前还没有出现在独立排行榜上。
如何在 AI2Face 中试用
Kandinsky 6.0 Video 已在 AI2Face 生成器上线，旁边还有能生成更长、原生 1080p 有声视频的模型：Veo 3.1、Kling、Seedance 和 Gemini Omni。同一个提示词可以交给多个模型生成，挑出最好的一版；每次生成前都会显示费用。全部选择请看我们的 AI 视频生成器 指南。
常见问题
在哪里试用 Kandinsky 6.0 Video？
在 GigaChat 中免费使用。Lite 和 Pro 的权重以 MIT 许可证发布在 Hugging Face 和 GitHub 上，Pro 可在 16 GB 显存的 GPU 上本地运行。
Kandinsky 6 的视频有多长？
5 秒：24 fps 下共 121 帧。目前还没有续写模式，Sber 表示后续版本会延长时长。
Kandinsky 6.0 Video 能生成声音吗？
能。它与视频一起生成声音：口型同步的语音、音乐和环境声，采样率 44 kHz。声音可以关闭。
Kandinsky 6 比 Veo 或 Seedance 更好吗？
在时长和分辨率上不如：Veo 3.1 可生成 8 秒原生 1080p，Seedance 2.5 一次最长 30 秒。开发者对比的是 Seedance 2.0，而不是当前的 2.5。
资料来源
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
