Le même film en open source : 9,16 $ et des sous-titres en charabia
Retour au 22 octobre : la première fois qu'on a tourné « Biopic non autorisé », avec les modèles fermés, la facture est montée jusqu'à 39 $. Avance rapide. Cette fois, j'ai loué des cartes graphiques à l'heure et je l'ai refait cinq fois avec des modèles à poids ouverts. Résultat : un film à 26 centimes de génération, des sous-titres dans une langue qui n'existe pas, et des inconnus qui s'invitent sur le toit.
Banc d'essai. Nos 75 vidéos et les pages officielles des modèles : 23/10/2026.
MilkyCelle qui teste · Image, vidéo et ComfyUI
Vérifié par une 2e IA
En bref
- Cinq films, 75 vidéos, aucun échec : 9,16 $ facturés par Runpod (lien parrainé), cartes et disques, installation comprise. Un premier pod n'a jamais démarré et n'a pas été facturé. Stockage du volume réseau non compté.
- En temps de génération seul, le film coûte de 0,26 $ (LTX-2.3) à 5,44 $ (MiniMax H3), contre 3,83 $ à 39,00 $ facturés pour les versions fermées (Seedance sur 14 scènes).
- La contrepartie : faux sous-titres en charabia chez LTX, figurants en trop et pas de son chez Wan. Seul MiniMax H3 finit la scène 12 sur l'image de fin prévue.
Le protocole et ses limites
Même film que dans mon banc d'essai des quatre versions fermées : 15 scènes d'environ 6 s, mêmes images de départ, mêmes prompts, même montage. Graine fixe, pas de LoRA, le workflow ComfyUI de chaque modèle (un logiciel où l'on branche les étapes de génération comme des blocs), sur des « pods » Runpod, des machines louées à l'heure.
- LTX-2.5 et LTX-2.3, 22 milliards de paramètres, vidéo et son dans le même modèle ;
- Wan 2.2 TI2V-5B (5 milliards) et Wan 2.2 I2V-A14B en mode rapide (deux « experts » d'environ 14 milliards chacun : 27 milliards en tout, 14 actifs à chaque étape, selon sa page ; le bandeau de nos films arrondit à « 2 × 14B ») : muets chez nous ;
- MiniMax H3, 33 milliards de paramètres, vidéo et son.
Ce qui n'est pas équitable, je te le dis avant que tu le remarques :
- Pas la même taille d'image : de 704 × 1 280 à 768 × 1 344.
- Une seule prise par scène.
- La diction n'a pas été contrôlée pour comparer les modèles.
- Les défauts, c'est mon œil, sur des images fixes extraites avec ffmpeg.
L'addition
Graphique White Rose Lab (Python/PIL). Open source : génération seule, notre calcul d'après nos fiches ; cartes, facture Runpod du 23/10/2026 ; temps, journaux de nos deux pods. Frontière : relevés d'usage fal du 22/10/2026 (FLUX, Seedance) et du 23/10/2026 (Wan 3.0).
| Carte (prix horaire) | Génération seule, 15 scènes | Calcul moyen par scène | Son | |
|---|---|---|---|---|
| LTX-2.3 | A100 80 Go (1,79 $/h) | 0,26 $ | 29 s | oui |
| LTX-2.5 | A100 80 Go (1,79 $/h) | 0,35 $ | 40 s | oui |
| Wan 2.2 TI2V-5B | A100 80 Go (1,79 $/h) | 1,20 $ | 153 s | non |
| Wan 2.2 I2V-A14B rapide | A100 80 Go (1,79 $/h) | 1,49 $ | 184 s | non |
| MiniMax H3 | H100 80 Go (3,99 $/h) | 5,44 $ | 296 s | oui |
Génération seule : durée de génération de chaque vidéo, rapatriement du fichier compris, × prix horaire, hors installation, notre calcul. Pour MiniMax H3, elle compte les 5 minutes bloquées au rapatriement de la scène 5. Calcul moyen : temps de calcul seul, modèle déjà chargé ; il ne redonne donc pas la colonne précédente.
Mais tu paies tout le temps où la carte est allumée, et son disque. Les quatre premiers modèles ont partagé une A100, allumée 115 min 50 s : 3,50 $ facturés, dont 3,45 $ de carte, une quinzaine de centimes de plus que leurs temps de génération cumulés (3,30 $), et 0,05 $ de disque. MiniMax H3 avait sa H100, allumée 84 min 34 s : 5,65 $, dont 5,61 $ de carte et 0,04 $ de disque. Total facturé : 9,1555 $, soit 9,16 $. Une première carte est restée 10 min 57 s sans jamais répondre : elle n'apparaît pas sur la facture.
En face, facturé : 3,83 $ avec FLUX 3 Max en 720p (prix promo), 7,40 $ en 1080p (17 prises), 25,58 $ et 39,00 $ avec Seedance 2.0 et 2.5, sur 14 scènes, le 22/10 ; 9,00 $ avec Wan 3.0 en 720p, le 23/10. Le film LTX-2.3 coûte 0,255 $ de génération dans nos fiches, le prix d'une seule scène FLUX 720p en promo. Et pour 16 centimes de plus qu'un film Wan 3.0, on en a eu cinq. Plus une carte fantôme, gratuite.
Le temps
Une vidéo à la fois, les 15 scènes prennent 8 min 37 s avec LTX-2.3 et 81 min 53 s avec MiniMax H3, dont 5 minutes bloquées au rapatriement d'une vidéo. Les versions fermées tournaient quatre scènes à la fois, chronométrées de la file au fichier : 26 s par scène en médiane pour FLUX 720p, 269 s pour Seedance 2.0. Pas la même mesure : pas de classement.
Le vrai temps perdu : 33 minutes avant la première vidéo LTX. Onze sur la carte qui n'a jamais démarré, 17 à attendre une carte de 80 Go libre, 5 d'installation.
Ce qui a dérapé
Images fixes extraites avec ffmpeg des vidéos du 23/10/2026 et du film monté LTX-2.3.
Les faux sous-titres de LTX. Chaque prompt finissait par « no subtitles, no captions, no text on screen ». LTX-2.3 incruste quand même du texte inventé sur presque toutes les scènes : sur mes trois images par vidéo (à 1 s, 3 s et 5,5 s), j'en vois dans 13 scènes sur 15, et il peut y en avoir d'autres entre deux images. Au montage, il chevauche parfois les vrais sous-titres. LTX-2.5 ne le fait que sur 2 ou 3 scènes ; sur mes images, les scènes 3 et 11. Sa page promet un nouveau décodeur au texte à l'écran plus net. Je confirme : on lit très bien « Auit, acaice. ».
Wan, muet et accompagné. En scène 2, Wan A14B fait entrer une jeune femme absente de l'image de départ ; en scène 11, Wan 5B colle une tête au premier plan. Wan A14B ajoute aussi des sous-titres en haut de la scène 14. Et pas de son : leurs films ont un carton « modèle muet » et de la musique.
La scène 12. White Rose se prend un fin rayon doré, puis touche le petit trou fumant de son bonnet, et le film d'origine imposait une image de fin.
Dernière image de chaque vidéo de la scène 12 (fin − 0,1 s), extraite avec ffmpeg, 23/10/2026.
Seul MiniMax H3 a reçu cette image : les autres workflows officiels ne la prennent pas. Sa page prévoit ce mode, image de départ plus image d'arrivée, et il retombe pile sur la pose voulue.
Ce que l'open source change pour toi
Le prix. Tu paies la carte, pas la vidéo : avec LTX, quelques centimes par scène.
Le contrôle. Graine, taille, nombre d'étapes, modèle scène par scène : c'est toi qui choisis. Scammy en gros plan, refusée par les deux Seedance, est passée chez les cinq.
L'installation. Environ 96 Go à télécharger sur une carte, 40 Go sur l'autre, et les modèles téléchargés partent avec le pod supprimé. Wan A14B, lui, dormait déjà sur notre volume réseau, un stockage loué au forfait, environ 0,02 $ de l'heure qu'il serve ou non : ni son téléchargement ni ce stockage ne sont dans les 9,16 $.
Le temps humain. Écrire les scripts, régler les workflows, surveiller les cartes : rien de tout ça n'est dans les 9,16 $, et personne ne l'a chronométré.
Les licences, telles quelles
LTX-2.5 et LTX-2.3 : licences communautaires LTX, « worldwide », payantes pour les entreprises à 10 millions de dollars de chiffre d'affaires annuel ou plus. Wan 2.2 : Apache 2.0.
MiniMax H3 a sa licence à lui, datée du 2 août 2026. Elle exige une autorisation écrite préalable quand tes produits et services commerciaux font plus de 20 millions de dollars de chiffre d'affaires par an. Les passages sur le territoire, tels quels :
Texte complet : https://huggingface.co/MiniMaxAI/MiniMax-H3/raw/main/LICENSE. La page du modèle renvoie aussi vers un formulaire de demande « uniquement pour les États-Unis/l’UE/le Royaume-Uni/la Corée du Sud ».
Le director's cut open source
La meilleure prise de chaque scène : 9 LTX-2.5, 6 MiniMax H3, le nom du modèle en bas de chaque plan. Pas de Wan, muets. Pas de LTX-2.3 : toute prise à faux sous-titre est écartée, ce qui coûte aussi à LTX-2.5 ses scènes 3 et 11.
La diction a compté dans les choix, mais seulement estimée par une transcription automatique (Whisper small) : un indice, pas un contrôle, Whisper se trompe aussi. En scène 9, elle entend « Encore ! » chez MiniMax H3 et « Oh, go ! Oh, go ! » chez LTX-2.5. Je ne la compare pas à celle des versions fermées, mesurée avec un autre outil.
Le director's cut, 1 min 42 s :
Mon avis
Un goût, pas un classement. LTX-2.3 pour les brouillons, si tu supportes le charabia. LTX-2.5 pour le son. MiniMax H3 quand une scène doit finir sur une image précise. Wan 2.2 pour les plans sans dialogue, en surveillant les bords du cadre. Et le prochain « no subtitles » qui sort en elfique, ne me mets pas en colère.
Ce qu'on ne sait pas encore
- La diction, jamais écoutée, seulement estimée pour le director's cut.
- Le temps humain d'installation et de réglage : pas mesuré.
Les mots à retenir
- Poids ouverts : le modèle se télécharge et tourne sur ta machine, ou sur une machine louée.
- Image de fin : une seconde image donnée au modèle, qu'il doit atteindre à la fin de la vidéo.
Tous nos mots expliqués : le glossaire →
Passages sources
Pages officielles téléchargées le 23/10/2026 vers 17 h 05 UTC. Nos cartes : allumées le 23/10/2026 de 13 h 39 à 16 h 03 UTC, vidéos de 13 h 42 à 16 h 03 UTC.
Afficher les 22 sources
| Réf. | Citation (langue originale) | URL |
|---|---|---|
| S1↑1↑2↑3 | "LTX-2.5 is an open world model with open weights, built for local execution and fine-tuning. Its established use is generating synchronized, high-fidelity video and audio from text, image, and video inputs" ; "New diffusion video decoder — replaces the VAE reconstruction stage; sharper faces, textures, and on-screen text, better motion, and fewer artifacts in demanding scenes." ; "diffusion_models/ltx-2.5-22b-distilled-transformer-comfy-int8-convrot.safetensors" | https://huggingface.co/Lightricks/LTX-2.5 |
| S2↑ | "LTX-2.3 is a DiT-based audio-video foundation model designed to generate synchronized video and audio within a single model." ; "ltx-2.3-22b-dev | The full model, flexible and trainable in bf16" ; "ltx-2.3-22b-distilled | The distilled version of the full model, 8 steps, CFG=1" | https://huggingface.co/Lightricks/LTX-2.3 |
| S3↑ | "LTX-2.x Community License Agreement" ; "License date: August 11, 2026" ; "you are granted a non-exclusive, worldwide, non-transferable and royalty-free limited license" ; "Entities with annual revenues of at least $10,000,000 (the "Commercial Entities") are required to obtain a paid license" | https://raw.githubusercontent.com/Lightricks/LTX-2/main/LICENSE-2_x |
| S4↑ | "LTX-2 Community License Agreement" ; "License date: January 5, 2026" ; "you are granted a non-exclusive, worldwide, non-transferable and royalty-free limited license" ; "Entities with annual revenues of at least $10,000,000 (the "Commercial Entities") are required to obtain a paid commercial use license" | https://raw.githubusercontent.com/Lightricks/LTX-2/main/LICENSE-2 |
| S5↑1↑2 | "This model supports both text-to-video and image-to-video generation at 720P resolution with 24fps" ; "In addition to the 27B MoE models, a 5B dense model, i.e., TI2V-5B, is released." ; "The models in this repository are licensed under the Apache 2.0 License." | https://huggingface.co/Wan-AI/Wan2.2-TI2V-5B |
| S6↑ | "This repository also includes our I2V-A14B model, designed for image-to-video generation, supporting both 480P and 720P resolutions." ; "the A14B model series adopts a two-expert design" ; "Each expert model has about 14B parameters, resulting in a total of 27B parameters but only 14B active parameters per step" | https://huggingface.co/Wan-AI/Wan2.2-I2V-A14B |
| S7↑ | "Apache License Version 2.0, January 2004" | https://raw.githubusercontent.com/Wan-Video/Wan2.2/main/LICENSE.txt |
| S8↑1↑2↑3↑4 | "H3-Omni-Transformer is a 33B-parameter dense, single-stream Transformer" ; "Two image inputs: First-and-last-frame-to-video generation" ; "MiniMax-H3 Base FL2VA|Text-to-Audio-Video (t2va), First/Last-Frame-to-Audio-Video (fl2va)" ; "Application form(only for USA/EU/UK/South Korea)" | https://huggingface.co/MiniMaxAI/MiniMax-H3 |
| S9↑ | "MiniMax H3 release date/License date: August 2, 2026." ; "You shall obtain a separate, prior written authorization from MiniMax […] if your commercial products and services generate more than 20 million US dollars (or equivalent in other currencies) in yearly revenue." ; "“Applicable Territory” means worldwide, excluding the Excluded Territories." ; "“Excluded Territories” means the European Union, the United Kingdom, the Republic of Korea and the United States of America." ; "You may not use, reproduce, modify, distribute, or display the MiniMax H3 Works or any of their Outputs or results outside the Applicable Territory. Any such use outside the Applicable Territory is not authorized by this Agreement." | https://huggingface.co/MiniMaxAI/MiniMax-H3/raw/main/LICENSE |
| R1↑1↑2↑3↑4 | « Même 15 scènes, mêmes images de départ, mêmes prompts (suffixe compris) que le film du 22/10, sans LoRA, graine 2210. ComfyUI 0.42.0, graphes du banc vidéo du 22/10, durée passée à ~6 s. » ; « ComfyUI 0.42.0 sur un pod RunPod (carte louée à l'heure) » ; « No music, no subtitles, no captions, no text on screen, no logos. » ; prompt p12 : « a thin golden ray of light zaps her forehead […] touches the small smoking hole in her pink beanie » | relevé interne |
| R2↑1↑2↑3 | « la facturation RunPod fait foi » ; « A (1er essai) | RTX PRO 6000 | — (pod jamais démarré : ni IP ni SSH en 10 min) | 10 min 57 s » ; « A | A100 80 Go, 1,79 $/h | LTX-2.5, LTX-2.3, Wan 2.2 5B, Wan 2.2 A14B rapide | 115 min 50 s » ; « B | H100 80 Go, 3,99 $/h | MiniMax H3 | 84 min 34 s » ; « 75 vidéos, 0 échec » | relevé interne |
| R3↑1↑2↑3↑4↑5↑6+7 | Par modèle : durée, son, résolution, « Calcul moyen (modèle chargé) » 40 / 29 / 153 / 184 / 296 s, « Coût des 15 vidéos » 0.35 / 0.26 / 1.20 / 1.49 / 5.44 $ ; carton « Wan 2.2 I2V-A14B · 2 × 14B » ; « p14 : faux sous-titres en haut » ; « faux sous-titres incrustés sur 2-3 scènes (p03, p11) » ; « p03 : objet blanc dans la bouche ; p11 : une personne apparaît en gros plan au bord de l'image » ; « p02 : une femme apparaît dans le champ » ; « rien de notable sur les images extraites ; le rapatriement d'une vidéo (p05) a bloqué 5 min sur le proxy » ; « hors installation et attente » ; somme des fiches LTX-2.3 : 0,255 $ ; 3,46 − 3,30 = 0,16 $ (notre calcul) | relevé interne |
| R4↑1↑2↑3↑4↑5↑6+1 | Journal du pod A : « SSH muet apres 10 min » ; « volume reseau monte » ; script du pod : « Avec le volume, Wan A14B, umt5 et le VAE Wan 2.1 y sont deja. » ; « aucune carte de 80 Go ou plus disponible pour le pod A : rien lance, rien depense » ; « telechargement de 13 fichiers » ; « ComfyUI pret 292 s apres la creation du pod » ; « les modeles telecharges sur son disque partent avec lui » ; « La facturation RunPod fait foi » ; durées des séries, 33 min avant la première vidéo et environ 96 Go (notre calcul) | relevé interne |
| R5↑1↑2↑3↑4 | Journal du pod B : « telechargement de 4 fichiers » ; « ComfyUI pret 144 s apres la creation du pod » ; « fin minimax-h3 p05 604 s (calcul 286 s) 0.669 $ » ; « 84 min 34 s allume, soit 5.62 $ au prix horaire » ; série de 81 min 53 s et environ 40 Go (notre calcul) | relevé interne |
| R6↑1↑2↑3↑4 | Fiches JSON : « "resolution": "704x1280" … "son": true » (LTX) ; « "son": false » (Wan 5B et A14B) ; « "resolution": "768x1344" » (MiniMax H3) ; « "entree_modele": "recadrée au centre et redimensionnée en 864x1536" » ; scène 12 : « "image_fin_non_utilisee": false » (MiniMax H3), « true » (les 4 autres) | relevé interne |
| R7↑1↑2↑3↑4↑5↑6+5 | « Scène 12 : seul MiniMax H3 a reçu l'image de fin (p12b), comme le film d'origine ; les autres workflows officiels ne la prennent pas. » ; « Pas de contrôle de diction » ; « LTX-2.3 en incruste sur presque toutes les scènes, LTX-2.5 sur 2 ou 3 ; ils se superposent parfois aux vrais sous-titres du montage. » ; « laissés tels quels dans les montages, comme défaut du modèle à montrer » ; « Wan 5B et Wan A14B ont le carton « modèle muet » et la musique tout du long. » | relevé interne |
| R8↑1↑2↑3↑4↑5↑6+3 | Lecture image par image (ffmpeg, 23/10/2026) : « Canne-huthithers es athasenorou quegeive clecrit. » au-dessus du vrai sous-titre ; « -Bur! lit nort, la!!!! » ; « Auit, acaice. » ; texte incrusté visible sur au moins une des 3 images de relecture (1 s, 3 s, 5,5 s) dans 13 scènes sur 15 (LTX-2.3) ; « "Atenes... on pur ce wai? » (LTX-2.5, scène 11) ; figurante en scène 2 (Wan A14B), tête au premier plan en scène 11 (Wan 5B) ; dernière image de la scène 12 pour chaque modèle ; aucun lieu reconnaissable | relevé interne |
| R9 | Films montés : 1080 × 1920, 102,165 s à 104,165 s ; bandeau « LTX-2.3 · 22B · open source · avec son » | relevé interne |
| R10↑1↑2↑3↑4↑5↑6 | Article n°14 : « 3,83 $ avec FLUX 3 Max en 720p, 7,40 $ en 1080p (17 prises), 25,58 $ avec Seedance 2.0, 39,00 $ avec Seedance 2.5 » ; « 25,58 $ (14 scènes) » ; « 39,00 $ (14 scènes) » ; attente médiane 26 s (FLUX 720p), 269 s (Seedance 2.0) ; « Les deux Seedance ont refusé Scammy en gros plan » ; Wan 3.0 720p : « 180 unités × 0,05 $ = 9,00 $ pour 15 scènes » ; « 15/15, une prise par scène, aucun refus. Il faut 114 à 140 s de calcul par scène, 4 en parallèle. » ; « Sortie en 720 × 1280 avec le son. » | relevé interne |
| R11↑1↑2↑3↑4↑5↑6 | Director's cut : 1080 × 1920, 102,165 s ; « La meilleure prise de chaque scène parmi les 5 modèles open source du remake » ; « Le nom du modèle s'affiche en petit en bas de chaque plan. » ; « Wan 2.2 5B et A14B sont muets » ; « J'écarte les prises avec de faux sous-titres incrustés. C'est pour ça que LTX-2.3 n'est jamais retenu, et que LTX-2.5 perd p03 et p11. » ; « Bilan : 9 scènes LTX-2.5, 6 scènes MiniMax H3. » ; « transcription automatique locale (Whisper small […]) […] C'est un indice, pas une vérité : Whisper se trompe aussi » ; p05 « c'est le seul qui fait la bulle de chewing-gum demandée » ; p12 « seul modèle à avoir reçu l'image de fin » ; p09 : « "minimax-h3/p09": "Encore !" », « "ltx-2.5/p09": "Oh, go ! Oh, go !" » | relevé interne |
| R12↑ | Illustration : "google/nano-banana-2.1/edit", 2 photos de référence de Milky, "16:9", "2K", "2026-10-23 17:17 UTC" ; prix de cette image non mesuré | — |
| R13↑1↑2↑3↑4↑5 | Facture Runpod (list-pod-billing, lue le 23/10/2026) : pod A100 3,5036 $ (3,4504 $ de carte + 0,0532 $ de disque) ; pod H100 5,6519 $ (5,6113 $ de carte + 0,0405 $ de disque) ; total 9,1555 $ ; le premier pod, jamais démarré, n'apparaît pas dans la facturation ; volume réseau : forfait de 0,0194 $/h, payé qu'il serve ou non, non compté | relevé interne |
Je ne crois pas une démo. Je refais le test moi-même et je te montre le résultat, même quand il est moche. Et ne me mets pas en colère, tu ne vas pas aimer la suite.
