Kandinsky — семейство генеративных моделей, которое к версии 5.0 вышло далеко за пределы одного веб-генератора картинок. Открытая линейка включает модели для text-to-image, редактирования изображения, text-to-video и image-to-video, а отдельные версии рассчитаны на разный баланс качества, скорости и требований к GPU. Для русскоязычного пользователя особенно важно, что команда отдельно развивает понимание русских концептов и публикует код, checkpoints и интеграцию с ComfyUI.
Что входит в Kandinsky 5.0
В официальном репозитории выделены Video Pro, Video Lite, Image Lite и Image Editing. Это разные модели, а не режимы одной кнопки: у них различаются размер, требования к памяти, скорость и сценарий использования.
Для веб-пользователя часть возможностей доступна через экосистему FusionBrain, а разработчик или исследователь может запускать открытые checkpoints локально. Перед выбором стоит решить, нужен ли удобный interface или полный контроль над pipeline.
Video Pro: 19B-модели для качественного видео
Kandinsky 5.0 Video Pro — линейка 19B-моделей для генерации HD-видео по тексту, включая варианты длительностью 5 и 10 секунд. Поддерживается и image-to-video, когда движение создаётся на основе исходного изображения и prompt.
Pro рассчитан на высокое качество и тяжёлое железо. На локальной рабочей станции такой pipeline требует гораздо больше ресурсов, чем лёгкий image generator, поэтому для эксперимента разумно сначала использовать готовую инфраструктуру или Lite.
Video Lite: доступность и скорость
T2V Lite имеет около 2 млрд параметров и выпускается в нескольких вариантах: SFT, CFG-distilled, diffusion-distilled и pretrain. Distilled-версии предназначены для сокращения числа шагов и ускорения генерации.
Команда публикует модели на 5 и 10 секунд. Для локальной установки важно читать требования конкретного checkpoint: оптимизации памяти, attention engine и offloading заметно меняют необходимый объём VRAM.
Image Lite и русские промпты
Image Lite — 6B-линейка для генерации изображений примерно в 1K-разрешении. Разработчики отдельно заявляют сильную работу с текстом внутри изображения и понимание русских концептов — это полезно для локального дизайна, где англоязычные модели часто искажают надписи.
Даже хорошая text-rendering модель не гарантирует идеальную типографику в логотипе или длинной фразе. Для коммерческого макета с точным текстом безопаснее использовать генерацию как основу, а финальную надпись собирать в редакторе.
Image Editing вместо полной перегенерации
Kandinsky 5.0 Image Editing принимает исходное изображение и инструкцию, сохраняя больше структуры, чем обычный text-to-image. В официальных примерах меняется одежда, объект или оформление сцены при сохранении основного содержания.
Это удобно для вариаций креатива, но результат следует проверять на мелких деталях: текст, логотип, украшения и узоры могут изменяться даже при общей визуальной похожести.
Локальный запуск и open-source лицензия
Основной репозиторий Kandinsky 5 опубликован под MIT и содержит configurations, download script и примеры inference. Это позволяет изучать pipeline, запускать модели на своей инфраструктуре и интегрировать их в собственные инструменты.
Локальность не означает бесплатность эксплуатации. GPU-время, дисковое пространство и инженерная поддержка остаются расходами, а тяжёлые Video Pro models намного требовательнее image-моделей.
ComfyUI и LoRA
Команда поддерживает ComfyUI-сценарии и отдельно публикует материалы для LoRA. Для дизайнера это удобный способ соединить Kandinsky с node-based workflow, референсами и постобработкой.
При обучении LoRA важнее качество небольшого dataset, чем простое увеличение числа картинок. Повторы, водяные знаки и разный стиль исходников быстро снижают управляемость результата.
Attention и требования к памяти
В репозитории доступны SDPA, Flash Attention и Sage Attention, а также offloading и оптимизации VAE. Благодаря этому Lite-модели можно запускать на более доступном оборудовании, чем ранние тяжёлые video pipelines.
Конкретная configuration зависит от GPU и drivers. Перед развёртыванием стоит воспроизвести официальный example и только потом добавлять ComfyUI nodes, LoRA и другие компоненты.
Русский язык как практическое преимущество
Kandinsky обучается и тестируется с учётом русскоязычных запросов, поэтому локальные реалии, названия и формулировки часто требуют меньше перевода prompt на английский. Это особенно полезно пользователям без отдельного prompt-engineering вокруг англоязычных терминов.
При сложной сцене всё равно полезно сравнить несколько формулировок. Название стиля, операторская терминология или специфический объект иногда лучше распознаются в общепринятой английской форме.
FusionBrain или локальная модель
FusionBrain подходит тем, кому нужен быстрый результат без настройки окружения. Локальный Kandinsky интереснее разработчикам, исследователям и командам, которым важны privacy, эксперименты с pipeline и собственная автоматизация.
Для сайта или продукта API и локальная модель решают разные задачи. API снижает порог входа, а self-hosted даёт больше контроля, но требует мониторинга ресурсов и обновлений.
Вопросы по Kandinsky
Kandinsky 5.0 open source?
Да, основной репозиторий опубликован с MIT-лицензией, а checkpoints и examples доступны для локального запуска.
Есть генерация видео?
Да. Линейка включает Video Lite и Video Pro, text-to-video и image-to-video.
Поддерживаются русские промпты?
Да. Разработчики отдельно подчёркивают работу с русскими concepts и русскоязычными запросами.
