A lokális AI videógenerálás 2026 tavaszán új szintre lépett: a Lightricks LTX-2.3 és a ByteDance/Peking University közös fejlesztésű Helios szinte egyszerre jelent meg, és mindkettő alapjaiban változtatja meg azt, amit saját hardveren elérhető minőségnek gondoltunk. Az open source ökoszisztéma felzárkózóban van a zárt, felhőalapú megoldásokhoz – de melyik eszköz éri meg igazán 2026-ban?
LTX 2.3 – sokoldalúság és production-ready megközelítés
A Lightricks márciusban kiadott LTX-2.3 modellje egy DiT (Diffusion Transformer) alapú rendszer, amely 4K felbontásig, 20 másodperces klipekig, és natív 9:16 portré formátumban is generál – mindezt szinkronizált hanggal egyetlen modellből. Apache 2.0 licensz alatt érhető el, LoRA fine-tuning is támogatott. RTX 4090-en egy 3-5 másodperces klip 30-90 másodpercet vesz igénybe; fp8 kvantálással már 8 GB VRAM-mal is futtatható, de 16-24 GB ajánlott. Külön érdekessége az LTX Desktop: egy ingyenes, nyílt forráskódú helyi videószerkesztő, amely az LTX-2.3 motorra épül.
ByteDance Helios – rekordsebesség, kutatási fókusz
A Helios 2026. március 4-én jelent meg a Peking University, ByteDance és Canva közös projektjeként. A 14 milliárd paraméteres modell egyetlen H100 GPU-n 19,5 FPS-t ér el – KV-cache, kvantálás vagy sparse attention nélkül. Akár 60 másodperces videókat generál, T2V, I2V és V2V módban egyaránt. Apache 2.0 alatt szabad kereskedelmi felhasználásra is, Group Offloading technikával ~6 GB VRAM-mal futtatható. Fontos: a projekt jelenleg szigorúan kutatási célú.
A többi komoly versenytárs
A Wan 2.2 (Alibaba) MoE architektúrával dolgozik, és sok benchmark szerint a legjobb filmszerű minőséget produkálja – de 27 GB VRAM kell hozzá. A Tencent HunyuanVideo 1.5 kiváló arc- és mozgásrenderelést nyújt 14 GB VRAM-tól. A CogVideoX-5B a legelérhetőbb belépőpont 8-12 GB VRAM-mal, de 720×480-as, 8 FPS-es outputja messze elmarad az újabb modellek mögött.
Melyiket válaszd?
Consumer GPU-n (RTX 3080–4090) az LTX-2.3 a legjobb all-round választás. Kutatóknak és H100-zal rendelkezőknek a Helios sebessége lehet döntő érv. Maximális filmszerű minőségért és elegendő VRAM esetén a Wan 2.2 tartja a top pozíciót. Kezdőknek a CogVideoX-5B az egyszerűbb belépési pont. 2026 első negyedévében az LTX 2.3 jelenti a legjobb egyensúlyt minőség, sebesség és használhatóság terén.
Forrás: LTX.io, The Decoder, InsiderLLM
