LTX-2.5 vs 可灵 vs Sora：三分钟讲清 22B 开源模型动了谁的蛋糕
2026 年 8 月 11 日，Lightricks 正式发布 LTX-2.5 并同步开源权重。官方给出了一组极具冲击力的数据：在 2 张英伟达 GB200 上，图生视频生成 10 秒 720p 片段仅需 6.8 秒；托管 API 按每秒 0.09 美元计费，10 秒片段成本约 0.9 美元——而同一时期的闭源旗舰定价普遍是它的数倍。这一仗，直接把"视频生成是否必须依赖闭源 API"这个过去几乎无需讨论的问题，摆到了所有创作者和开发者的面前。
本文不打算停留在新闻复述层面。我们将结合仓库内真实可用的 22B 权重、量化与蒸馏变体、时长预测器与 LoRA 等组件，把 LTX-2.5 与可灵、Sora 放在参数规模、部署形态、生成成本、数据自主四个维度上做一次正面拆解，回答一个问题：当 22B 开源模型把速度与价格拉低到这种程度，闭源阵营的护城河还剩什么？
三方定位速览：参数、生态与部署形态
先看三方最基本的差异，这决定了它们在市场中的生态位。
Sora（OpenAI）：完全闭源的云端服务，不提供权重下载、不支持本地推理，用户只能通过官方 API 或应用界面调用。优势在于生态整合（与 ChatGPT 深度绑定）与自回归式长镜头叙事，但代价是生成能力完全托管在厂商的 GPU 集群上。
可灵（快手）：国内短视频场景的代表性闭源产品，通过 App 与网页端向普通用户提供服务，同样不开放权重。其强项是中文语义理解与中文提示词还原，这与快手在中文内容生态上的积累直接相关；国内创作者对其接受度极高，但商业条款、生成规格均由平台方单方面控制。
LTX-2.5（Lightricks）：22B 参数的开放世界模型，权重完全开源。它的定位与前两者有本质区别——它卖的不是"生成服务"，而是"生成能力本身"，让用户在自己的基础设施上自托管。仓库里的发布形式也很有讲究：不是单体大文件，而是一套与 ComfyUI 对齐的拆分组件包（每个组件一个 safetensors 文件），包括扩散 Transformer、Gemma 4 12B 文本编码器、视频/音频 VAE、蒸馏 LoRA、时长预测器以及空间/时间双路潜空间上采样器。
组件化发布带来的是部署形态上的自由：同一套权重，既可以走ltx-pipelines的纯 Python 管线，也可以进 ComfyUI 的节点工作流，还能用 Diffusers 生态加载，甚至针对 Blackwell 架构跑 NVFP4 量化。这一点后文会展开。
三方定位差异可以用一句话概括：Sora 与可灵是把模型当服务卖，LTX-2.5 是把模型当资产交付。前者按次计费、锁定在平台内，后者一次性交付、随取随用。当生成质量差距缩小到肉眼可辨的程度时，这种交付形态的区别就会转化为商业模式的直接竞争。
速度与成本：开源模型第一次在"价格表"上正面交锋
过去"开源视频模型"给人的印象往往是"能跑但慢"，LTX-2.5 打破的正是这个刻板印象。其核心速度数据来自官方发布材料：2×GB200 配置下 6.8 秒生成 10 秒 720p 图生视频。而社区传播中的对比口径更加直白——头条科技类报道称其"比可灵快 58 倍"。
这个数字的含金量在于：它不只是"论文里的理论速度"，而是通过托管 API 实际兑现的计价基准。根据 LTX 官方公布的价格表对比（IT之家 2026 年 8 月报道整理）：
| 模型 | 每秒成本 | 每 10 秒成本 | 独特差异化因素 |
|---|---|---|---|
| Veo 3.1 Lite（Google） | $0.05 | $0.50 | 类别最低价，不支持 4K、不支持剪辑扩展 |
| LTX-2.5 Fast（Lightricks） | $0.09 | $0.90 | 唯一开放权重；ARR < $10M 的组织免费自托管并可微调 |
| Veo 3.1 Fast（Google） | $0.10 | $1.00 | 最便宜的 4K 闭源 API 路径 |
| Gemini Omni Flash（Google） | $0.10 | $1.00 | 独立评定质量领先 |
| LTX-2.5 Pro（Lightricks） | $0.12 | $1.20 | 开放权重系列中的优质优化版，最高 1080p |
| Veo 3.1（Google） | $0.40 | $4.00 | 高级版，1080p |
值得注意的是，LTX-2.5 Fast 的 10 秒片段成本（$0.90）还不到 Veo 3.1 标准版（$4.00）的四分之一，而它同时是"业内唯一开放的权重模式"。也就是说，即便完全放弃自托管、直接买官方 API，LTX-2.5 在价格上依然有竞争力——开源不仅意味着"可以自己跑"，还反向压低了闭源 API 的定价天花板。
再看本地推理的真实成本。仓库中 bf16 蒸馏版 Transformer 单文件体积约 42 GB（diffusion_models/ltx-2.5-22b-distilled-transformer-bf16.safetensors，sha256: 31eb3cad...，size 42,018,190,584 字节），配合约 26 GB 的 Gemma 4 12B 文本编码器（text_encoders/gemma4-12b-with-proj-ltx-2.5-bf16.safetensors）。面对这个体量，Lightricks 的解法不是"劝你上 A100"，而是给出一条明确的降本路径：
- ComfyUI int8 + convrot 量化版：Transformer 缩到约 21.5 GB（
diffusion_models/ltx-2.5-22b-distilled-transformer-comfy-int8-convrot.safetensors），文本编码器缩到约 15.4 GB； - NVFP4 预量化版：Transformer 进一步压到约 18.7 GB（
diffusion_models/ltx-2.5-22b-distilled-transformer-nvfp4.safetensors），面向 Blackwell 架构； - LoRA 轻量微调：仓库提供约 8.9 GB 的蒸馏 LoRA（
loras/ltx-2.5-22b-distilled-lora-450-bf16.safetensors），无需训练完整 22B 即可获得定制能力。
社区实测也印证了这条路是通的：有开发者基于 ComfyUI 用 int8 量化模型配合低显存模式与帧数/分辨率降级策略，在 8GB 显存的 AMD 显卡（Windows + DirectML）上跑通了多片段拼接；另有一线实测表明 16GB 显存即可运行蒸馏版工作流。"22B 大模型"与"消费级显卡"这两个在过去互斥的标签，在量化与蒸馏的加持下第一次兼容了。
# 本地低显存推理的官方推荐组合：bf16 蒸馏 + fp8 量化 + CPU offload uv run python -m ltx_pipelines.distilled \ --transformer-path models/ltx-2.5/diffusion_models/ltx-2.5-22b-distilled-transformer-bf16.safetensors \ --text-encoder-path models/ltx-2.5/text_encoders/gemma4-12b-with-proj-ltx-2.5-bf16.safetensors \ --video-vae-path models/ltx-2.5/vae/ltx-2.5-video-vae-bf16.safetensors \ --audio-vae-path models/ltx-2.5/vae/ltx-2.5-audio-vae-bf16.safetensors \ --quantization fp8-cast \ --offload cpu \ --prompt "A golden retriever running through a sunny meadow, cinematic lighting" \ --seed 42 \ --output-path output_distilled.mp4数据自主与隐私叙事：开源最大的卖点不是技术，是权利
"闭源模型更安全"在视频生成领域是个伪命题——你上传的每一个镜头、每一段素材、每一个商业创意，都存储在厂商的服务器上，并受其服务条款与数据使用政策约束。对需要处理未公开产品素材、品牌视觉资产或受保密协议约束内容的团队来说，这构成真实的合规风险，而不只是隐私偏好问题。
LTX-2.5 的模型卡把这一点写得很直白："Full control and customization — self-host on your infrastructure. No per-generation billing, no per-seat lock-in, no forced API dependency."（完全控制与定制——在你的基础设施上自托管。没有按生成次数计费，没有按席位锁定，没有强制 API 依赖。）
许可证条款进一步把"数据自主"从口号落地为可执行的权利。仓库 README 明确说明：年度经常性收入（ARR）低于 1000 万美元的组织，可免费用于商业与生产环境；超过该规模则需签订付费商业授权协议。这意味着一个广告公司、独立工作室或垂直行业团队，可以把自己的素材库、风格资产与私有工作流全部绑定在本地权重上，生成过程完全离线，产出物完全归己——这是任何闭源 API 都无法提供的契约。
更重要的是，开源把"模型的所有权"从"使用权"中解放了出来。仓库中的 dev 版 Transformer（diffusion_models/ltx-2.5-22b-dev-transformer-bf16.safetensors）是可训练的完整权重，配合官方文档明确说明的"LTX-2.3 上训练的绝大多数 LoRA 与 IC-LoRA 可在 LTX-2.5 上直接使用"，意味着企业可以基于自身数据微调出专属的视频生成模型，而不必向任何平台提交训练素材。对影视、广告、电商这类高度依赖品牌一致性的行业，这才是"数据自主"叙事背后真正值钱的部分。
开源生态的三个"杀手级组件"：为什么它不只是"能跑"
如果 LTX-2.5 只是把权重开源，它的竞争力会大打折扣。真正拉开差距的，是开源形态让下面三个组件可以深度进入用户工作流：
多镜头单次生成（Multishot）。LTX-2.5 原生支持在单次生成中输出多个连贯镜头，跨剪辑保持角色身份、环境、光照、音色与视觉风格一致。这直接回应了影视级创作的核心痛点——过去的视频模型只能产出一个连续长镜头，而"分镜一致性"恰恰是专业创作者最依赖的生产能力。闭源平台或许也能做，但只能以黑盒服务的形式提供，无法被接入用户的剪辑管线。
时长预测器（Duration Head）。仓库中model_patches/ltx-2.5-duration-head-bf16.safetensors是一个轻量补丁（约 3.8 MB），作用是根据提示词语义自动决定视频长度并设置帧数，而不是依赖固定的时长参数。使用时只需在 CLI 中省略--num-frames，或按frames % 8 == 1的约束（1、9、17…121）手动指定。这个设计细节体现了开源生态的灵活度：一个几百 MB 的补丁就可以改变整个生成管线的主流程，这在闭源平台上是不可想象的。
双路潜空间上采样（Latent Upscaler）。仓库同时提供空间（x2）与时间（x2）两个上采样器（latent_upscale_models/ltx-2.5-latent-spatial-upscaler-x2-bf16-1.0.safetensors与ltx-2.5-latent-temporal-upscaler-x2-bf16-1.0.safetensors），用于官方推荐的多阶段管线：先低分辨率生成，再在潜空间完成分辨率与帧率的双重放大，最后解码输出。这也是官方演示中"1080p 甚至更高"画质的工程路径，让 22B 模型的推理不再被高分辨率解码一次性吃满显存。
这三者的共同点是：它们都以独立文件、独立组件的形式随权重一起发布，用户可以在 ComfyUI 工作流里自由组合、替换甚至二次开发。这是开源模型生态深度的直接体现——竞争从"谁的模型更好"延伸到了"谁的生态更能被定制"。
闭源阵营的护城河还剩什么
必须承认，闭源模型并非毫无还手之力。对照 LTX 官方公布的对比表与社区实测，Sora 与可灵（以及同代闭源产品）依然保有至少三道护城河：
第一道：中文与本土场景的语义优势。可灵在中文提示词还原、本土化内容理解上经过大量针对性优化，这是开源模型短期内难以追赶的领域数据壁垒。社区八组本地部署实测也指出，闭源模型在"语义理解与提示还原"维度上仍占优，而 LTX-2.5 的强项在"权重开放、管线可深度定制"。
第二道：工程化产品体验与分发渠道。Sora 与可灵把生成能力封装成了普通用户零门槛可用的产品——网页端、App、会员订阅、社区内容分发，整套闭环已经跑通。开源模型即便部署到 ComfyUI，也要求用户具备相当的工程能力，普通创作者不会为此买单。这是体验与渠道的护城河，而非技术本身的护城河。
第三道：顶配画质与极致体验的标杆效应。在高端竞品上（如 Veo 3.1 系列），闭源厂商仍然掌握着最前沿的画质上限，并在 Arena 类盲测中长期霸榜。开源模型目前的竞争力主要体现在"性价比区间"——用更低的成本获得 80%-90% 的效果——而非绝对画质的全面超越。
但反过来看，这三道护城河都在被侵蚀。中文语义优势可以被开源社区的中文数据微调补足（dev 权重可训练，正是为此留的口子）；产品体验优势正在被 ComfyUI 的节点化生态与 LoRA 社区快速填平；至于画质标杆——当生成成本差出 4 倍以上时，"稍好的画质"对绝大多数商业场景就不再是决定性变量。
结论：动的是"按次计费"这块蛋糕
回到标题的问题：22B 开源模型到底动了谁的蛋糕？答案不是一个具体的公司，而是**"按生成次数计费"这种商业模式本身**。
Sora 与可灵真正的护城河从来不是算法，而是"生成能力稀缺"这个前提——当生成能力只能通过 API 获得时，定价权天然握在平台手里。LTX-2.5 用 22B 开源权重 + 6.8 秒生成速度 + $0.09/秒的 API 价格三连击，同时压缩了稀缺性和定价空间：你可以自己跑，成本摊薄到硬件折旧；你也可以买 API，因为它的价格已经低于多数闭源同行。
对创作者而言，这意味着一个更实在的选择：要么花更少的钱租用能力，要么花钱买下能力本身。而对整个视频生成行业而言，开源模型第一次证明了自己不只是"实验室里的玩具"，而是能够以价格战的形式，重塑一个商业赛道的基础定价逻辑。
当"生成"本身变成一种可以拥有、可以定制、可以离线运行的基础设施时，闭源平台剩下来的，只有那些依赖生态绑定与渠道分发的存量用户。这块蛋糕，正在被一口一口地切开。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
