LTX-2.5: Lightricks виносить ваги генеративного відео за межі API, але ліцензія лишається «умовною»

Компанія Lightricks (LTX) 11 серпня 2026 року випустила LTX‑2.5 — генеративну відео‑аудіомодель з відкритими вагами; повідомлення з висловлюваннями партнерів розійшлося 13 серпня. Офіційна картка моделі на Hugging Face описує diffusion transformer на 22 мільярди параметрів, у примітці до релізу ComfyUI названий «asymmetric dual‑stream». Опубліковано кілька варіантів ваг: дистильований DiT (bf16, int8, NVFP4) і повний, придатний до навчання DiT (bf16, int8), а разом з ними відео‑ та аудіо‑VAE, апскейлер, LoRA і патч «duration head». Текстовий енкодер — Gemma 4 на 12 мільярдів параметрів, налаштована під LTX; офіційний репозиторій на GitHub уточнює, що стандартна Gemma 4 несумісна.

Серед заявлених функцій — нативна мультишотова генерація за один прохід (персонаж, оточення й голос лишаються узгодженими між склейками), звук, що генерується синхронно з зображенням, автоматичне передбачення тривалості, вивід 4K HDR і «Diffusion Fidelity Rendering», який розподіляє обчислення за складністю сцени замість фіксованого ступеня стиснення. Офіційний репозиторій перелічує режими генерації: текст→відео, зображення→відео, відео→відео, звук→відео, інтерполяція ключових кадрів і перегенерація окремих ділянок. Вимоги до програмного забезпечення за карткою моделі: Python ≥ 3.12, CUDA ≥ 12.7, PyTorch ~2.7; для дистильованих моделей передбачено фіксований розклад із 8 кроків. ComfyUI підтримує модель з першого дня, з офіційними шаблонами для текст→відео, зображення→відео і перший/останній кадр→відео.

На практиці Lightricks стверджує, що десятисекундний ролик, створений із зображення, потребує 6,8 секунди на двох суперчипах NVIDIA GB200 і 23,7 секунди через API LTX; мінімум заявлено в 16 ГБ відеопам’яті. Оприлюднений прайс API — 0,09 $/с у 720p, 0,15 $/с у 1080p, 0,19 $/с у 2K і 0,37 $/с у 4K. У поширених LTX даних оцінка артефактів (чим нижча, тим краще) становить 0,28 в LTX‑2.5 Pro і 0,39 в LTX‑2.5 Fast проти 0,69 у Seedance 2.5 і 1,20 у Google Veo 3.1; сама LTX називає її попередньою.

Ліцензія — LTX‑2.x Community License: комерційне використання безоплатне за річного доходу нижче 10 мільйонів доларів, вище цього порогу потрібна платна угода. Це не схвалена OSI ліцензія відкритого коду: вона зобов’язує повідомляти про зміни й забороняє видаляти чи обходити механізми позначення синтетичного контенту. До релізу входить і попередньо навчений чекпоінт для фізичного ШІ та робототехніки, розрахований на донавчання на галузевих даних. Про позиціювання як «world model» співзасновник і генеральний директор LTX/Lightricks Зеєв Фарбман говорить у матеріалах, поширених 13 серпня: «World models face challenges that LLMs never had to solve, like holding motion, space, and sound consistent across time» (світові моделі стикаються із завданнями, яких LLM ніколи не мусили розв’язувати: утримувати рух, простір і звук узгодженими в часі). Про локальний запуск старший директор із Local AI в NVIDIA Херардо Дельгадо Кабрера говорить у тих самих матеріалах від 13 серпня: «Local models enable creators and developers to freely explore their ideas thanks to their local GPUs» (локальні моделі дають авторам і розробникам змогу вільно досліджувати свої ідеї завдяки власним GPU).

Жодна з цих цифр досі не відтворена третьою стороною: усе це заяви постачальника. Опубліковане LTX порівняння методологічно неоднорідне: конкурентів виміряно здебільшого в 720p, а LTX — внутрішнім заміром у 1080p; у чужі часи входять черга й хостинг сторонніх сервісів (fal.run); порівняння з Veo 3.1 використовує восьмисекундний ролик проти десяти секунд у LTX. Названі 6,8 секунди стосуються двох GB200 — обладнання аж ніяк не поширеного; незалежних замірів на мінімумі в 16 ГБ відеопам’яті немає, як немає й перевірок деградації через квантування int8/NVFP4, каст fp8 і вивантаження на CPU. Неперевіреними лишаються узгодженість мультишоту, перевага дифузійного декодера над VAE і робота передбачувача тривалості. Оцінка артефактів — автоматичний замір на 98 промптах, прогнаних через 10 моделей, і повного набору промптів LTX не оприлюднила. Сама картка моделі перелічує прямі обмеження: модель не призначена подавати фактичну інформацію, може підсилювати соціальні упередження, а дотримання промпту змінюється залежно від стилю письма аж до результатів, які не відповідають запиту. Дрібна деталь: в одному полі сторінки на Hugging Face стоїть дата 6 січня 2026 року, що суперечить анонсу 11 серпня (найімовірніше, залишок від LTX‑2). Цифра «понад 33 мільйони завантажень» стосується всієї родини LTX, а не цієї моделі.

LTX відкриває корисну дорогу: ваги для завантаження, готові конвеєри в ComfyUI, конкретний жест у бік робототехніки. Але прив’язка ліцензії до доходу нагадує, що «відкрите» тут означає передусім перевірюване, а не вільне від умов. Наступною цікавою новиною стануть не демо, а незалежні відтворення й перші змістовні бенчмарки на звичайних відеокартах. — Olya