Kandinsky 5.0 出自 Kandinsky Lab（Sber AI 与 AIRI 的生成模型团队），是目前这个系列还在维护的主线，2025 年 11 月发布，代码在 github.com/kandinskylab/kandinsky-5，权重在 Hugging Face 的 kandinskylab 组织下，模型卡标注 MIT。它一共三条产品线：Image Lite 6B 负责文生图和图像编辑，Video Lite 2B 负责 5 秒 / 10 秒 24fps 视频，Video Pro 19B 负责 1280×720 的高质量文生视频与图生视频。架构上是 Flow Matching + CrossDiT，Image Lite 50 个 block、Video Lite 32 个、Video Pro 60 个；图像分支用 FLUX.1-dev 的 VAE，视频分支用 HunyuanVideo 的 3D VAE。技术报告里的训练规模是 5 亿以上图像、2.5 亿以上视频片段、约 1.5 亿组图像编辑配对。
真正决定你要租多大卡的，不是那个 6B 的 DiT，而是挂在它前面的文本编码器。Kandinsky 5.0 用 Qwen2.5-VL 7B 做主编码器（嵌入维度 3584），再叠一个 CLIP ViT-L/14。按 bf16 每参数 2 字节算：6B DiT 权重约 12GB，Qwen2.5-VL 7B 约 15GB，CLIP 与 VAE 加起来约 1GB——全部常驻就是 28GB 起，24GB 卡直接装不下。官方给的解法是三个开关：`--offload` 把不在计算的组件换出到主机内存，`--qwen_quantization` 把文本编码器压到 NF4，`--attention_engine` 在 Flash Attention 3 / 2 / SageAttention / SDPA 之间切。仓库明确写了：开启 offload 后，12GB 显存的卡也能出图。视频侧还有一个 NABLA 稀疏注意力，在 90% 稀疏率下把训练和推理时间压到约 1/2.7。
所以租卡逻辑很直接：只是想看看效果、批量出 1024×1024 的图，RTX 3090 24GB（$0.193/卡·时）或 RTX 4090 24GB（$0.540/卡·时）配 offload + NF4 就够；要把全套权重常驻不换出、或者练 LoRA，上 RTX A6000 48GB（$0.817/卡·时）；要跑 19B 的 Video Pro 出 HD 片子，只有 80GB 级别才谈得上舒服，A100 SXM4 80GB $1.088/卡·时，赶交付就上 H100 SXM 80GB $3.582/卡·时——Flash Attention 3 本来也只在 Hopper 上跑得起来。顺带说清一件事：如果你搜到的是 Kandinsky 2.1 / 2.2 那套 prior + decoder 双阶段管线，或者 Kandinsky 3.0 那个挂 FLAN-UL2 编码器、用 Sber-MoVQGAN 解码的版本，diffusers 里确实还留着 KandinskyV22Pipeline 和 Kandinsky3Pipeline，但都已被 5.0 取代，新项目别从那里起手。NexGPU 在 51 个国家和地区有 1,175 个已验证可租节点、2,498 张 GPU，按秒计量、按小时计价，没有起租量、没有开通费、不用提配额工单。
01 —
Kandinsky 5.0 各变体与显存账
权重显存按 bf16 每参数 2 字节直接算；延迟为官方在 H100 80GB（CUDA 12.8.1 / PyTorch 2.8）上的实测值
| 版本 | 参数量 | 显存 | 上下文 | 说明 |
|---|---|---|---|---|
| Kandinsky-5.0-T2I-Lite | 6B（CrossDiT 50 blocks） | DiT bf16 ≈ 12GB；加 Qwen2.5-VL 7B ≈ 15GB 后全常驻 ≈ 28GB；开 --offload 官方称 12GB 卡可跑 | 1024×1024 / 1280×768，100 NFE | 主力文生图。官方标注的差异化能力是画面里的文字渲染以及俄语概念理解，H100 上单图 13 秒。 |
| Kandinsky-5.0-I2I-Lite | 6B | 与 T2I Lite 同量级：DiT bf16 ≈ 12GB + 编码器 ≈ 16GB | 1K 分辨率，输入图 + 文本指令 | 文本指令图像编辑与局部重绘，训练用了约 1.5 亿组编辑配对。有 sft 与 pretrain 两个 checkpoint。 |
| Kandinsky-5.0-T2V-Lite-sft-5s / -10s | 2B（CrossDiT 32 blocks） | DiT bf16 ≈ 4GB，但管线显存仍由 Qwen2.5-VL 7B 主导；开 offload 后 12GB 级别可跑 | 768×512，5 秒 / 10 秒 @ 24fps | 轻量文生视频主力。H100 上 5 秒片 139 秒。10 秒版是 SD 分辨率，别指望 HD。 |
| Kandinsky-5.0-T2V-Lite-distilled16steps-5s | 2B | 同 Lite，步数从 100 NFE 降到 16 | 768×512，5 秒 @ 24fps | CFG 蒸馏 + TSCD + 对抗后训练的产物，H100 上 35 秒出一条。做交互式预览、批量筛稿就用它。 |
| Kandinsky-5.0-T2V-Pro-sft-5s / I2V-Pro-sft-5s | 19B（CrossDiT 60 blocks） | DiT bf16 ≈ 38GB，加编码器后 80GB 卡也偏紧；仓库提供多卡分布式推理 | 1280×720 HD 5 秒；10s 版为 SD | 质量线。README 记录 2025 年 12 月在 LMArena 拿到开源文生视频第一。H100 上 5 秒 HD 需 1241 秒。 |
| Kandinsky 2.1 / 2.2 / 3.0（已被取代） | 2.2 为 prior + decoder 双阶段；3.0 为 3B UNet + FLAN-UL2 | 3.0 因 FLAN-UL2 编码器体量大，实践中远超 24GB，需切分加载 | 512 / 768 级别 | diffusers 里 KandinskyV22Pipeline、Kandinsky3Pipeline 仍在，但新项目请直接用 5.0。 |
02 —
按场景选卡：NexGPU 实际可租型号与费率
显存按上面的账匹配，不做超卖式推荐
跑 T2I Lite 出图 / 评估，接受 offload + NF4 文本编码器
RTX 4090 24GB$0.540/卡·时
24GB 装得下 12GB 的 DiT 并留足激活空间，编码器压 NF4 后换进换出，是单卡出图性价比最稳的一档。
长时间批量出图、成本优先，能忍受更慢的单张耗时
RTX 3090 24GB$0.193/卡·时
同为 24GB 但每小时不到两毛，批处理场景下每张图的实际成本往往比 H100 还低。
全套权重常驻不 offload，或练 rank-16 LoRA
RTX A6000 48GB$0.817/卡·时
48GB 能同时放下 6B DiT 与 bf16 的 Qwen2.5-VL，省掉换出开销；LoRA 训练也不必上激进的 int8 量化。
Video Pro 19B 出 1280×720 HD 片子
H100 SXM 80GB$3.582/卡·时
38GB 权重加视频激活只有 80GB 级别扛得住，而 Flash Attention 3 本身就要 Hopper；预算敏感可换 A100 SXM4 80GB $1.088/卡·时走 FA2。
03 —
在 NexGPU 上把 Kandinsky 5.0 跑起来
从开机到第一张图，四步；2,000+ 预置镜像里选 PyTorch 或 ComfyUI 就能跳过环境配置
- 01
开实例、拉官方仓库
在控制台选一张 24GB 或以上的卡，挑 PyTorch 预置镜像开机，SSH 或 Jupyter 进去。仓库依赖里 Flash Attention 3 只对 Hopper 有意义，Ada / Ampere 卡装 FA2 或直接用 SDPA 即可。
git clone https://github.com/kandinskylab/kandinsky-5.git && cd kandinsky-5 && pip install -r requirements.txt - 02
用 diffusers 走最短路径出第一张图
Kandinsky 5.0 已经进了 diffusers，T2I Lite 一行 from_pretrained 就能加载。第一次运行会拉 6B DiT 加 Qwen2.5-VL 7B，权重下载体量接近 28GB，先确认磁盘和网络。
python -c "import torch;from diffusers import DiffusionPipeline;p=DiffusionPipeline.from_pretrained('kandinskylab/Kandinsky-5.0-T2I-Lite',dtype=torch.bfloat16,device_map='cuda');p('a cat in a red hat, neon sign reads HELLO').images[0].save('out.png')" - 03
上官方 CLI，把显存开关全部打开
要跑视频、或者卡只有 12～16GB，就换官方 test.py。`--offload` 换出闲置组件，`--qwen_quantization` 把文本编码器降到 NF4，`--magcache` 加速采样，`--attention_engine` 按卡选后端。注意 Qwen2.5-VL 的文本上下文只有 256 token，超长 prompt 会被截断——把关键描述写在前面。
python test.py --config ./configs/k5_lite_t2v_5s_sft_sd.yaml --prompt "A dog in a red hat" --offload --qwen_quantization --attention_engine=flash_attention_2 - 04
接 ComfyUI 工作流或转向微调
仓库自带 ComfyUI 自定义节点和四套工作流（T2V / I2V / T2I / I2I）。注意它要两套 VAE：图像分支的 flux_vae 和视频分支的 hunyuan_vae，分别放进 ComfyUI/models/vae/ 下对应目录，放错就是加载失败。要做风格 LoRA 可以走 SimpleTuner，rank-16 加全量梯度检查点时 24GB 是舒适下限，16GB 需要 int8 量化底模加逐块 offload——但文本编码器请保持不量化，Qwen2.5-VL 对量化很敏感。
python test.py --config ./configs/k5_lite_t2i_sft_hd.yaml --prompt "A cat in a red hat with a label 'HELLO'" --offload
一条片子、一张图，到底多少钱
官方在 H100 80GB 上的实测：T2I Lite 出一张 1024×1024 图 13 秒，Video Lite 蒸馏版 5 秒片 35 秒，Video Pro 5 秒 HD 1241 秒。直接乘 NexGPU 的 H100 SXM 80GB 费率 $3.582/卡·时——单图 = 13 ÷ 3600 × 3.582 ≈ $0.0129，出 100 张约 $1.29；蒸馏视频 = 35 ÷ 3600 × 3.582 ≈ $0.035 一条；Video Pro HD = 1241 ÷ 3600 × 3.582 ≈ $1.24 一条 5 秒。消费级卡官方没给延迟数字，但账你自己就能算：RTX 3090 24GB 是 $0.193/卡·时，哪怕它比 H100 慢 10 倍、一张图跑 130 秒，也只有 130 ÷ 3600 × 0.193 ≈ $0.0070，反而比 H100 便宜近一半——批量出图选便宜卡、赶交付选 H100，是两笔完全不同的账。存储另算：T2I Lite 的一整套权重（6B DiT bf16 约 12GB + Qwen2.5-VL 7B 约 15GB + CLIP/VAE 约 1GB ≈ 28GB）常驻，按 $0.414/GB·月 的中位价约 28 × 0.414 ≈ $11.6 一个月。算力按秒计量、停机即停止计费，存储则一直计到你销毁为止。
04 —