LTX, la empresa derivada de Lightricks especializada en modelos de video y de «mundo» abiertos, ha lanzado su última versión, LTX-2.5. Esta nueva versión se integra de manera nativa en ComfyUI, una herramienta de flujo de trabajo basada en nodos que se ha convertido en el entorno de referencia para medios generativos abiertos, gracias a una asociación estratégica entre ambas compañías.
LTX-2.5, que ya está disponible como open weights en plataformas como Hugging Face, permite a organizaciones con ingresos anuales recurrentes menores a diez millones de dólares utilizarlo gratuitamente. Las empresas de mayor tamaño deberán negociar un acuerdo de licencia. Hasta la fecha, LTX ha alcanzado más de 33 millones de descargas de sus modelos, consolidándose como la línea de modelos «open world» más utilizada en el mercado.
En una conversación previa al lanzamiento, Zeev Farbman, cofundador y CEO de LTX, y Yoland Yan, cofundador y CEO de ComfyUI, discutieron el enfoque de ambas empresas en los modelos de pesos abiertos en lugar de APIs cerradas. Farbman destacó el objetivo de mantener la eficiencia y velocidad de inferencia al tiempo que se mejora la calidad de producción.
Novedades de LTX-2.5
LTX-2.5 se ha reestructurado prácticamente en todos los niveles de su pipeline de generación, lo cual incluye:
- Un nuevo decodificador de video por difusión, que minimiza los artefactos visuales en secuencias de alta velocidad y mejora los detalles finos como textos y rostros, manteniendo al mismo tiempo un alto ratio de compresión.
- Generación multishot nativa, que permite procesar una secuencia completa como una sola salida, conservando la coherencia en personajes, escenas y voces a lo largo de los cortes.
- Una base de lenguaje Gemma 4 personalizada, que mejora el manejo de prompts complejos y de múltiples sujetos.
- Un checkpoint preentrenado ajustado para IA física y robótica, que proporciona una base que los equipos pueden afinar con datos del área específica que no se asemejan a videos cinematográficos.
- Un modelo destilado mejorado que ofrece calidad cercana al modelo completo a un costo inferior y una inferencia más rápida, optimizado para funcionar en GPUs NVIDIA RTX con menores requisitos de memoria.
La empresa asegura que LTX-2.5 tiene un costo aproximadamente ocho veces inferior y un tiempo de renderización siete veces menor en comparación con modelos similares.
Eficiencia y calidad de LTX-2.5
La velocidad es uno de los aspectos más destacados en el lanzamiento. LTX afirma que su modelo genera un clip de video de 10 segundos a 720p en 6.8 segundos, un rendimiento superior al tiempo real, aunque cabe destacar que este resultado se consiguió usando dos chips de alta gama de NVIDIA. En contraste, el rendimiento al utilizar la API gestionada de LTX fue de 23.7 segundos a 1080p.
Además, la compañía presentó resultados de pruebas de preferencia realizadas de forma ciega, donde LTX-2.5 obtuvo una tasa de éxito del 67% frente a otros modelos competidores, lo que destaca su calidad en el mercado.
La apuesta por un modelo de pesos abiertos
Farbman enfatiza que LTX surgió en respuesta a la creciente tendencia de modelos cerrados en la industria. Según sus palabras, la flexibilidad que brinda el acceso a modelos abiertos es crucial, dado el amplio rango de aplicaciones que tienen los modelos de video y mundo en comparación con los modelos de lenguaje, que suelen ser más restrictivos.
El enfoque en pesos abiertos no es solo por altruismo. Farbman señala que su estrategia se enfoca en ayudar a las empresas más pequeñas con la esperanza de que eventualmente firmen acuerdos de licencia a medida que crezcan.
Implicaciones para empresas y desarrolladores
La integración con ComfyUI tiene un valor significativo para LTX. Muchos de sus clientes comienzan su viaje con esta herramienta, lo que la convierte en un canal de captación de clientes natural. Yan indicó que ComfyUI facilita el acceso a modelos de pesos abiertos, lo que fomenta la innovación en diversos sectores, desde la producción creativa hasta la robótica.
Ambos directores subrayaron que los modelos de video no se limitan solo a la producción de clips cinematográficos. Las aplicaciones van desde fotografía computacional hasta síntesis de efectos visuales y simulación de agua, adaptándose a las necesidades de los estudios de animación y VFX.
La capacidad de experimentar con estos modelos en el hardware de una empresa sin restricciones en cuanto a generación o datos sensibilizados facilita la adopción a gran escala. No obstante, aquellas organizaciones con ingresos anuales superiores a los diez millones deben considerar las ventajas de involucrarse en las licencias a medida que evolucionen sus necesidades.
Con el lanzamiento de LTX-2.5 y la colaboración con ComfyUI, el futuro de la producción creativa y la tecnología generativa se presentan más prometedores que nunca, enfatizando la importancia de la innovación abierta en un panorama en rápida evolución.