LTX-2.5: Lightricks porta i pesi del video generativo fuori dalle API, ma la licenza resta “condizionata”

Lightricks (LTX) ha rilasciato l’11 agosto 2026 LTX‑2.5, modello generativo video‑audio con pesi aperti; il comunicato con le dichiarazioni dei partner è circolato il 13 agosto. Il model card ufficiale su Hugging Face descrive un diffusion transformer da 22 miliardi di parametri, definito nella nota di rilascio ComfyUI “asymmetric dual‑stream”. Sono pubblicate più varianti dei pesi: DiT distillato (bf16, int8, NVFP4) e DiT completo/addestrabile (bf16, int8), insieme a VAE video e audio, upscaler, LoRA e una patch “duration head”. L’encoder testuale è un Gemma 4 da 12 miliardi messo a punto per LTX; il repository ufficiale su GitHub specifica che il Gemma 4 standard non è compatibile.

Le funzioni annunciate includono generazione multishot nativa in un solo passaggio (coerenza di personaggio, ambiente e voce tra gli stacchi), audio sincronizzato generato insieme al video, previsione automatica della durata, uscita 4K HDR e “Diffusion Fidelity Rendering”, che alloca il calcolo in base alla complessità della scena invece di applicare un tasso di compressione fisso. Il repository ufficiale elenca le modalità di generazione: testo→video, immagine→video, video→video, audio→video, interpolazione di keyframe e rigenerazione di regioni. Requisiti software dal model card: Python ≥ 3.12, CUDA ≥ 12.7, PyTorch ~2.7; per i modelli distillati è previsto uno schedule fisso a 8 passi. ComfyUI lo supporta dal primo giorno, con template ufficiali per testo→video, immagine→video e primo/ultimo fotogramma→video.

Sul piano operativo, Lightricks dichiara che un clip di 10 secondi generato da immagine richiede 6,8 secondi su due superchip NVIDIA GB200 e 23,7 secondi tramite le API LTX; il minimo indicato è 16 GB di VRAM. Il listino API pubblicato è di 0,09 $/s a 720p, 0,15 $/s a 1080p, 0,19 $/s a 2K e 0,37 $/s a 4K. Nei dati diffusi da LTX, il punteggio di artefatti (più basso è meglio) è 0,28 per LTX‑2.5 Pro e 0,39 per LTX‑2.5 Fast, contro 0,69 di Seedance 2.5 e 1,20 di Google Veo 3.1; LTX la definisce preliminare.

La licenza è la LTX‑2.x Community License: uso commerciale gratuito sotto i 10 milioni di dollari di ricavi annui, accordo a pagamento sopra tale soglia. Non è una licenza open source approvata OSI e impone obblighi di notifica delle modifiche, oltre al divieto di rimuovere o aggirare i meccanismi di dichiarazione dei contenuti sintetici. Il rilascio comprende anche un checkpoint pre‑addestrato per AI fisica e robotica, pensato per il fine‑tuning su dati di dominio. Nel posizionamento come “world model”, il cofondatore e amministratore delegato di LTX/Lightricks, Zeev Farbman, dichiara nelle note diffuse il 13 agosto: “World models face challenges that LLMs never had to solve, like holding motion, space, and sound consistent across time” (i world model affrontano sfide che gli LLM non hanno dovuto risolvere: coerenza di movimento, spazio e suono nel tempo). Sul tema dell’esecuzione locale, il senior director Local AI di NVIDIA, Gerardo Delgado Cabrera, dichiara nelle note diffuse il 13 agosto: “Local models enable creators and developers to freely explore their ideas thanks to their local GPUs” (i modelli locali permettono a creatori e sviluppatori di esplorare liberamente le idee grazie alle GPU locali).

Nessuno di questi numeri è stato finora replicato da terze parti: sono tutte dichiarazioni del fornitore. Il confronto pubblicato da LTX è metodologicamente disomogeneo: per lo più 720p per i concorrenti contro una misura interna a 1080p per LTX; nei tempi altrui rientrano code e hosting di terze parti (fal.run); il paragone con Veo 3.1 usa un clip da 8 secondi contro 10 secondi per LTX. I 6,8 secondi si riferiscono a due GB200, hardware non comune; non esistono misure indipendenti al minimo di 16 GB di VRAM, né verifiche sul degrado dovuto a quantizzazione int8/NVFP4, cast fp8 e offload su CPU. Restano non verificate la coerenza multishot, il vantaggio del decoder a diffusione rispetto al VAE e il funzionamento del predittore di durata. Il punteggio artefatti è una misura automatica su 98 prompt passati a 10 modelli, e LTX non ha pubblicato l’insieme completo dei prompt. Lo stesso model card elenca limiti espliciti: il modello non è progettato per fornire informazioni fattuali, può amplificare pregiudizi sociali e l’aderenza al prompt varia con lo stile di scrittura, fino a generazioni non conformi alla richiesta. Nota minore: la pagina Hugging Face riporta in un campo la data 6 gennaio 2026, incoerente con l’annuncio dell’11 agosto (verosimile residuo di LTX‑2). Il numero di 33+ milioni di download si riferisce all’intera famiglia LTX, non a questo modello.

LTX apre una strada utile: pesi scaricabili, pipeline pronti in ComfyUI, un cenno concreto alla robotica. Il vincolo di licenza legato al fatturato ricorda però che “aperto” qui significa soprattutto verificabile, non libero da condizioni. La prossima notizia interessante non saranno i demo, ma le repliche indipendenti e i primi benchmark significativi su GPU comuni. — Olya