MAGI-2 Preview : le modèle vidéo open source de Sand.ai

👁 118 lectures

Article actualisé régulièrement. État des lieux au 11 octobre 2026.

MAGI-2 Preview est un modèle vidéo open source développé par la société pékinoise Sand.ai : 114 milliards de paramètres (dont environ 6 milliards actifs par jeton), des séquences de 10 secondes en 1080p avec son natif et une licence Apache-2.0. Dans le classement Image-to-Video d’Artificial Analysis, il se positionne à la 10e place (1093 points Elo), soit le meilleur score parmi les modèles aux poids ouverts derrière MiniMax H3. Petit bémol : son exécution nécessite 8 GPU NVIDIA Hopper de 80 Go, et aucune API publique avec grille tarifaire n’est encore disponible.

Qu’est-ce que MAGI-2 et qui développe ce modèle ?

Sand.ai est une jeune pousse pékinoise fondée par Cao Yue, co-auteur de l’architecture Swin Transformer (lauréate du Marr Prize), ancien Principal Researcher chez Microsoft Research Asia et ancien responsable de recherche au BAAI. L’entreprise compte déjà plusieurs outils à son actif :

• MAGI-1 (2025) : modèle vidéo autorégressif générant des clips par fragments successifs avec capacité d’extension. Accessible via API auprès de plusieurs plateformes intermédiaires.
• GAGA-1 : modèle audiovisuel dédié aux visages et personnages parlants.
• VidMuse : application de création de clips musicaux ; Sand.ai affirme avoir dépassé les 10 millions USD d’ARR (revenus récurrents annuels, soit environ 8,94 millions EUR selon le taux de référence de la BCE au 12/10/2026 - source : https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml) en deux mois.
• MAGI-2 Preview (5 août 2026) : nouveau modèle de fondation aux poids ouverts.

Côté financements : selon 36kr (29 juin 2026), Sand.ai a réuni plus de 100 millions USD (environ 89,44 millions EUR, BCE 12/10/2026) sur deux tours de table auprès de Matrix Partners China, Sinovation, IDG et Baidu Ventures. Le 29 septembre, Wangsu Science & Technology a officialisé l’acquisition de 4,4 % des parts pour 300 millions de yuans, valorisant la société à près d’un milliard de dollars US. Ces mêmes documents indiquent des revenus modestes face à des pertes importantes, sujet abordé dans l’article Sand.ai valorisé à un milliard de dollars.

Sur le plan technique, MAGI-2 rompt avec MAGI-1. Au lieu d’une génération séquentielle par morceaux, l’architecture repose sur un transformer à diffusion unifié qui traite texte, image et audio au sein d’une séquence unique. Le volume de paramètres s’explique par une structure MoE (mélange d’experts) : 40 couches (dont 36 éparses), 12 têtes par couche disposant chacune de son propre routeur, chaque tête sélectionnant 6 experts parmi 256. Le modèle totalise ainsi 114 milliards de paramètres, mais n’en active qu’environ 6 milliards par jeton. Dans sa documentation, Sand.ai souligne clairement qu’il s’agit d’une publication de recherche intermédiaire (« intermediate research release »).

Performances dans le benchmark Artificial Analysis

Artificial Analysis (AA) établit son classement à partir de comparaisons en aveugle : des évaluateurs visionnent deux vidéos générées avec la même invite et votent pour la meilleure. Relevé effectué le 11 octobre 2026. En génération Image-to-Video, MAGI-2 Preview arrive 10e avec 1093 points Elo. Son intervalle de confiance à 95 % (1086-1100) chevauche ceux de Grok Imagine 1.5 et de HappyHorse 1.0, ce qui correspond à une égalité statistique sur les rangs 9 à 11. Il reste toutefois nettement distancé par la tête du classement : le meneur MiniMax H3 Max compte 102 points de plus.

Données issues de AA-Video-I2V v1.0, relevées le 11/10/2026. Estimations en euros calculées selon le taux de référence de la BCE au 12/10/2026 (1 EUR = 1,1181 USD ; https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml). Statut des poids d’après les fiches AA.

L’échelle du graphique débute à 1000 points (barre complète = 1200) afin de rendre visibles les écarts réels.

La variante 0912 en Text-to-Video

Dans le comparatif Text-to-Video (AA-Video-T2V v2.0, évalué en 1080p avec audio, mis en ligne le 30 septembre), on remarque une entrée « MAGI-2 Preview (0912) » datée du 12 septembre 2026. Elle atteint le 21e rang avec 960 Elo (intervalle 950-970, 3674 comparaisons). Il ne s’agit pas d’une version téléchargeable : AA ne fournit aucun lien vers des fichiers de poids, et le dépôt GitHub n’a reçu aucune mise à jour depuis le 6 août. Il s’agit très probablement d’un point de contrôle (checkpoint) plus récent testé en interne par AA sans parution publique officielle. La mouture publique d’août n’apparaît pas dans le classement T2V v2.0.

Spécifications techniques de MAGI-2 Preview

Source : README sur GitHub et rapport Sand.ai (consultés le 11/10/2026). Contrairement à MAGI-1, MAGI-2 n’intègre pas de fonction d’allongement de vidéo ni de durée infinie.

La gestion de la chronologie dans l’invite constitue son atout majeur pour les concepteurs. L’exemple fourni détaille un clip de 10 secondes sous la forme de segments (« 00:00.0-00:05.0 », « 00:05.0-00:10.0 »), décrivant individuellement les mouvements de caméra, le jeu d’acteur, les bruitages calés à la seconde près et le texte parlé. Ayant été entraîné sur des descriptions techniques denses, le modèle tire profit d’une invite développée au préalable par un LLM externe, comme le préconise le README. Retrouvez des exemples d’invites issus du dépôt dans le guide Ce que sait faire MAGI-2 : exemples détaillés.

Disponibilité et tarifs

C’est ici que MAGI-2 montre ses limites actuelles. Si les poids sont téléchargeables, aucune solution clé en main dotée d’une tarification claire n’est accessible au grand public. Vérification effectuée le 11 octobre :

Les conversions en euros ci-dessus sont des estimations basées sur le cours de la BCE du 12/10/2026 (1 EUR = 1,1181 USD ; https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml). Sand.ai avance un coût divisé par dix face aux géants du secteur, sans fournir de grille chiffrée. Le chiffre de 0,5 yuan par rendu aperçu en ligne émane d’un blog tiers et cible une version distillée à venir : il ne saurait tenir lieu de tarif officiel. Pour étudier les prix pratiqués sur le marché, consultez notre dossier : Combien coûte une seconde de vidéo IA ?

Poids ouverts : ce que contient le modèle et configuration requise

L’intérêt suscité par MAGI-2 repose sur sa mise à disposition publique. Ses composants sont hébergés sur Hugging Face sous licence Apache-2.0 : vous pouvez les télécharger, les adapter, les affiner (fine-tuning) et les déployer dans des applications commerciales, sans palier de chiffre d’affaires ni restriction territoriale. À titre de comparaison, la licence de MiniMax H3 exclut explicitement l’Union européenne, tandis que LTX-2.5 n’est gratuit que pour les structures générant moins de 10 millions USD annuels.

Prérequis techniques indiqués dans le README :

• 8 GPU NVIDIA Hopper (H100/H200). Le guide précise qu’en 1080p, ni le transformer de prévisualisation ni l’affineur ne tiennent sur une carte 80 Go unique en même temps que les activations du second module ; ils sont donc déplacés d’une étape à l’autre.
• Python 3.12, pilotes CUDA récents et ffmpeg (indispensable pour encoder la piste audio dans le conteneur vidéo).
• Image Docker sandai/magi-2-preview : environ 12,7 Go sur Docker Hub (au 11/10), tags du 5 août.
• Modes de déchargement mémoire (offload) pour l’encodeur, la prévisualisation, l’affineur et le VAE : cpu, gpu ou roundtrip.

Éléments encore absents :

• Variante distillée : toujours notée « Coming soon » dans le README, promettant beaucoup moins d’itérations pour réduire le délai d’inférence.
• Quantifications officielles (FP8, GGUF).
• Nœuds ComfyUI officiels : comfyui-wiki confirmait leur absence dès le 5 août, et le dépôt officiel ne les référence toujours pas.

Combien de temps prend la génération et combien cela coûte-t-il ? Sand.ai ne communique aucun chiffre. La seule évaluation publique disponible provient du blog mushroom.cv (7 août 2026) : environ 15 à 30 minutes de calcul pour une vidéo de 10 secondes sur une configuration 8 x H100, soit un coût estimé entre 25 et 42 USD par séquence (environ 22,36 à 37,56 EUR selon le cours de la BCE du 12/10/2026 ; https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml) sur une instance AWS p5 louée à l’heure. Cette projection provient d’une analyse externe et ne constitue pas une mesure officielle. En comparaison, l’API de MiniMax H3 Max facture une minute entière 4,80 USD (environ 4,29 EUR).

MAGI-2 ne peut absolument pas tourner sur une RTX 4090 ni sur un poste personnel classique. Le seul transformer de prévisualisation pèse 228 Go, face aux 24 Go de VRAM d’une carte grand public. Multiplier les GPU grand public n’y changera rien à ce stade. Prenez garde par ailleurs aux dépôts non vérifiés sur GitHub ou Hugging Face prétendant adapter MAGI-2 : les deux seules sources authentiques sont SandAI-org/MAGI-2-preview et sand-ai/MAGI-2-preview.

Quelles alternatives pour tourner localement ? Avec un seul GPU de 24 Go, orientez-vous plutôt vers Wan 2.2 : sa version TI2V-5B (licence Apache-2.0) permet, selon la documentation d’Alibaba, de générer du 720p à 24 ips sur une RTX 4090, avec un clip de 5 secondes calculé en moins de 9 minutes. LTX-2.5 propose également des flux ComfyUI officiels, des formats en int8 et NVFP4, ainsi qu’une prise en charge FP8 avec déchargement CPU. Retrouvez notre sélection complète dans le dossier Faire tourner l’IA en local.

Guide pratique : déployer MAGI-2 étape par étape

Sans API grand public disponible, la seule méthode d’essai repose sur la location d’un serveur doté de 8 accélérateurs Hopper. Voici la procédure exacte issue du README :

1. Louez une instance équipée de 8 GPU H100 ou H200 (80 Go) et d’un volume de stockage suffisant pour accueillir au minimum 307 Go de poids plus l’image Docker.
2. Téléchargez les poids dans un répertoire ckpt/ : lancez pip install huggingface_hub, puis hf download sand-ai/MAGI-2-preview --local-dir ckpt. Les noms de dossiers correspondent aux chemins prévus par défaut. Pour un autre emplacement, définissez la variable d’environnement MAGI2_CKPT_ROOT.
3. Lancez le conteneur : récupérez l’image avec docker pull sandai/magi-2-preview:latest, puis démarrez l’environnement via docker run --gpus all -it -v /chemin/vers/ckpt:/workspace/ckpt sandai/magi-2-preview:latest. Pour assurer la reproductibilité, le README suggère de fixer le tag du commit Docker plutôt que d’utiliser latest.
4. Exécutez la démonstration fournie : lancez bash scripts/run_demo.sh (rendu 1080p, graine aléatoire 42, invites issues de assets/demo_samples.json). Les vidéos sont générées dans sample_000.mp4 et les fichiers suivants.
5. Générez votre propre extrait : exécutez la commande torchrun --nproc_per_node=8 inference/pipeline/entry.py --prompt "a red fox in snow" --output output/. Pour le mode Image-to-Video, ajoutez l’argument --image, et ajustez les dimensions via --output-width et --output-height pour obtenir un rendu précis en 1080 x 1920.
6. Enrichissement des invites (facultatif) : renseignez un paramètre API_KEY dans inference/prompt_enhancement/enhancer.py pour faire appel à un modèle de langage compatible avec l’API OpenAI. Sans cette clé, le script transmet le texte brut sans expansion préalable.

Une installation manuelle sans conteneur reste possible (via pip install -r requirements.txt associé à MagiAttention et MagiCompiler), mais le README détaillant principalement l’environnement Docker, cette dernière option limite les erreurs de dépendances.

Comparatif avec les modèles concurrents

Scores Elo et prix d’après Artificial Analysis au 11/10/2026. Équivalents en euros calculés selon le taux de référence de la BCE du 12/10/2026 (1 EUR = 1,1181 USD ; https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml). Licences vérifiées sur Hugging Face. Pour un panorama complet des architectures et des contraintes matérielles, découvrez notre comparatif : MAGI-2 vs Wan vs LTX-2.5 vs MiniMax H3.

En termes de fidélité visuelle, MAGI-2 rivalise avec des modèles propriétaires de milieu de tableau (Grok Imagine 1.5, HappyHorse) et surpasse LTX-2.5. Il cède 88 points face à MiniMax H3, mais ce dernier interdit légalement toute exploitation au sein de l’Union européenne sans accord dérogatoire avec MiniMax, alors que la licence Apache-2.0 de MAGI-2 autorise son usage sans obstacle géographique.

À qui s’adresse MAGI-2 ?

• Aux équipes de recherche et laboratoires équipés d’un cluster H100 : il constitue le plus vaste modèle vidéo MoE ouvert accompagné d’une documentation d’architecture intégrale.
• Aux entreprises devant internaliser leurs traitements pour des impératifs de confidentialité ou de conformité, nécessitant une licence ouverte sans clause restrictive pour l’Union européenne.
• Aux studios souhaitant affiner (fine-tune) un modèle sur leur propre univers visuel sans redevance.
• Pas aux créateurs indépendants équipés d’un seul PC : impossible à exécuter en local et sans API publique active. Tournez-vous vers MiniMax H3 Max via API ou vers Wan 2.2 sur machine locale.
• Pas aux productions à grande échelle dans l’immédiat : au coût estimé de 25 à 42 USD par séquence (environ 22,36 à 37,56 EUR) sur serveur loué, les solutions par API restent bien plus avantageuses financièrement.

Pour aller plus loin : Générateurs vidéo IA : guide d’achat et comparatif ainsi que notre classement des meilleurs générateurs vidéo.

Foire aux questions

MAGI-2 est-il gratuit ?

Les fichiers de poids sont entièrement libres d’accès sous licence Apache-2.0. La dépense réside dans l’infrastructure : 8 cartes Hopper de 80 Go. Il n’existe pas d’interface web gratuite accessible en ligne au grand public.

Peut-on faire tourner MAGI-2 sur une RTX 4090 ?

Non. Le modèle d’ébauche requiert à lui seul 228 Go, pour un total d’environ 307 Go. La documentation impose 8 GPU Hopper. Il n’existe pas encore de quantification officielle ni de déclinaison distillée.

Quel est le prix de l’API de MAGI-2 ?

Aucun tarif n’est publié. Artificial Analysis affiche la mention « Coming soon », tandis que l’interface de Sand.ai ne dévoile ses options qu’après enregistrement et documente l’ancienne API de MAGI-1. Les courtiers fal.ai, Replicate, WaveSpeedAI et OpenRouter ne proposent pas MAGI-2 au 11/10/2026.

MAGI-2 est-il compatible avec ComfyUI ?

Aucun nœud officiel n’a été publié. Des implémentations tierces circulent sur le Web, mais la prudence s’impose : certains dépôts usurpent le nom du modèle et peuvent embarquer du code malveillant.

Quelles sont les différences majeures entre MAGI-1 et MAGI-2 ?

MAGI-1 s’appuyait sur une synthèse séquentielle permettant de prolonger les scènes. MAGI-2 adopte un transformer à diffusion MoE générant simultanément l’image et l’audio, mais uniquement pour des plans fixes de 10 secondes, sans fonction d’extension.

Qu’est-ce que l’entrée MAGI-2 Preview (0912) ?

Il s’agit d’une déclinaison datée du 12 septembre présente uniquement dans le banc d’essai Text-to-Video d’AA (21e rang, 960 Elo). Ses poids ne sont pas téléchargeables et Sand.ai n’a publié aucun détail technique à son sujet.

MAGI-2 gère-t-il le français ?

Le développeur ne fournit pas de liste officielle des langues prises en charge. Les exemples audio officiels reposent sur l’anglais. Faute d’accès direct à l’infrastructure matérielle lors de cette étude, la synthèse vocale en français n’a pas pu être testée.

Peut-on utiliser les vidéos générées à des fins commerciales ?

Oui. La licence Apache-2.0 valide l’exploitation commerciale sans seuil de revenus ni clause d’exclusion territoriale. Vous conservez l’entière responsabilité légale des contenus que vous produisez.

Dans la même série

• Ce que sait faire MAGI-2 : exemples et invites chronologiques officielles
• Modèles vidéo ouverts : MAGI-2 vs Wan vs LTX-2.5 vs MiniMax H3
• Sand.ai valorisé à un milliard de dollars suite à l’entrée de Wangsu
• Agnes Video 2.5 et HiDream-O1-Video : retours sur les autres modèles du classement

// lire la suiteQuelle IA pour son mémoire ? Test de fausses sources sur 7 modèlesBenchmarksVidu Q4 Preview : 3e place du classement vidéo AIBenchmarksStrands Decider 2B d’AWS : que vaut ce modèle décisionnel open source ?Benchmarks