Nuovi modelli AI locali di ottobre 2026: video, immagini e musica

👁 113 letture

A ottobre 2026 sono usciti diversi modelli open che vale la pena provare sul proprio computer: Kandinsky 6.0 per generare video con audio, Qwen-Image 2.1 Turbo e FLUX 3 Image Klein per le immagini e YuE2 per creare canzoni con voce. Li ho scaricati e provati su una RTX 4090 con ComfyUI, misurando tempi, memoria e capacità di lavorare in polacco. Qui trovi una panoramica dei risultati e i link ai test completi.

Come ho fatto i test

• Scheda RTX 4090 da 24 GB, 64 GB di RAM, processore i9-14900KF, Windows 11.
• ComfyUI 0.41.0, aggiornato dalla versione 0.37 perché quella precedente non supportava FLUX 3, YuE2 e Qwen Turbo.
• Modelli archiviati su un SSD da 8 TB collegato via USB. Con un disco NVMe il primo caricamento sarebbe stato più rapido.
• Il tempo va dall’invio del lavoro al salvataggio del file. La VRAM indica il picco di utilizzo dell’intera scheda, misurato con nvidia-smi.

Confronto dei modelli

Video: Kandinsky 6.0

È la novità più interessante del mese. Kandinsky 6.0, di Kandinsky Lab, genera immagini e audio in un unico passaggio: parlato con sincronizzazione labiale, effetti sonori e musica di sottofondo. La versione Lite ha 3 miliardi di parametri e rientra in 24 GB; la Pro ne ha 29 miliardi e sulla RTX 4090 funziona solo spostando parte dei pesi nella RAM.

• Nella prova in polacco, la versione Pro ha pronunciato correttamente 7 parole su 9 della frase «Buongiorno! Mele appena raccolte, dolci come il miele!», mentre in inglese non ha commesso errori. La frase italiana è una traduzione del testo originale del test, che era in polacco.
• Lite è più di 3 volte più veloce, ma storpia il parlato in polacco.
• La licenza MIT non prevede esclusioni per Paese. È un aspetto importante perché i pesi del concorrente MiniMax H3 non possono essere usati nell’UE.

Nel test completo di Kandinsky 6.0 Video in locale trovi otto clip con audio, la tabella dei tempi e le istruzioni per l’installazione.

Immagini: Qwen-Image 2.1 Turbo

È una versione distillata del modello aperto per immagini che si trova in cima alla classifica di Artificial Analysis. Bastano 8 passaggi anziché 25, e senza un confronto affiancato è difficile notare differenze di qualità. Nel mio test, le scritte «JAZZ SULL’ODRA» (traduzione del test originale in polacco) e «ACETO 12» (traduzione del test originale in polacco) sono state riprodotte correttamente, mentre si è verificata una scritta corrotta nel test originale in polacco. Le scritte mostrate qui sono traduzioni e adattamenti delle scritte del test originale in polacco; non sono state sottoposte a un nuovo test in italiano.

Il confronto completo su quattro prompt è nel test Qwen-Image 2.1 Turbo in locale.

Immagini: FLUX 3 Image Klein

Black Forest Labs ha presentato tra il 13 e il 15 ottobre il primo modello open della famiglia FLUX 3. Klein ha 5,6 miliardi di parametri e può generare immagini da testo, modificarle e creare composizioni usando fino a 10 immagini di riferimento. Usa Qwen3-VL-4B come encoder testuale e la stessa VAE di FLUX.2. ComfyUI lo supporta in modo nativo dalla versione 0.41.

• File per ComfyUI: modello int8 da 5,83 GB, encoder int8 da 4,86 GB, VAE da 0,34 GB.
• Il produttore consiglia esplicitamente di arricchire il prompt prima della generazione, con un «prompt upsampler» separato basato su Qwen 3.5 9B oppure su un qualsiasi modello linguistico. Un prompt breve produce un’immagine generica.
• Per accedere al repository bisogna accettare la licenza FLUX Kommunity: per scaricare il modello servono un account e un token Hugging Face.

La mia misurazione: 6-7 s per generare un’immagine da 1024×1536 (15 passaggi, int8) e un picco di 7,5 GB di VRAM sull’intera scheda, oltre la metà in meno rispetto a Qwen Turbo. Le scritte del test polacco hanno avuto risultati simili a Qwen Turbo: «SULL’ODRA» (traduzione del test originale in polacco) e «12» corrette, oltre a una scritta corrotta nel test originale in polacco. Le scritte qui riportate sono traduzioni di esempi del test originale in polacco, non risultati di un nuovo test in italiano. Nel test diFLUX 3 Image Klein in locale trovi il confronto con gli stessi prompt e le istruzioni per il download; la versione cloud è descritta nella guida FLUX 3 Image in polacco.

Musica: YuE2 e il confronto tra quattro modelli

Ho dato lo stesso testo in polacco, una ballata con due strofe e due ritornelli, a quattro modelli locali e ho analizzato i risultati con Whisper large-v3. Ho calcolato quale percentuale delle parole del testo fosse riconoscibile nella registrazione. Il test è stato eseguito in polacco: non è un benchmark in italiano.

YuE2 ha ottenuto il miglior risultato in una singola prova in polacco (98,8%) e non ha sbagliato nulla in inglese, ma i risultati sono variabili e la licenza non consente l’uso commerciale. ACE-Step 1.5 è stato il più costante e può essere usato a fini commerciali. Nel test di YuE2 in polacco trovi dettagli, campioni audio e impostazioni.

Influencer AI: immagini e video

Ho fatto anche una prova pratica con gli stessi modelli: ho creato 5 influencer AI molto diverse, evitando l’effetto «plasticoso», con 2 foto per ciascuno dei 5 modelli per immagini; poi ho realizzato video di 5 secondi con parlato in polacco. Per le foto da usare a fini commerciali è risultato migliore FLUX.2 Klein 4B (Apache 2.0); per i video con voce, Kandinsky 6.0 Pro, con una media del 65% delle parole riconosciute.

• Influencer AI senza effetto plastica: 125 immagini e un modello di prompt
• Un’influencer AI parlante: 15 clip con Kandinsky 6 e Wan 2.2

Altre novità e modelli che non ho scaricato

• MiniMax H3 (video con audio, 33B): la licenza dei pesi esclude UE, Stati Uniti, Regno Unito e Corea del Sud, quindi non consente l’uso nell’UE. Nemmeno la versione ridotta FastH3, che richiede 8 GB di VRAM, cambia questa condizione.
• HY Image 3.5 Preview di Tencent: supportato in ComfyUI dal 13 ottobre. Ne ho parlato nel test sulla generazione e modifica di scritte in polacco: test delle scritte in polacco e dell’editing.
• MAGI-2 e LTX-2.5: il confronto è nell’articolo Modelli video open del 2026.

Da dove iniziare

1. Installa o aggiorna ComfyUI alla versione 0.41: trovi le istruzioni nella guida ComfyUI dalle basi.
2. Per iniziare, scarica FLUX 3 Klein (circa 11 GB, funziona anche su schede da 8-12 GB) oppure Qwen-Image 2.1 Turbo (7,3 GB + 10 GB di file condivisi, il più veloce su una scheda da 24 GB).
3. Per i video, prova Kandinsky 6.0 Lite (6,4 GB + circa 18 GB di file condivisi).
4. Per le canzoni, scegli ACE-Step 1.5 (il più costante in polacco, MIT) oppure YuE2 (7,8 GB + 1,4 GB) per testi in inglese e uso privato.

La guida AI locale raccoglie l’elenco completo dei modelli che ho provato in locale, compresi quelli linguistici.

Domande frequenti

Basta una scheda grafica da 16 GB?

Per Qwen Turbo, YuE2 e Kandinsky Lite sì, ma dovrai spostare parte dei pesi nella RAM e i modelli saranno più lenti rispetto alle mie misurazioni. Sconsiglio Kandinsky 6 Pro su una scheda da 16 GB.

Quali di questi modelli si possono usare a fini commerciali?

Kandinsky 6.0 (MIT), DiffRhythm 2 (Apache 2.0) e ACE-Step 1.5 (MIT). Qwen-Image 2.1 Turbo è riservato alla ricerca, mentre YuE2 usa la licenza CC BY-NC 4.0. FLUX 3 Klein ha una licenza specifica, FLUX Kommunity: prima di usarlo per guadagnare, leggine le condizioni.

Quanto spazio occupano su disco?

Tutti i modelli dell’elenco, con Kandinsky Pro in int8 e senza la versione ufficiale bf16, occupano circa 100 GB. Kandinsky Pro da solo occupa 30,5 GB in int8 e 60,3 GB in bf16.

Funzionano su Mac?

Ho fatto i test solo su Windows con una scheda NVIDIA. Alcuni modelli hanno versioni MLX per Mac, per esempio YuE2 e Qwen Turbo, ma non le ho provate.

Fonti

• Kandinsky 6.0 su Hugging Face
• Qwen-Image 2.1 Turbo su Hugging Face
• FLUX 3 Image Klein su Hugging Face
• YuE2 su Hugging Face
• DiffRhythm 2 su GitHub
• Registro delle modifiche di ComfyUI
• Misurazioni personali su RTX 4090, 17 ottobre 2026.

// continua a leggereNovità AI ottobre 2026: uscite, modelli e dateNotizieI nuovi modelli AI ti tolgono la scelta: test su 18 modelliMagazineRanking generatori immagini AI: 8 modelli a confrontoMagazine