LTX-2.5: a Lightricks tira os pesos do vídeo generativo de dentro das APIs, mas a licença continua “condicionada”

A Lightricks (LTX) lançou em 11 de agosto de 2026 o LTX‑2.5, modelo generativo de vídeo e áudio com pesos abertos; o comunicado com as declarações dos parceiros circulou em 13 de agosto. O model card oficial no Hugging Face descreve um diffusion transformer de 22 mil milhões de parâmetros, chamado na nota de lançamento do ComfyUI de “asymmetric dual‑stream”. Foram publicadas várias variantes dos pesos: DiT destilado (bf16, int8, NVFP4) e DiT completo e treinável (bf16, int8), além de VAE de vídeo e de áudio, upscaler, LoRA e um patch “duration head”. O codificador de texto é um Gemma 4 de 12 mil milhões afinado para o LTX; o repositório oficial no GitHub especifica que o Gemma 4 padrão não é compatível.

Entre as funções anunciadas estão a geração multishot nativa numa única passagem (coerência de personagem, ambiente e voz entre os cortes), áudio sincronizado gerado junto com o vídeo, previsão automática da duração, saída 4K HDR e o “Diffusion Fidelity Rendering”, que distribui o cálculo conforme a complexidade da cena em vez de aplicar uma taxa de compressão fixa. O repositório oficial lista os modos de geração: texto→vídeo, imagem→vídeo, vídeo→vídeo, áudio→vídeo, interpolação de keyframes e regeneração de regiões. Requisitos de software segundo o model card: Python ≥ 3.12, CUDA ≥ 12.7, PyTorch ~2.7; para os modelos destilados está previsto um schedule fixo de 8 passos. O ComfyUI dá suporte desde o primeiro dia, com templates oficiais para texto→vídeo, imagem→vídeo e primeiro/último fotograma→vídeo.

No plano prático, a Lightricks afirma que um clipe de 10 segundos gerado a partir de uma imagem leva 6,8 segundos em dois superchips NVIDIA GB200 e 23,7 segundos através das APIs da LTX; o mínimo indicado é de 16 GB de VRAM. A tabela de preços publicada das APIs é de 0,09 $/s em 720p, 0,15 $/s em 1080p, 0,19 $/s em 2K e 0,37 $/s em 4K. Nos dados divulgados pela LTX, a pontuação de artefactos (quanto mais baixa, melhor) é de 0,28 para o LTX‑2.5 Pro e 0,39 para o LTX‑2.5 Fast, contra 0,69 do Seedance 2.5 e 1,20 do Google Veo 3.1; a própria LTX diz que é preliminar.

A licença é a LTX‑2.x Community License: uso comercial gratuito abaixo de 10 milhões de dólares de receita anual, acordo pago acima desse limite. Não é uma licença open source aprovada pela OSI e impõe a obrigação de notificar alterações, além de proibir a remoção ou o contorno dos mecanismos de declaração de conteúdo sintético. O lançamento inclui também um checkpoint pré‑treinado para IA física e robótica, pensado para fine‑tuning com dados de domínio. Sobre o posicionamento como “world model”, o cofundador e presidente executivo da LTX/Lightricks, Zeev Farbman, declara nas notas divulgadas a 13 de agosto: “World models face challenges that LLMs never had to solve, like holding motion, space, and sound consistent across time” (os world models enfrentam desafios que os LLM nunca tiveram de resolver: manter movimento, espaço e som coerentes ao longo do tempo). Sobre a execução local, o senior director de Local AI da NVIDIA, Gerardo Delgado Cabrera, declara nas mesmas notas de 13 de agosto: “Local models enable creators and developers to freely explore their ideas thanks to their local GPUs” (os modelos locais permitem que criadores e programadores explorem livremente as suas ideias graças às GPU locais).

Nenhum destes números foi até agora replicado por terceiros: são todos declarações do fornecedor. A comparação publicada pela LTX é metodologicamente desigual: os concorrentes medidos sobretudo a 720p contra uma medição interna da LTX a 1080p; nos tempos alheios entram fila de espera e alojamento de terceiros (fal.run); a comparação com o Veo 3.1 usa um clipe de 8 segundos contra 10 segundos do LTX. Os 6,8 segundos referem‑se a dois GB200, hardware pouco comum; não existem medições independentes no mínimo de 16 GB de VRAM, nem verificações da degradação causada pela quantização int8/NVFP4, pelo cast fp8 e pelo offload para CPU. Continuam por verificar a coerência multishot, a vantagem do decodificador por difusão face ao VAE e o funcionamento do preditor de duração. A pontuação de artefactos é uma medida automática sobre 98 prompts passados por 10 modelos, e a LTX não publicou o conjunto completo. O próprio model card enumera limites explícitos: o modelo não foi concebido para fornecer informação factual, pode amplificar preconceitos sociais e a aderência ao prompt varia com o estilo de escrita, chegando a gerações que não correspondem ao pedido. Nota menor: um campo da página do Hugging Face apresenta a data 6 de janeiro de 2026, incoerente com o anúncio de 11 de agosto (provável resíduo do LTX‑2). O número de mais de 33 milhões de downloads refere‑se a toda a família LTX, não a este modelo.

A LTX abre um caminho útil: pesos para download, pipelines prontas no ComfyUI, um aceno concreto à robótica. Mas a condição de licença ligada à faturação lembra que aqui “aberto” significa sobretudo verificável, não livre de condições. A próxima notícia interessante não serão as demos, mas as réplicas independentes e os primeiros benchmarks com significado em GPU comuns. — Olya