LTX-2.5 : Lightricks sort les poids de la vidéo générative des API, mais la licence reste « conditionnée »

Lightricks (LTX) a publié le 11 août 2026 LTX‑2.5, un modèle génératif vidéo‑audio à poids ouverts ; le communiqué contenant les déclarations des partenaires a circulé le 13 août. La fiche officielle du modèle sur Hugging Face décrit un diffusion transformer de 22 milliards de paramètres, qualifié dans la note de publication de ComfyUI d’« asymmetric dual‑stream ». Plusieurs variantes des poids sont publiées : DiT distillé (bf16, int8, NVFP4) et DiT complet et entraînable (bf16, int8), avec des VAE vidéo et audio, un upscaler, des LoRA et un patch « duration head ». L’encodeur de texte est un Gemma 4 de 12 milliards ajusté pour LTX ; le dépôt officiel sur GitHub précise que le Gemma 4 standard n’est pas compatible.

Parmi les fonctions annoncées : génération multishot native en une seule passe (cohérence du personnage, du décor et de la voix d’un plan à l’autre), audio synchronisé produit en même temps que l’image, prédiction automatique de la durée, sortie 4K HDR et « Diffusion Fidelity Rendering », qui répartit le calcul selon la complexité de la scène au lieu d’appliquer un taux de compression fixe. Le dépôt officiel liste les modes de génération : texte→vidéo, image→vidéo, vidéo→vidéo, audio→vidéo, interpolation d’images clés et régénération de régions. Prérequis logiciels d’après la fiche : Python ≥ 3.12, CUDA ≥ 12.7, PyTorch ~2.7 ; les modèles distillés utilisent un schedule fixe à 8 étapes. ComfyUI le prend en charge dès le premier jour, avec des templates officiels pour texte→vidéo, image→vidéo et première/dernière image→vidéo.

Côté pratique, Lightricks annonce qu’un clip de 10 secondes généré à partir d’une image demande 6,8 secondes sur deux superpuces NVIDIA GB200 et 23,7 secondes via les API LTX ; le minimum indiqué est de 16 Go de VRAM. Le tarif API publié est de 0,09 $/s en 720p, 0,15 $/s en 1080p, 0,19 $/s en 2K et 0,37 $/s en 4K. Dans les données diffusées par LTX, le score d’artefacts (plus il est bas, mieux c’est) est de 0,28 pour LTX‑2.5 Pro et 0,39 pour LTX‑2.5 Fast, contre 0,69 pour Seedance 2.5 et 1,20 pour Google Veo 3.1 ; LTX le présente comme préliminaire.

La licence est la LTX‑2.x Community License : usage commercial gratuit en dessous de 10 millions de dollars de revenus annuels, accord payant au‑delà. Ce n’est pas une licence open source approuvée par l’OSI et elle impose de notifier les modifications, ainsi que l’interdiction de retirer ou de contourner les mécanismes de déclaration des contenus synthétiques. La publication comprend aussi un checkpoint pré‑entraîné pour l’IA physique et la robotique, prévu pour un fine‑tuning sur des données métier. Sur le positionnement en « world model », le cofondateur et directeur général de LTX/Lightricks, Zeev Farbman, déclare dans les notes diffusées le 13 août : « World models face challenges that LLMs never had to solve, like holding motion, space, and sound consistent across time » (les world models affrontent des défis que les LLM n’ont jamais eu à résoudre : garder mouvement, espace et son cohérents dans le temps). Sur l’exécution locale, le senior director Local AI de NVIDIA, Gerardo Delgado Cabrera, déclare dans les mêmes notes du 13 août : « Local models enable creators and developers to freely explore their ideas thanks to their local GPUs » (les modèles locaux permettent aux créateurs et aux développeurs d’explorer librement leurs idées grâce à leurs GPU locaux).

Aucun de ces chiffres n’a pour l’instant été reproduit par des tiers : ce sont tous des propos de l’éditeur. La comparaison publiée par LTX est méthodologiquement hétérogène : les concurrents mesurés le plus souvent en 720p face à une mesure interne de LTX en 1080p ; les temps des autres incluent la file d’attente et l’hébergement de tiers (fal.run) ; la comparaison avec Veo 3.1 utilise un clip de 8 secondes contre 10 secondes pour LTX. Les 6,8 secondes concernent deux GB200, un matériel peu courant ; il n’existe aucune mesure indépendante au minimum de 16 Go de VRAM, ni de vérification de la dégradation liée à la quantisation int8/NVFP4, au cast fp8 et à l’offload sur CPU. Restent non vérifiées la cohérence multishot, l’avantage du décodeur à diffusion sur le VAE et le fonctionnement du prédicteur de durée. Le score d’artefacts est une mesure automatique sur 98 prompts passés dans 10 modèles, et LTX n’a pas publié l’ensemble complet des prompts. La fiche du modèle elle‑même liste des limites explicites : le modèle n’est pas conçu pour fournir des informations factuelles, il peut amplifier des biais sociaux et la fidélité au prompt varie selon le style d’écriture, jusqu’à des générations qui ne correspondent pas à la demande. Note mineure : un champ de la page Hugging Face indique la date du 6 janvier 2026, incohérente avec l’annonce du 11 août (vraisemblablement un reliquat de LTX‑2). Le chiffre de plus de 33 millions de téléchargements concerne toute la famille LTX, pas ce modèle.

LTX ouvre une voie utile : poids téléchargeables, pipelines prêtes dans ComfyUI, un signe concret vers la robotique. Mais la condition de licence adossée au chiffre d’affaires rappelle qu’ici « ouvert » veut surtout dire vérifiable, pas libre de conditions. La prochaine nouvelle intéressante ne sera pas une démo, mais les reproductions indépendantes et les premiers benchmarks sérieux sur des GPU ordinaires. — Olya