ИИ-видео за полцента: Varya в 20 раз дешевле

Каждый раз, когда я генерирую ролик для урока курса или поста, я кошусь на счётчик — видео остаётся единственной модальностью ИИ, где счёт всё ещё кусается. Поэтому новость зацепила: индийский стартап Avataar AI при поддержке Peak XV выпустил Varya — модель генерации видео по цене ₹0,48, то есть полцента, за секунду готового ролика. Для сравнения: Veo от Google, Kling, Luma и Runway берут от $0,10 за секунду и выше. Разрыв примерно в 20 раз за одну и ту же базовую работу: вводишь промпт или кидаешь референс-картинку — получаешь видео.

Цифры скорости не тише. Varya выдаёт пятисекундный ролик в 720p за 45 секунд на одном GPU Nvidia H200. Модели, из которой её дистиллировали — открытой Wan 2.2 от Alibaba, — на тот же результат нужно около 1230 секунд. В десять раз быстрее, потому что Varya генерирует за 4 шага вместо 50 у Wan.

Дистилляция съедает прайс-лист

А вот часть, которая мне кажется по-настоящему важной. Avataar не обучала фронтирную модель с нуля — стартапам такие GPU-бюджеты никто не выдаёт. Они взяли существующую открытую модель и дистиллировали её: сжали большого «учителя» в маленького быстрого «ученика», который сохраняет большую часть качества за долю цены. Это тот же приём, который сделал возможными дешёвые чат-модели, — и теперь он добрался до видео. Avataar — один из 12 стартапов программы India AI Mission: государство выделяет около $1,2 млрд и субсидирует вычисления в обмен на публичные релизы моделей. Поэтому веса Varya открыты на портале AI Kosh, а публичная бета уже работает на сайте компании. Модель к тому же специально обучена на индийских праздниках, еде, одежде и архитектуре — глобальные модели на этих темах обычно выдают стереотипную картинку из туристического буклета. Раджан Анандан из Peak XV сформулировал тезис одной строкой: «Стоимость — главный ключ к внедрению ИИ в Индии».

Почему это должно волновать тебя, если ты не в Индии? Потому что цены не сидят в одном регионе. Мы уже смотрели это кино с чат-подписками: бюджетные тарифы сначала запускались на развивающихся рынках, а потом война цен пришла ко всем. Видео — самое дорогое, что сегодня можно сгенерировать, и ровно поэтому оно следующее в очереди под каток дистилляции. Когда ролик в 720p стоит полцента, генерация видео перестаёт быть премиум-функцией и становится обычной кнопкой в приложениях, которыми ты и так пользуешься: презентации, маркетплейсы, семейные фотоальбомы — всё подряд.

Моё мнение: интересная гонка в ИИ-видео больше не только про то, кто рисует самые красивые пиксели, — она ещё и про то, кто делает их в сто раз дешевле. Дистилляция только что показала, что умеет сжимать цену в 20 раз за один релиз. Красивые пиксели подтянутся.