Начнем с арифметики, так как это единственное пересечение данных моделей. Шестисекундный тихий клип в разрешении 1080p от Hailuo 2.3, бюджетной видеомодели образца апреля 2026 года, оценивается в несколько центов за секунду — примерно $0.48 за клип. Пятисекундный клип с синхронизированным звуком 44 кГц и синхронизацией губ от Kandinsky 6.0 Video, которую Лаборатория Kandinsky от Сбера выпустила под лицензией MIT в первую неделю октября 2026 года, ничего не стоит за клип и требует около семи минут работы H100 в Full HD. Вот и все сравнение в двух предложениях, и вытекающий из него выбор заключается вовсе не в том, «что лучше», а в том, какой счет вы предпочитаете получать: поминутный или за собственное железо.
Все остальное проистекает из этого разделения, и большинство обзорных страниц понимают его неверно, рассматривая их как продукты одного типа по разным ценам. Это не так. Hailuo 2.3 — это сервис со стилизованным бриф-запросом и без звука; Kandinsky 6.0 Video — это семейство чекпоинтов двух размеров (Pro на 29B и Lite на 3B) со звуком в качестве центральной архитектурной особенности.
В чем сильна дешевая модель
Репутация Hailuo 2.3 заслужена и конкретна. Она хорошо справляется с кинематографичным движением камеры, движениями человека и мимикой, а также превосходит ожидания относительно своей цены в стилизованном и аниме-контенте. Она выдает генерацию текста в видео и изображения в видео вплоть до 1080p. MiniMax не позиционирует ее как фотореалистичную модель, и таковой она не является — это стилист с хорошим чувством движения.
Ее ограничения столь же конкретны, и именно поэтому данное сравнение получается коротким.
• Отсутствие нативного звука. Hailuo 2.3 выдает тишину, а предыдущее поколение Hailuo со звуком в нее не перенеслось. К любому клипу звук приходится добавлять на последующих этапах.
• Ограничение по длительности клипа: шесть секунд при 1080p, десять секунд при 768p, без возможности управления конечным кадром — поэтому клипы плохо стыкуются в единую последовательность.
• Отсутствие в текущих независимых таблицах лидеров. Hailuo 2.3 на текущий момент не представлена в рейтингах Artificial Analysis по генерации текста в видео, изображения в видео или редактированию видео, поэтому нет публичного рейтинга Elo для сравнения с чем-либо. Старые упоминания о ее позициях около конца второй десятки на видео-арене не соответствуют текущим таблицам и должны рассматриваться как устаревший снимок данных, а не актуальная позиция.
Цены указываются в двух валютах двумя разными сторонами, и обе заслуживают внимания. Собственный API MiniMax продает предоплаченные пакеты поинтов, где стандартный шестисекундный клип 768p сжигает один поинт, а десятисекундный 768p или шестисекундный 1080p — два; при этом более быстрый вариант Hailuo-2.3-Fast снижает эти показатели примерно до 0.7 и 1.1–1.3 поинта. Сторонние трекеры указывают более плоский тариф в районе от $0.067 до $0.082 за секунду: один из них заявляет $0.0817/с при характеристиках «до 1080p, макс. 10 с на клип, без звука» и около $147 в месяц за триста шестисекундных клипов. Какой бы путь вы ни выбрали, порядок величин остается тем же, и это самое дешевое поколение в данной категории.
Проблема покупки модели ушедшего поколения
В жизненном цикле Hailuo 2.3 есть факт, который важнее любых спецификаций, и это не критика самой модели. MiniMax движется дальше. Ее преемник, MiniMax H3 (поколение Hailuo 3), был выпущен 31 июля 2026 года и представляет собой другой класс продукта: омнимадальную модель, которая считывает текст, изображения, видео и аудио-референсы как единый контекст, генерируя клипы продолжительностью от четырех до пятнадцати секунд в разрешении 768p или 2K с нативным стереозвуком с оплатой за секунду вывода.
Это не заявление вендора. Модель представлена в независимых таблицах лидеров и занимает высокие позиции:
• Текст в видео — MiniMax H3 (768p), 4-е место с Elo 1,137 (±9) по результатам 8,315 голосов, по цене $4.80/мин.
• Изображение в видео — MiniMax H3, 2-е место с Elo 1,181 (±8) по результатам 7,284 голосов, по цене $7.80/мин.
• Редактирование видео — MiniMax H3, 2-е место с Elo 1,132 (±6) по результатам 12,043 голосов, по цене $7.80/мин.
Таким образом, честная оценка покупки Hailuo 2.3 в октябре 2026 года выглядит так: вы приобретаете бюджетный уровень семейства, флагманское поколение которого входит в топ-5 в обоих режимах генерации, обладает звуком, которого нет у 2.3, и стоит примерно в пять-десять раз дороже за секунду. Это оправданное решение для масштабной стилизации — именно для этого и нужен бюджетный класс, — но оно должно быть осознанным, а не приниматься по умолчанию. Любой, кто оценивает 2.3 сегодня, должен сначала сопоставить с ней по цене H3, поскольку разрыв между ними не является эволюционным.
Пять секунд против шести, и почему разница меньше, чем кажется
По длительности Kandinsky 6.0 Video не побеждает. Модель обучена на 121 кадре и 24 кадрах в секунду (пять секунд), и в релизе нет режима продления. Hailuo 2.3 дает шесть секунд при 1080p. Ни того, ни другого недостаточно для непрерывной сцены, и в обоих случаях тридцатисекундный фрагмент потребует пяти-шести генераций плюс склейки.
Имеющие значение разрывы кроются в другом.
• Звук — Kandinsky 6.0 Video: 44 кГц с синхронизацией губ, создается вместе с картинкой, активен всегда. Hailuo 2.3: отсутствует по задумке.
• Разрешение — Kandinsky 6.0 Video: SD, HD и Full HD с помощью специализированной модели сверхразрешения, апскейл пятисекундных клипов x2, x4 или x2.25. Hailuo 2.3: до 1080p, без этапа SR.
• Кондиционирование — Kandinsky 6.0 Video: текст в аудио-видео и изображение в аудио-видео, один референсный кадр применяется как маскированный конечный кадр. Hailuo 2.3: текст в видео и изображение в видео, без контроля конечного кадра.
• Веса — Kandinsky 6.0 Video: лицензия MIT, Pro и Lite версии, с интеграцией diffusers и — начиная с сегодняшнего утра — конвейером обслуживания vLLM-Omni. Hailuo 2.3: не публиковались.
• Ценообразование — Hailuo 2.3: за секунду вывода или поинты по предоплатному пакету, с более дешевым вариантом Fast. Kandinsky 6.0 Video: тарифы отсутствуют; вы предоставляете собственный графический процессор.
О чем говорят собственные данные вендора и чего они сказать не могут
Оценка качества Kandinsky 6.0 Video не прошла независимый аудит, и ее следует описывать именно так. Сбер сообщает о результатах VABench, в которых версия Pro среди трех оцениваемых систем (собственная модель Lite и LTX 2.5) лидирует по качеству речи, аудиоэстетике, выравниванию текста и видео, а также аудио и видео, точности синхронизации губ, десинхронизации и визуальному реализму. Компания также приводит результаты проведенного в лаборатории парного тестирования с участием людей (примерно 200 или более попарных сравнений по каждому критерию), в котором модель конкурентоспособна с Kling 2.6 и Veo 3.1 Fast, уступает MiniMax H3 и Dreamina Seedance 2.0 по визуальным критериям, но сохраняет конкурентоспособность по качеству речи и аудио-видео синхронизации. Открытый слепой рейтинг Elo и внешняя репродукция отсутствуют.
Данные по Hailuo 2.3 имеют противоположный характер: модель широко используется, имеет публичные цены, но в настоящее время отсутствует в независимых видеорейтингах, поэтому ее также нельзя сопоставить с актуальным полем. Ни одна из моделей не имеет того, чего больше всего хотел бы покупатель, а в случае с Hailuo это есть у ее собственного преемника. Вот асимметрия, которую стоит отметить: семейство одной модели уже оценено и заняло места, а семейство другой не оценивалось вовсе.
Что в итоге остается? Аудиобарьер, причем это реальный барьер, а не просто разница в списке функций. Тишина у Hailuo 2.3 упрощает одну задачу — когда вы передаете ролик на мастеринг, нет звуковой дорожки, которую нужно сохранять, — и усложняет другую: каждый ролик с говорящей головой, каждый рекламный продукт с закадровым голосом, каждый клип, где звуковой эффект должен точно совпадать с действием, теперь требуют двух поколений генерации и шага выравнивания, выполняемого вами. Вся архитектура Kandinsky 6.0 Video нацелена именно на эту проблему: двухпоточный CrossDiT, объединяющий видеопоток с аудиопотоком «с нуля» в рамках двунаправленного кросс-внимания, со стадией обучения с подкреплением, которая, согласно статье, снижает частоту ошибок в словах (WER) для сгенерированной речи на 47%. Это измерено с помощью Whisper-large-v3 — одной из моделей вознаграждения в рамках RL, — и эти данные нельзя напрямую сопоставлять с отдельным показателем частоты ошибок в словах Qwen3-ASR-1.7B, который упоминается в статье рядом с VABench.
Где маршрутизатор применим, а где нет
OrcaRouter не обслуживает ни Kandinsky 6.0 Video, ни Hailuo 2.3, и таких утверждений здесь не делается: Kandinsky вы можете скачать и запустить сами, а доступ к Hailuo 2.3 осуществляется через собственный API и систему баллов MiniMax. Все, что требуется конвейеру на базе любой из этих моделей от маршрутизатора, — это текстовая обвязка процесса рендеринга: список кадров, расширение промпта, превращающее краткое ТЗ в длинные или короткие подписи, на которых эти модели обучались, работа с субтитрами и диалогами, а также сводки рецензирования, определяющие, какой результат генерации в итоге останется. Это обычные текстовые запросы, которые выполняются через единую точку входа, совместимую с OpenAI, для более чем 200 моделей по прайс-листу провайдера с 0% наценки. Таким образом, изменение цены поставщика начинает действовать на том же ключе в день его появления, а автоматическое переключение при сбое гарантирует, что неудачный вызов посреди рендеринга перенаправится на другой ресурс вместо потери всего пакета. Оркестрационный слой вокруг видеомодели — это задача маршрутизации, даже если сама видеомодель маршрутизации не подлежит (и сегодня это справедливо для обеих рассматриваемых моделей).
Что выбрать
Выбирайте Hailuo 2.3, если главными факторами являются объем, стилизованная или анимационная эстетика, безмолвный результат, а жестким ограничением выступает стоимость за один клип. Это самая дешевая качественная генерация в своей категории, и ее цена соответствует этому статусу. Прежде чем принимать окончательное решение, сравните ее по стоимости с MiniMax H3, поскольку флагманская генерация из того же семейства входит в топ-5 в обоих режимах и обладает тем звуком, которого у 2.3 никогда не было.
Выбирайте Kandinsky 6.0 Video, если результату необходим звук, если пятисекундные отрезки подходят для вашего списка кадров, если ключевым требованием является точность переноса исходного изображения в видео (image-to-video), а владение моделью важнее ее аренды. Подходите к вопросу с четким пониманием издержек: фиксированной ставки нет, пятисекундный лимит, рендер в формате Full HD, занимающий около 402 секунд на H100 и 854 секунд на RTX 5090 для Pro-версии, обязательная выгрузка блоков (block offloading) при объеме выделенной памяти менее 72,8 ГБ, а также заявления о качестве, которые полностью исходят от Сбера, пока кто-то независимый вне лаборатории их не оценит.
Вопрос, скрывающийся за двумя прайс-листами, определяет выбор большей части видеоинфраструктуры в этом квартале. Hailuo 2.3 выставляет счет за секунду и отдает вам файл; Kandinsky 6.0 Video взимает плату за GPU и передает вам лицензию. Для команды, генерирующей сотню клипов в месяц, финансовый отчет побеждает по всем параметрам, которые поддаются оценке в электронной таблице. Для команды, которая планирует проводить тонкую настройку, работать в офлайне или продолжать использовать ту же модель после выхода следующего поколения, скачивание побеждает по единственному параметру, который таблица не способна учесть.
