Sapiens AI otwiera wagi Agnes-Video-2.0-MoE na licencji Apache 2.0

👁 121 przeczytań

11 października 2026 singapurski Sapiens AI wrzucił na Hugging Face model Agnes-Video-2.0-MoE z otwartymi wagami na licencji Apache 2.0. Ma 28,7 mld parametrów, z czego 15,3 mld aktywnych, i robi wideo z dźwiękiem. Nowszy Agnes Video 2.5 zostaje płatny i zamknięty - opisuję go w przewodniku Agnes Video 2.5.

Co dokładnie udostępniono

Repozytorium Agnes-AI/Agnes-Video-2.0-MoE powstało 11 października o 8:50 UTC. Według README (odczyt tego samego dnia) to model generujący obraz i dźwięk, zbudowany na DaVinci-MagiHuman, otwartym projekcie zespołu GAIR-NLP.

Udostępniona wersja to model bez przycinania. Firma zapowiada lżejszą wersję „EENP 60%”, której wag jeszcze nie ma. Według README skraca ona czas odszumiania z 26,83 s do 20,92 s na karcie H100, kosztem niższych wyników jakości (VBench 2.0 spada z 0,519 do 0,479).

Tło: 2.5 płatny, 2.0 zniknął z API

Sekwencja zdarzeń w rodzinie Agnes Video:

• 31 maja 2026 - Agnes AI ogłasza na X, że Agnes 2.0 (tekst, obraz, wideo) jest darmowy.
• 2 lipca 2026 - pierwszy klip z Agnes Video 2.5 Preview.
• 22 sierpnia 2026 - data wydania Agnes-Video-2.5 według Artificial Analysis.
• 27 sierpnia 2026 - darmowa wersja Flash startuje w Pavo, platformie mikrodram.
• 25 września 2026 - Agnes-Video-V2.0 wycofany z API.
• 30 września 2026 - Artificial Analysis uruchamia nową tabelę tekstu na wideo (v2.0). W odczycie z 11.10 Agnes-Video-2.5 jest w niej 10. (1057 Elo) i najtańszy w top 10: 2,40 USD za minutę 1080p.
• 10 października 2026 - zgłoszenie #142 na GitHubie: darmowy Flash zwraca HTTP 503 „video_queue_full”.
• 11 października 2026 - wagi Agnes-Video-2.0-MoE na Hugging Face.

Zgłoszenie #142 ma do 11.10 dwa komentarze: w pierwszym ten sam błąd potwierdzono drugim kluczem API, a w drugim inny użytkownik z osobnego konta dostał ten sam błąd 11 października ok. 11:25 UTC. Firma nie odpowiedziała. Płatna wersja 2.5 kosztuje 0,025 USD za sekundę w 720P i 0,040 USD w 1080P, czyli 0,20 USD za klip 5 s w 1080p.

Co da się z tym zrobić lokalnie

README podaje przykładowe uruchomienie: skrypt z poleceniem tekstowym, długością 5 s, 32 krokami i parametrem cfg_number 2. W kodzie są też opcje --seed, --br_width i --br_height (rozdzielczość). Wszystkie demo w repozytorium to generacje z tekstu, mimo że model deklaruje wejście wideo i audio.

Czego README nie podaje:

• wymagań pamięci karty graficznej;
• maksymalnej rozdzielczości i długości klipu;
• wyników w porównaniach z wersją 2.5.

Pomiary jakości firma liczyła w 448 x 256 przy 4-5 s, a czas na H100 w FP32 bez dekodowania VAE. Sam plik wag (ok. 57,5 GB) jest ponad dwa razy większy niż pamięć RTX 4090 (24 GB), więc na jednej domowej karcie trzeba by odciążać model do RAM. W kodzie jest plik cpu_offload_wrapper.py, ale README nie opisuje, jak go użyć. Modelu nie uruchamiałem.

Dwie pułapki licencyjne i techniczne:

• Apache 2.0 obejmuje tylko wagi Agnes. Koder tekstu T5Gemma podlega warunkom Gemma, a pozostałe komponenty własnym licencjom.
• Z sześciu klipów demo, do których linkuje README, cztery działają. Dwa (wschód słońca w górach i konie nad rzeką) 11.10 zwracały błąd 404.

Przykładowe klipy demo z poleceniami pokazuję w tekście Co potrafi Agnes Video 2.5.

Co to znaczy dla użytkownika w Polsce

Jeśli masz serwer z mocną kartą NVIDIA, dostajesz kolejny otwarty model wideo z dźwiękiem do własnych eksperymentów i użytku komercyjnego w granicach licencji. Na domowym PC z Windowsem bez WSL go nie uruchomisz. Jeśli zależy ci na wyniku, a nie na lokalnym uruchomieniu, Agnes Video 2.5 przez API kosztuje 20 USD za 100 klipów 5 s w 1080p. To najmniej w top 10, choć MiniMax H3 za 40 USD jest w rankingu o 80 punktów wyżej. Pełny rachunek jest w zestawieniu najtańszy generator wideo w top 10. Inne modele do pracy na własnym sprzęcie opisuję w przewodniku lokalne AI, a otwartego rywala z MoE w tekście o MAGI-2.