MAGI-2 Preview: el modelo de vídeo abierto de Sand.ai

👁 116 lecturas

Página actualizada de forma continua. Estado a 11 de octubre de 2026. Los precios convertidos a euros son estimaciones basadas en la tasa de referencia del BCE del 12/10/2026 (1 EUR = 1,1181 USD; https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml).

MAGI-2 Preview es un modelo abierto de vídeo de la empresa pequinesa Sand.ai: cuenta con 114 mil millones de parámetros (unos 6 mil millones activos por token), genera clips de 10 segundos en 1080p con audio integrado y utiliza licencia Apache-2.0. En el ranking de imagen a vídeo de Artificial Analysis se sitúa en 10.ª posición (1093 puntos Elo), lo que lo convierte en el modelo con pesos públicos mejor posicionado por detrás de MiniMax H3. La pega: para ejecutarlo se necesitan 8 aceleradoras NVIDIA Hopper de 80 GB y todavía no dispone de una API pública con precios por uso.

Qué es MAGI-2 y quién está detrás del modelo

Sand.ai es una startup de Pekín fundada por Cao Yue, coautor de la arquitectura Swin Transformer (galardonada con el premio Marr Prize), quien previamente fue Principal Researcher en Microsoft Research Asia y director de centro de investigación en BAAI. La compañía ha presentado varios productos:

• MAGI-1 (2025): modelo de vídeo autorregresivo que generaba fragmentos secuenciales y permitía extenderlos. Está disponible mediante API en varios proveedores.
• GAGA-1: modelo audiovisual para personajes hablantes.
• VidMuse: aplicación orientada a vídeos musicales; la web de Sand.ai afirma que superó los 10 millones de USD (aprox. 8,94 millones de EUR) de ingresos recurrentes anuales (ARR) en dos meses.
• MAGI-2 Preview (5 de agosto de 2026): nuevo modelo base con pesos abiertos.

Financiación: según 36kr (29 de junio de 2026), Sand.ai captó más de 100 millones de USD (aprox. 89,44 millones de EUR) en dos rondas con inversores como Matrix Partners China, Sinovation, IDG y Baidu Ventures. El 29 de septiembre, Wangsu Science & Technology anunció la compra del 4,4% de las acciones por 300 millones de yuanes, valorando la empresa en unos 1000 millones de USD (aprox. 894,37 millones de EUR). Esos mismos documentos reflejan ingresos reducidos y pérdidas operativas elevadas, un contexto que analicé en el artículo sobre la valoración de Sand.ai como unicornio.

Desde el punto de vista técnico, MAGI-2 supone una ruptura total con MAGI-1. En lugar de una generación autorregresiva por bloques, utiliza un único transformador de difusión que procesa texto, imagen y sonido dentro de una misma secuencia. Su elevado volumen de parámetros proviene de una arquitectura MoE (mezcla de expertos): 40 capas (36 de ellas dispersas), cada una con 12 cabezales y su propio enrutador, donde cada cabezal selecciona 6 de 256 expertos. Gracias a esto, el modelo cuenta con 114 mil millones de parámetros, pero solo computa unos 6 mil millones por cada token. En su informe técnico, Sand.ai subraya que se trata de un «intermediate research release» (versión intermedia de investigación).

Posición en el ranking de Artificial Analysis

Artificial Analysis (AA) elabora sus clasificaciones a partir de comparaciones a ciegas: los evaluadores visualizan dos vídeos generados a partir del mismo prompt y eligen el mejor. He consultado ambas tablas el 11 de octubre de 2026. En la categoría de imagen a vídeo (I2V), MAGI-2 Preview ocupa el 10.º puesto con 1093 puntos Elo. Su intervalo del 95% (1086-1100) se solapa con Grok Imagine 1.5 y HappyHorse 1.0, por lo que las posiciones 9 a 11 representan prácticamente un empate técnico. Sin embargo, queda lejos de la cabeza: el líder, MiniMax H3 Max, le saca 102 puntos.

Datos: AA-Video-I2V v1.0, consulta del 11/10/2026. La columna «pesos abiertos» se basa en los enlaces de la tabla de AA.

La escala del gráfico comienza en 1000 puntos (barra completa = 1200) para apreciar mejor las diferencias.

La versión 0912 en texto a vídeo

En el ranking de texto a vídeo (AA-Video-T2V v2.0, evaluado en 1080p con audio y estrenado el 30 de septiembre) figura una variante denominada «MAGI-2 Preview (0912)» fechada el 12 de septiembre de 2026. Se sitúa en el 21.º puesto con 960 Elo (intervalo 950-970 tras 3674 comparaciones). No es una versión descargable: AA no enlaza sus pesos y en el repositorio de GitHub el último cambio registrado es del 6 de agosto. Todo apunta a un checkpoint posterior facilitado directamente a AA para su evaluación sin lanzamiento público, aunque el fabricante no lo ha aclarado en ninguna publicación. La versión abierta de agosto no aparece en este benchmark T2V v2.0.

Especificaciones técnicas de MAGI-2 Preview

Fuente: README en GitHub e informe técnico de Sand.ai (consultados el 11/10/2026). MAGI-2 no permite extender clips ni generar longitudes arbitrarias; esas funciones pertenecían a MAGI-1.

La línea temporal en el prompt es la característica más llamativa para creadores. El ejemplo oficial organiza el clip de 10 segundos en bloques secuenciales («00:00.0-00:05.0», «00:05.0-00:10.0»), detallando en cada uno el tiro de cámara, la acción del personaje, los eventos de sonido sincronizados y las frases habladas. Como el modelo fue entrenado con descripciones estructuradas y extensas, el README aconseja expandir los prompts breves mediante un modelo de lenguaje externo. Puedes ver los prompts oficiales en el artículo sobre ejemplos y capacidades de MAGI-2.

Disponibilidad y precios

Este es el aspecto más restrictivo del modelo. Aunque los pesos son abiertos, actualmente no existe un servicio en la nube listo para usar con tarifas claras para el usuario final. Comprobado a 11 de octubre:

Sand.ai promete reducir el coste a «1/10» de los modelos de referencia del mercado, pero no detalla precios oficiales. La cifra de 0,5 yuanes por clip mencionada en algunos foros procede de un blog externo y hace referencia a una futura versión destilada, por lo que no puede considerarse una tarifa real. Encontrarás más detalles sobre el mercado en la comparativa sobre cuánto cuesta un segundo de vídeo con IA.

Pesos abiertos: qué incluye la descarga y qué hardware exige

El interés que despierta MAGI-2 radica en la disponibilidad de sus pesos en Hugging Face bajo licencia Apache-2.0: puedes descargarlos, modificarlos, entrenar adaptaciones y utilizarlos con fines comerciales sin límites de facturación ni vetos geográficos. En comparación, MiniMax H3 excluye explícitamente a la Unión Europea en su licencia de pesos, y LTX-2.5 exige pagar si la empresa factura más de 10 millones de USD (aprox. 8,94 millones de EUR) al año.

Requisitos oficiales según el README:

• 8 aceleradoras NVIDIA Hopper (H100 o H200 de 80 GB). El README aclara que a 1080p ni el transformador de vista previa ni el de refinado caben en una sola tarjeta junto a las activaciones del otro, por lo que se realiza descarga de memoria entre etapas.
• Python 3.12, controladores CUDA actualizados y ffmpeg instalado en el sistema (imprescindible para exportar el audio en el vídeo).
• Imagen Docker sandai/magi-2-preview: ocupa unos 12,7 GB según Docker Hub (11/10), con etiquetas fijadas al 5 de agosto.
• Modos de descarga de memoria (offload) para el codificador, la vista previa, el refiner y el VAE: opciones cpu, gpu o roundtrip.

Lo que no está disponible por ahora:

• Versión destilada: catalogada en el README como «Coming soon», con «muchos menos pasos» para agilizar la generación.
• Cuantizaciones oficiales en formatos FP8 o GGUF.
• Nodos oficiales para ComfyUI: comfyui-wiki señaló el 5 de agosto que no existían y el README oficial sigue sin hacer mención a este entorno.

¿Cuánto tarda en generar y cuánto cuesta ejecutarlo? Sand.ai no ofrece mediciones. La única estimación pública documentada procede del análisis de mushroom.cv (7/08/2026): entre 15 y 30 minutos para un clip de 10 segundos en un nodo 8 x H100, lo que supondría un coste aproximado de 22,36-37,56 EUR (25-42 USD) por clip si se alquila una instancia AWS p5. Esta cifra proviene de un tercero y no de mediciones mías o del fabricante. Para ponerlo en perspectiva, un minuto de MiniMax H3 Max vía API cuesta unos 4,29 EUR (4,80 USD).

MAGI-2 no se puede ejecutar en una RTX 4090 ni en ningún equipo doméstico. Solo el transformador inicial ocupa 228 GB frente a los 24 GB de VRAM de la tarjeta, por lo que ni siquiera una configuración de dos o cuatro tarjetas de consumo permitiría cargarlo. Conviene tener precaución también con repositorios en GitHub o Hugging Face no verificados; los únicos enlaces oficiales son SandAI-org/MAGI-2-preview y sand-ai/MAGI-2-preview.

¿Qué alternativas locales existen si tienes una tarjeta de 24 GB? La opción más viable es Wan 2.2: la variante TI2V-5B (Apache-2.0) genera 720p a 24 fps en una RTX 4090 y completa un clip de 5 segundos en menos de 9 minutos. Por su parte, LTX-2.5 ofrece plantillas oficiales para ComfyUI, modelos en int8 y NVFP4, y descarga FP8 a CPU para configuraciones más modestas. Tienes una recopilación práctica en nuestra guía sobre modelos de IA locales.

Cómo poner en marcha MAGI-2 paso a paso

A falta de una API pública, la única alternativa es alquilar un servidor con 8 aceleradoras Hopper. A continuación se detallan los pasos descritos estrictamente en el README:

1. Contrata un servidor equipado con 8 tarjetas H100 o H200 de 80 GB y almacenamiento suficiente para alojar los 307 GB de pesos más la imagen Docker.
2. Descarga los pesos en la carpeta ckpt/: ejecuta pip install huggingface_hub y luego hf download sand-ai/MAGI-2-preview --local-dir ckpt. La estructura de carpetas coincide con el código de configuración. Si usas otra ruta, indícala con la variable MAGI2_CKPT_ROOT.
3. Inicia el contenedor Docker: ejecuta docker pull sandai/magi-2-preview:latest y después docker run --gpus all -it -v /ruta/hacia/ckpt:/workspace/ckpt sandai/magi-2-preview:latest. El README sugiere referenciar el tag de un commit concreto al reportar incidencias, ya que latest se actualiza.
4. Lanza la demostración oficial: ejecuta bash scripts/run_demo.sh para generar un vídeo a 1080p con semilla 42 usando los prompts de assets/demo_samples.json. La salida se guardará como sample_000.mp4 y correlativos.
5. Genera tu propio vídeo: ejecuta torchrun --nproc_per_node=8 inference/pipeline/entry.py --prompt "a red fox in snow" --output output/. Para imagen a vídeo (I2V) añade el argumento --image, y para forzar la resolución exacta de 1080 x 1920 utiliza --output-width y --output-height.
6. Optimización opcional del prompt: en inference/prompt_enhancement/enhancer.py puedes configurar API_KEY para conectar un modelo de lenguaje compatible con la API de OpenAI. Si lo dejas en blanco, el modelo utilizará tu prompt literal sin expandir.

Aunque es posible instalarlo directamente en el sistema base mediante pip install -r requirements.txt junto a MagiAttention y MagiCompiler, el README solo detalla las dependencias dentro del Dockerfile, por lo que utilizar el contenedor es la vía más fiable.

Comparativa frente a sus competidores

Puntuaciones Elo y precios extraídos de Artificial Analysis (11/10/2026). Licencias verificadas el 11/10 en Hugging Face. Puedes consultar una comparativa a fondo sobre requisitos de hardware en el análisis de MAGI-2 frente a Wan, LTX-2.5 y MiniMax H3.

En conclusión: por calidad visual, MAGI-2 se sitúa en la zona media de los modelos propietarios (a la par de Grok Imagine 1.5 o HappyHorse) y claramente por encima de LTX-2.5. Queda 88 puntos por debajo de MiniMax H3, pero este último prohíbe explícitamente su despliegue en la Unión Europea según los términos de su licencia, mientras que MAGI-2 puede utilizarse sin trabas territoriales.

A quién le conviene utilizar MAGI-2

• A centros de investigación y laboratorios con acceso a nodos de GPU H100 que quieran estudiar un modelo de vídeo MoE abierto con arquitectura documentada.
• A empresas que necesiten procesar vídeo de forma local por motivos de privacidad de datos o normativas europeas, apoyándose en una licencia Apache-2.0 limpia.
• A estudios creativos interesados en ajustar (fine-tune) un modelo con su propia estética visual sin abonar cánones de licencia.
• No está pensado para creadores independientes con un único ordenador: es imposible de ejecutar en local y carece de API accesible. Para ese caso, es más práctico acudir a MiniMax H3 Max vía API o desplegar Wan 2.2 en local.
• No resulta rentable para producción a gran escala hoy en día: si la estimación de 22-38 EUR (25-42 USD) por clip en GPU alquiladas se confirma, cualquier alternativa comercial vía API resulta más económica.

Para explorar otras opciones, echa un vistazo a la guía sobre qué generador de vídeo con IA elegir y a mi ranking de generadores de vídeo.

Preguntas frecuentes

¿MAGI-2 es gratuito?

Los pesos son gratuitos bajo licencia Apache-2.0. El gasto reside en la infraestructura de computación: requieres un entorno con 8 tarjetas Hopper de 80 GB. No existe una versión gratuita directa en navegador.

¿Puedo ejecutar MAGI-2 en una RTX 4090?

No. El transformador de vista previa requiere 228 GB y el conjunto roza los 307 GB de memoria. Las instrucciones oficiales exigen 8 GPU Hopper y no hay versiones cuantizadas ni destiladas por el momento.

¿Cuánto cuesta utilizar MAGI-2 mediante API?

No hay precios oficiales confirmados. Artificial Analysis indica «Coming soon», mientras que la consola de Sand.ai exige registro y su documentación técnica detalla la API de MAGI-1. Ningún agregador externo (fal.ai, Replicate, WaveSpeedAI u OpenRouter) lo ofrece a fecha de 11/10/2026.

¿Se puede utilizar MAGI-2 en ComfyUI?

No cuenta con nodos oficiales integrados. Se desaconseja el uso de repositorios no verificados en plataformas comunitarias por el riesgo de software malicioso.

¿En qué se diferencia MAGI-2 de MAGI-1?

MAGI-1 utilizaba un método autorregresivo por partes que permitía prolongar la duración del vídeo. MAGI-2 utiliza un transformador de difusión MoE unificado que genera imagen y audio de manera conjunta en clips fijos de 10 segundos, sin función de extensión.

¿Qué es la versión MAGI-2 Preview (0912)?

Es una iteración fechada el 12 de septiembre registrada en el ranking de texto a vídeo de AA (puesto 21.º, 960 Elo). Sus pesos no son públicos y Sand.ai no ha publicado documentación sobre ella.

¿MAGI-2 genera audio o diálogos en español?

El creador no ha publicado un listado de idiomas compatibles. Los ejemplos oficiales de diálogo están en inglés. No he podido comprobar el soporte para audio en otros idiomas al no disponer de acceso para ejecutar el pipeline de inferencia.

¿Puedo explotar comercialmente los clips de MAGI-2?

Sí, la licencia Apache-2.0 autoriza el uso comercial del modelo sin límites de ingresos ni restricciones territoriales, siendo el usuario el responsable del contenido generado.

Artículos de esta serie

• Capacidades de MAGI-2: ejemplos prácticos y prompts estructurados con línea temporal
• Modelos de vídeo abiertos en 2026: MAGI-2 vs Wan vs LTX-2.5 vs MiniMax H3
• Sand.ai alcanza una valoración de 1000 millones tras la inversión de Wangsu
• Agnes Video 2.5 e HiDream-O1-Video: otros modelos analizados en la misma actualización del ranking

// sigue leyendoModelos de vídeo abiertos 2026: MAGI-2, Wan, LTX y MiniMax H3BenchmarksQwen-Image-2.1: el mejor modelo abierto para imágenesBenchmarksStepFun Step 5 Preview: precio, características y pesos abiertosBenchmarks