Agnes-Video-2.0-MoE : Sapiens AI ouvre ses poids sous Apache 2.0

👁 119 lectures

Le 11 octobre 2026, l’entreprise singapourienne Sapiens AI a mis en ligne sur Hugging Face son modèle Agnes-Video-2.0-MoE avec des poids ouverts sous licence Apache 2.0. Il intègre 28,7 milliards de paramètres, dont 15,3 milliards actifs, et génère de la vidéo avec du son. La version plus récente, Agnes Video 2.5, reste fermée et payante - je la détaille dans le guide dédié à Agnes Video 2.5.

Ce qui a été publié précisément

Le dépôt Agnes-AI/Agnes-Video-2.0-MoE a été créé le 11 octobre à 8h50 UTC. Selon le README (consulté le jour même), il s’agit d’un modèle générant de l’image et du son, conçu sur la base de DaVinci-MagiHuman, un projet ouvert développé par l’équipe GAIR-NLP.

La mouture mise à disposition correspond au modèle complet sans élagage. L’entreprise annonce également une version plus légère baptisée « EENP 60% », dont les poids ne sont pas encore accessibles. D’après le README, cette dernière réduit le temps de débruitage de 26,83 s à 20,92 s sur une puce H100, au détriment de la qualité globale (le score VBench 2.0 régressant de 0,519 à 0,479).

Contexte : la version 2.5 reste payante, la 2.0 quitte l’API

Voici la chronologie des événements au sein de la gamme Agnes Video :

• 31 mai 2026 - Agnes AI indique sur X qu’Agnes 2.0 (texte, image, vidéo) devient gratuit.
• 2 juillet 2026 - Premier extrait diffusé avec Agnes Video 2.5 Preview.
• 22 août 2026 - Date de sortie d’Agnes-Video-2.5 selon Artificial Analysis.
• 27 août 2026 - Déploiement de la version gratuite Flash sur Pavo, une plateforme de micro-séries.
• 25 septembre 2026 - Retrait d’Agnes-Video-V2.0 de l’API.
• 30 septembre 2026 - Artificial Analysis publie son nouveau classement text-to-video (v2.0). Au relevé du 11 octobre, Agnes-Video-2.5 se classe 10e (1057 Elo) tout en étant le plus abordable du top 10 : environ 2,15 EUR (2,40 USD) par minute en 1080p.
• 10 octobre 2026 - Ouverture du ticket #142 sur GitHub : la version gratuite Flash renvoie une erreur HTTP 503 « video_queue_full ».
• 11 octobre 2026 - Mise en ligne des poids d’Agnes-Video-2.0-MoE sur Hugging Face.

Le ticket #142 comptait deux retours au 11 octobre : le premier confirmait la même anomalie à l’aide d’une seconde clé d’API, tandis qu’un autre utilisateur rapportait une erreur identique le 11 octobre vers 11h25 UTC depuis un compte différent. L’éditeur n’a pas fourni de réponse. L’accès payant à la version 2.5 est facturé environ 0,022 EUR (0,025 USD) par seconde en 720p et environ 0,036 EUR (0,040 USD) en 1080p, soit approximativement 0,18 EUR (0,20 USD) pour un clip de 5 s en 1080p (conversions basées sur le taux de change de référence de la BCE au 12 octobre 2026 : 1 EUR = 1,1181 USD ; source : https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml).

Faire tourner le modèle localement : ce qui est envisageable

Le README détaille un exemple d’exécution : un script prenant en entrée un prompt textuel, fixant une durée de 5 s, 32 étapes d’échantillonnage et le paramètre cfg_number 2. Le code source supporte aussi les arguments --seed, --br_width et --br_height (définition de l’image). Bien que le modèle annonce prendre en charge la vidéo et l’audio en entrée, toutes les démonstrations présentes sur le répertoire partent uniquement de descriptions textuelles.

Certains détails manquent toutefois dans le fichier README :

• la quantité exacte de VRAM nécessaire ;
• la résolution maximale supportée et la durée plafond des séquences ;
• les mesures comparatives directes face à la déclinaison 2.5.

Les indicateurs de qualité ont été évalués par l’équipe en 448 x 256 sur 4 à 5 s, tandis que la vitesse sur puce H100 a été mesurée en FP32 sans intégrer le décodage VAE. Le volume des poids (environ 57,5 Go) dépassant largement la capacité d’une RTX 4090 grand public (24 Go), une machine équipée d’un seul GPU domestique nécessiterait de décharger une partie des calculs vers la mémoire vive (RAM). Bien que le fichier cpu_offload_wrapper.py soit inclus dans le répertoire, le README n’indique pas la marche à suivre pour s’en servir. Je n’ai pas exécuté le modèle.

Deux points de vigilance techniques et juridiques doivent être soulignés :

• La licence Apache 2.0 s’applique exclusivement aux poids d’Agnes. L’encodeur de texte T5Gemma dépend des conditions d’utilisation propres à Gemma, et les modules annexes disposent chacun de leur régime contractuel.
• Sur les six exemples vidéos référencés dans la documentation, seuls quatre étaient fonctionnels. Deux d’entre eux (un lever de soleil en montagne et des chevaux au bord d’un cours d’eau) aboutissaient à une erreur 404 le 11 octobre.

Pour découvrir des rendus de démonstration accompagnés de leurs consignes, vous pouvez vous référer à notre présentation sur les performances d’Agnes Video 2.5.

Quels enseignements en tirer pour vos projets ?

Si vous exploitez une infrastructure de calcul munie d’un GPU NVIDIA adapté, cette publication met à votre portée une solution complémentaire de génération audiovisuelle ouverte, exploitable pour l’expérimentation ou un usage commercial conforme aux licences. En revanche, le déploiement reste inopérant sur un poste de travail sous Windows standard sans passer par l’environnement WSL. Si votre priorité va au résultat immédiat plutôt qu’à l’auto-hébergement, l’API d’Agnes Video 2.5 revient à environ 17,89 EUR (20 USD) pour 100 séquences de 5 s en 1080p. Il s’agit du tarif le plus bas parmi le top 10 d’Artificial Analysis, même si MiniMax H3 se place environ 80 points plus haut pour environ 35,77 EUR (40 USD). L’analyse financière globale est détaillée dans notre comparatif sur le générateur vidéo IA le plus économique du top 10. D’autres architectures conçues pour vos propres machines sont répertoriées dans le guide sur l’IA locale, ainsi que l’alternative concurrente à base de MoE abordée dans notre article sur MAGI-2.

// lire la suiteAgnes Video 2.5 : prix et règles de facturationBenchmarksMiniMax H3-Image : test, prix, 4K et poids ouvertsActualitésHiDream-O1-Video dans l’API : uniquement image vers vidéoActualités