Skip to main content
Kandinsky 5.0 es una familia de modelos de difusión para la generación de video e imágenes desarrollada por Kandinsky Lab. Kandinsky 5.0 T2V Lite es un modelo ligero de 2B parámetros que se ubica entre los mejores modelos de generación de video de código abierto, capaz de generar videos de hasta 10 segundos de duración.
Asegúrate de que tu ComfyUI esté actualizado.Los flujos de trabajo de esta guía se encuentran en las Plantillas de flujos de trabajo. Si no los encuentras en las plantillas, es posible que tu ComfyUI esté desactualizado.Si faltan nodos al cargar un flujo de trabajo, estas son las posibles razones:
  1. No estás usando la última versión de ComfyUI (versión nocturna)
  2. Algunos nodos fallaron al importarse durante el inicio

​
Descripción general

Kandinsky 5.0 usa un pipeline de difusión latent con Flow Matching e incluye:
  • Diffusion Transformer (DiT): Arquitectura generativa principal con atención cruzada a los embeddings de texto
  • Qwen2.5-VL y CLIP: Proporciona embeddings de texto de alta calidad
  • HunyuanVideo 3D VAE: Codifica y decodifica el video en un espacio latent
La familia de modelos incluye varias variantes optimizadas para diferentes casos de uso:
  • Modelo SFT: Máxima calidad de generación
  • CFG-distilled: Inferencia 2× más rápida
  • Diffusion-distilled: 6× más rápida con una pérdida mínima de calidad (16 pasos)
  • Modelo preentrenado: Diseñado para fine-tuning
Todos los modelos están disponibles en versiones de generación de video de 5 y 10 segundos.

​
Variantes del modelo

​
Flujo de trabajo de texto a video

​
Kandinsky 5.0 Video Lite Text to Video

Un modelo ligero de 2B que genera videos a partir de prompts en inglés y ruso con alta calidad visual. Vista previa del flujo de trabajo Kandinsky 5.0 Video Lite de texto a video

Ejecutar en Comfy Cloud

Abrir en Comfy Cloud

Descargar flujo de trabajo

Descarga el JSON o busca “Kandinsky 5.0 Video Lite Text to Video” en la Biblioteca de plantillas

​
2. Descargar los modelos manualmente

Codificadores de texto

Text Encoder: qwen_2.5_vl_7b_fp8_scaled.safetensors

Codificador de texto Qwen2.5-VL 7B (FP8). Colócalo en ComfyUI/models/text_encoders/

Text Encoder: clip_l.safetensors

Codificador de texto CLIP-L. Colócalo en ComfyUI/models/text_encoders/
Modelo de difusión

Diffusion Model: kandinsky5lite_t2v_sft_5s.safetensors

Modelo de difusión Kandinsky 5.0 T2V Lite SFT (5 s). Colócalo en ComfyUI/models/diffusion_models/
VAE

VAE: hunyuan_video_vae_bf16.safetensors

VAE 3D de HunyuanVideo. Colócalo en ComfyUI/models/vae/

​
Flujo de trabajo de imagen a video

​
Kandinsky 5.0 Video Lite Image to Video

Un modelo ligero de 2B que genera videos a partir de prompts en inglés y ruso con alta calidad visual. Vista previa del flujo de trabajo Kandinsky 5.0 Video Lite de imagen a video

Ejecutar en Comfy Cloud

Abrir en Comfy Cloud

Descargar flujo de trabajo

Descarga el JSON o busca “Kandinsky 5.0 Video Lite Image to Video” en la Biblioteca de plantillas
Materiales de entrada Sube este archivo al nodo LoadImage correspondiente:

crystal_flower.png

Nodo LoadImage 11 · crystal_flower.png
crystal_flower.png

​
2. Descargar los modelos manualmente

Codificadores de texto

Text Encoder: qwen_2.5_vl_7b_fp8_scaled.safetensors

Codificador de texto Qwen2.5-VL 7B (FP8). Colócalo en ComfyUI/models/text_encoders/

Text Encoder: clip_l.safetensors

Codificador de texto CLIP-L. Colócalo en ComfyUI/models/text_encoders/
Modelo de difusión

Diffusion Model: kandinsky5lite_i2v_5s.safetensors

Modelo de difusión Kandinsky 5.0 I2V Lite (5 s). Colócalo en ComfyUI/models/diffusion_models/
VAE

VAE: hunyuan_video_vae_bf16.safetensors

VAE 3D de HunyuanVideo. Colócalo en ComfyUI/models/vae/

​
Recursos