MAGI-2 Preview: il modello video open source di Sand.ai

👁 120 letture

Articolo aggiornato costantemente. Situazione all’11 ottobre 2026.

MAGI-2 Preview è un modello video open source sviluppato dall’azienda di Pechino Sand.ai: conta 114 miliardi di parametri totali, di cui circa 6 miliardi attivi per ciascun token, genera clip da 10 secondi in 1080p con audio nativo ed è distribuito con licenza Apache-2.0. Nella classifica image-to-video di Artificial Analysis si piazza al 10° posto (1093 punti Elo), risultando il modello a pesi aperti con il punteggio più alto dopo MiniMax H3. L’ostacolo principale: per eseguirlo servono 8 schede NVIDIA Hopper da 80 GB e al momento non esiste un’API pubblica con prezzi definiti.

Cos’è MAGI-2 e chi c’è dietro

Sand.ai è una startup con sede a Pechino fondata da Cao Yue, coautore dell’architettura Swin Transformer (riconosciuta con il Marr Prize), in passato Principal Researcher presso Microsoft Research Asia e a capo di un centro di ricerca al BAAI. L’azienda ha all’attivo diversi progetti:

• MAGI-1 (2025): modello video autoregressivo capace di generare clip sequenzialmente estendendone la durata. È accessibile tramite API presso diversi fornitori terzi.
• GAGA-1: modello audio-video specializzato in avatar parlanti.
• VidMuse: applicazione per la creazione di videoclip musicali; secondo Sand.ai avrebbe superato i 10 milioni di USD di ricavi ricorrenti annuali (ARR) in due mesi (circa 8,94 milioni di EUR al tasso BCE del 12/10/2026, 1 EUR = 1,1181 USD).
• MAGI-2 Preview (5 agosto 2026): nuovo modello base a pesi aperti.

Sul fronte dei finanziamenti, secondo quanto riportato da 36kr il 29 giugno 2026, Sand.ai ha raccolto oltre 100 milioni di USD (circa 89,44 milioni di EUR, fonte tassi BCE: ecb.europa.eu) in due round guidati da investitori come Matrix Partners China, Sinovation, IDG e Baidu Ventures. Il 29 settembre, Wangsu Science & Technology ha annunciato l’acquisizione del 4,4% della società per 300 milioni di yuan, operazione che attribuisce alla startup una valutazione complessiva di circa 1 miliardo di USD (circa 894,37 milioni di EUR). I relativi documenti finanziari mostrano tuttavia entrate contenute a fronte di perdite significative, come approfondito nell’articolo dedicato a Sand.ai e la valutazione da un miliardo di dollari.

A livello architetturale, MAGI-2 segna una rottura con l’approccio di MAGI-1. L’elaborazione a blocchi sequenziali è stata sostituita da un Diffusion Transformer monolitico in grado di processare testo, immagini e suono all’interno di un’unica sequenza. L’elevato numero di parametri è gestito tramite una struttura Mixture-of-Experts (MoE): 40 livelli totali di cui 36 sparsi, ciascuno con 12 teste dotate di router autonomo in cui ogni testa seleziona 6 esperti su 256. Questa configurazione permette di avere 114 miliardi di parametri complessivi attivandone solo circa 6 miliardi per ogni token. Sand.ai specifica chiaramente nella documentazione tecnica che si tratta di una “intermediate research release”, ossia un rilascio interlocutorio a scopo di ricerca.

Posizionamento nei benchmark di Artificial Analysis

La piattaforma Artificial Analysis (AA) stila le proprie classifiche tramite confronti alla cieca: i valutatori osservano due output generati dallo stesso prompt e scelgono il migliore. I dati rilevati l’11 ottobre 2026 posizionano MAGI-2 Preview al 10° posto nella categoria image-to-video con 1093 punti Elo. L’intervallo di confidenza al 95% (1086-1100) si sovrappone a quelli di Grok Imagine 1.5 e HappyHorse 1.0, delineando un sostanziale pareggio tecnico per le posizioni dalla 9 alla 11. Il divario rispetto ai vertici resta ampio: la vetta, presidiata da MiniMax H3 Max, si trova 102 punti più in alto.

Nota di conversione: le stime in EUR derivano dal tasso di riferimento BCE del 12/10/2026 (1 EUR = 1,1181 USD, fonte: ECB). I prezzi originali sono espressi in USD. Dati tratti da AA-Video-I2V v1.0 (rilevazione dell’11/10/2026). Dettagli sui pesi aperti verificati tramite i riferimenti presenti nella tabella AA.

La scala del grafico parte da quota 1000 punti (barra piena = 1200) per evidenziare le differenze relative.

La versione 0912 nel benchmark text-to-video

Nella graduatoria text-to-video (AA-Video-T2V v2.0, valutata a 1080p con audio e introdotta il 30 settembre) figura la dicitura “MAGI-2 Preview (0912)”, registrata il 12 settembre 2026. Si colloca al 21° posto con 960 punti Elo (intervallo 950-970 su 3.674 confronti). Questa versione non è scaricabile pubblicamente: AA non fornisce collegamenti ai pesi e sul repository GitHub l’ultimo aggiornamento risale al 6 agosto. Con ogni probabilità si tratta di un checkpoint più recente fornito privatamente ad AA per i test, sebbene l’azienda non ne abbia mai documentato l’esistenza. La versione open distribuita ad agosto non è inclusa nella classifica T2V v2.0.

Specifiche tecniche di MAGI-2 Preview

Dati ricavati dal README su GitHub e dal report di Sand.ai (rilevazione dell’11/10/2026). Le funzionalità di estensione delle clip e generazione a lunghezza illimitata appartenevano a MAGI-1 e non sono presenti in MAGI-2.

L’integrazione di una timeline all’interno del prompt rappresenta l’aspetto più rilevante per i creator. L’esempio fornito dal team suddivide i 10 secondi in segmenti precisi (come “00:00.0-00:05.0” e “00:05.0-00:10.0”), specificando per ciascuno i movimenti di camera, le azioni dei personaggi, i suoni sincronizzati e il testo parlato. Essendo stato addestrato su descrizioni estese e ben strutturate, il modello rende al meglio espandendo le indicazioni brevi tramite un LLM di supporto. Gli schemi di prompt completi sono analizzati nella guida su cosa può fare MAGI-2 ed esempi pratici.

Disponibilità e costi di utilizzo

La disponibilità pratica rappresenta la criticità principale di MAGI-2. I pesi sono pubblici, ma non esiste un’infrastruttura chiavi in mano con prezzi trasparenti accessibile all’utente finale. Dalla verifica effettuata l’11 ottobre emerge quanto segue:

Nota: i controvalori in EUR sono calcolati al tasso BCE del 12/10/2026 (1 EUR = 1,1181 USD, fonte: ecb.europa.eu) e servono da riferimento orientativo.

Nelle dichiarazioni ufficiali Sand.ai menziona l’obiettivo di abbattere i costi a “1/10 rispetto ai modelli concorrenti”, senza però fornire cifre verificabili. Il costo ipotetico di 0,5 yuan a clip circolato online proviene da fonti non ufficiali e farebbe riferimento a una futura variante distillata. Un confronto dettagliato sui costi dei diversi provider è disponibile nell’articolo sui costi al secondo dei modelli video AI.

Pesi aperti: contenuti del repository e requisiti hardware

L’interesse per MAGI-2 deriva principalmente dalla modalità di rilascio. L’archivio è ospitato su Hugging Face con licenza Apache-2.0: chiunque può scaricarlo, apportare modifiche, effettuare il fine-tuning e usarlo in contesti commerciali senza soglie di fatturato o limitazioni territoriali. Al contrario, la licenza di MiniMax H3 esclude espressamente i soggetti residenti nell’Unione Europea, mentre LTX-2.5 limita la gratuità alle aziende con entrate inferiori a 10 milioni di USD all’anno.

Requisiti indicati nel README:

• 8 GPU NVIDIA Hopper (H100/H200). Il team specifica che a 1080p né il modulo di anteprima né il refiner possono risiedere simultaneamente su una singola scheda da 80 GB insieme alle attivazioni dell’altro, rendendo necessario il passaggio dinamico dei pesi tra le fasi.
• Python 3.12, ambiente CUDA aggiornato e ffmpeg installato (in assenza del quale i video risulteranno privi di traccia audio).
• Immagine Docker sandai/magi-2-preview: circa 12,7 GB secondo Docker Hub (dati dell’11/10), con tag fermi al 5 agosto.
• Modalità di offload supportate per encoder, anteprima, refiner e VAE: cpu, gpu oppure roundtrip.

Elementi non ancora rilasciati:

• Versione distillata: ancora contrassegnata come “Coming soon” per ridurre drasticamente i passaggi di calcolo e i tempi operativi.
• Quantizzazioni ufficiali (formati FP8 o GGUF).
• Nodi per ComfyUI: l’assenza era stata segnalata dalla documentazione di ComfyUI già ad agosto e il repository ufficiale continua a non farne menzione.

Quanto a tempi e costi effettivi, il produttore non fornisce metriche. L’unica stima indipendente disponibile è stata pubblicata sul blog di mushroom.cv (7 agosto 2026): il calcolo per una singola clip da 10 secondi richiederebbe circa 15-30 minuti su un cluster da 8 H100, con un costo compreso tra 25 e 42 USD a generazione noleggiando istanze AWS p5 (circa 22,36-37,56 EUR, cambio BCE 1 EUR = 1,1181 USD). Si tratta di valutazioni di terzi. A titolo di confronto, un intero minuto generato tramite API su H3 Max comporta una spesa di circa 4,29 EUR (4,80 USD).

Tentare l’avvio su una RTX 4090 o su qualsiasi configurazione desktop comune è impossibile. Il solo blocco del transformer di anteprima occupa 228 GB, a fronte dei 24 GB a disposizione sulla scheda top di gamma consumer; nemmeno collegare più schede domestiche risolverebbe il limite. Attenzione inoltre a repository non verificati su GitHub o Hugging Face che riutilizzano la dicitura MAGI-2: le uniche sorgenti autentiche sono SandAI-org/MAGI-2-preview e sand-ai/MAGI-2-preview.

Le alternative concrete per l’esecuzione in locale con una GPU da 24 GB guardano ad altri progetti. La variante TI2V-5B di Wan 2.2 (licenza Apache-2.0), secondo le indicazioni fornite da Alibaba, supporta risoluzioni 720p a 24 fps su RTX 4090, portando a termine una sequenza da 5 secondi in meno di 9 minuti. LTX-2.5 mette invece a disposizione nodi ComfyUI dedicati, distribuzioni in int8 e NVFP4 e supporto FP8 con offload su CPU per schede con memoria limitata. Per un panorama dei sistemi gestibili su hardware consumer è possibile consultare l’approfondimento sui modelli di intelligenza artificiale in locale.

Come iniziare con MAGI-2: procedura passo dopo passo

In assenza di un endpoint API pubblico, l’unica soluzione consiste nel configurare un cluster dedicato con 8 GPU Hopper. La sequenza descritta di seguito ricalca esattamente la procedura documentata nel README:

1. Configura l’istanza: noleggia una macchina equipaggiata con 8 schede NVIDIA H100 o H200 (80 GB ciascuna) e uno spazio di archiviazione adeguato a ospitare i 307 GB di parametri oltre all’immagine Docker.
2. Scarica i file del modello nella directory ckpt/: esegui pip install huggingface_hub seguito dal comando hf download sand-ai/MAGI-2-preview --local-dir ckpt. La gerarchia delle cartelle è già predisposta per la configurazione iniziale. Se salvi i dati altrove, imposta la variabile d’ambiente MAGI2_CKPT_ROOT.
3. Avvia l’ambiente Docker: scarica il container con docker pull sandai/magi-2-preview:latest e lancialo con il comando docker run --gpus all -it -v /path/to/ckpt:/workspace/ckpt sandai/magi-2-preview:latest. Per riprodurre esattamente i risultati viene suggerito di fare riferimento al tag di un commit specifico anziché a latest.
4. Esegui il test dimostrativo: avvia lo script bash scripts/run_demo.sh (risoluzione 1080p, seed 42, istruzioni prelevate da assets/demo_samples.json). I file prodotti verranno salvati come sample_000.mp4 e successivi.
5. Genera una clip personalizzata: usa torchrun --nproc_per_node=8 inference/pipeline/entry.py --prompt "a red fox in snow" --output output/. Per la modalità I2V è necessario includere l’argomento --image, mentre per forzare il formato 1080 x 1920 si specificano i parametri --output-width e --output-height.
6. Ottimizzazione del prompt (facoltativa): nel file inference/prompt_enhancement/enhancer.py è possibile definire un valore per API_KEY puntando a un modello linguistico con interfaccia compatibile con OpenAI. Lasciando il campo vuoto, il prompt viene trasmesso al modello senza riscritture.

Benché sia tecnicamente possibile procedere all’installazione nativa via pip (pip install -r requirements.txt con MagiAttention e MagiCompiler), le dipendenze precise sono documentate solo all’interno del Dockerfile, rendendo l’utilizzo del container l’approccio più lineare.

Confronto con i modelli concorrenti

Valori Elo e tariffe ricavati dalle tabelle di Artificial Analysis all’11 ottobre 2026. Stime in EUR basate sui tassi ufficiali BCE del 12/10/2026 (1 EUR = 1,1181 USD). Condizioni di licenza verificate su Hugging Face alla stessa data. L’analisi comparativa completa è consultabile nell’approfondimento su MAGI-2 contro Wan, LTX-2.5 e MiniMax H3.

Nel complesso, sul piano qualitativo MAGI-2 si allinea ai modelli proprietari di fascia media (come Grok Imagine 1.5 e HappyHorse), staccando nettamente LTX-2.5. Rispetto a MiniMax H3, il principale rivale a pesi aperti, sconta un ritardo di 88 punti Elo; tuttavia, i termini d’uso di H3 ne vietano l’adozione nei Paesi dell’Unione Europea in assenza di accordi specifici con l’azienda, mentre MAGI-2 è pienamente accessibile senza restrizioni geografiche.

A chi si rivolge MAGI-2

• Gruppi di ricerca e laboratori provvisti di cluster con GPU H100: è il più imponente modello video open basato su logica MoE dotato di documentazione architetturale trasparente.
• Imprese soggette a vincoli di conformità (protezione dei dati interni o obblighi normativi locali) alla ricerca di una licenza sfruttabile nell’UE senza clausole limitanti.
• Studi creativi orientati all’addestramento personalizzato su asset proprietari, grazie ai permessi concessi dalla licenza Apache-2.0.
• Non è adatto a singoli professionisti dotati di una sola workstation: l’hardware comune non è sufficiente e mancano API a consumo diretto. Per queste esigenze risultano preferibili MiniMax H3 Max via cloud o Wan 2.2 per l’elaborazione locale.
• Non è indicato per volumi produttivi elevati: con costi stimati tra 25 e 42 USD per clip su server noleggiati, l’impiego di servizi con API commerciali risulta nettamente più economico.

Approfondimenti correlati: quale generatore video AI scegliere e la nostra classifica dei migliori generatori video.

Domande frequenti

MAGI-2 si può usare gratuitamente?

I file del modello sono gratuiti con licenza Apache-2.0. Il costo è legato all’hardware necessario per l’inferenza, ossia 8 schede Hopper da 80 GB. Non è disponibile alcuna interfaccia web ufficiale gratuita.

Posso eseguire MAGI-2 su una RTX 4090?

No. La sezione di anteprima richiede 228 GB di VRAM su un footprint complessivo di 307 GB. Le specifiche ufficiali impongono 8 GPU Hopper di classe enterprise, mentre mancano quantizzazioni leggere o versioni distillate ufficiali.

Quali sono i prezzi per usare MAGI-2 via API?

Nessun listino è attualmente pubblico. Su Artificial Analysis la voce resta indicata come “Coming soon”, mentre il portale Sand.ai mostra le sezioni commerciali unicamente dopo l’autenticazione, descrivendo peraltro l’API della versione precedente MAGI-1. Piattaforme come fal.ai, Replicate, WaveSpeedAI e OpenRouter non integrano il modello (rilevazione dell’11/10/2026).

È possibile integrare MAGI-2 all’interno di ComfyUI?

Non esistono integrazioni ufficiali. Le estensioni create dalla community non offrono garanzie di affidabilità e in alcuni casi possono veicolare codice potenzialmente dannoso sfruttando il nome del progetto.

Quali sono le principali differenze rispetto a MAGI-1?

MAGI-1 creava sequenze video a blocchi incrementali supportando l’allungamento temporale delle scene. MAGI-2 è invece un Diffusion Transformer unico con architettura MoE che calcola contemporaneamente audio e video, vincolato rigidamente a clip di 10 secondi e privo di strumenti per estendere la durata.

Cosa rappresenta la voce MAGI-2 Preview (0912)?

È una build interna datata 12 settembre presente esclusivamente nel benchmark text-to-video di AA (21° posto con 960 Elo). I relativi pesi non sono mai stati resi pubblici e Sand.ai non ha diffuso note di rilascio dedicate.

MAGI-2 genera dialoghi in italiano?

La documentazione non specifica le lingue supportate oltre all’inglese, utilizzato negli esempi forniti dagli sviluppatori. Non avendo potuto generare clip di test in prima persona, non è stato possibile verificare la resa del parlato in altre lingue.

Le clip generate con MAGI-2 sono utilizzabili a scopi commerciali?

Sì, la licenza Apache-2.0 consente l’impiego per finalità commerciali senza limitazioni territoriali né vincoli legati al fatturato aziendale, ferma restando la responsabilità dell’utente finale sui contenuti prodotti.

Articoli correlati

• Cosa sa fare MAGI-2: prompt ufficiali con timeline ed esempi
• Modelli video open source nel 2026: MAGI-2, Wan, LTX-2.5 e MiniMax H3 a confronto
• Sand.ai raggiunge la valutazione di 1 miliardo di dollari con l’ingresso di Wangsu
• Agnes Video 2.5 e HiDream-O1-Video: le novità introdotte nello stesso aggiornamento della classifica

// continua a leggereAI Act chatbot: test 9 modelli, 8 sbagliano le dateMagazineCalendario AI 2026: lanci di modelli, eventi e leggiMagazineIl sito del Federal Register ha usato un modello AI cinese Qwen mentre l’FBI lo definiva dannosoNotizie