MAGI-2 Preview: Open-Source-Videomodell von Sand.ai im Test

👁 120 Aufrufe

Laufend aktualisierter Artikel. Stand: 11. Oktober 2026.

MAGI-2 Preview ist ein quelloffenes Videomodell des Pekinger Start-ups Sand.ai: 114 Milliarden Parameter, wovon pro Token rund 6 Milliarden aktiv sind, 10-Sekunden-Clips in 1080p samt Ton und eine Apache-2.0-Lizenz. Im Image-to-Video-Ranking von Artificial Analysis belegt das Modell Platz 10 (1093 Elo-Punkte) - damit liegt es unter den Modellen mit frei verfügbaren Gewichten direkt hinter MiniMax H3. Der Haken: Für den Betrieb sind 8 NVIDIA-Hopper-Grafikkarten mit je 80 GB nötig, und eine offizielle API mit Preisen existiert bislang nicht.

Was ist MAGI-2 und wer steckt dahinter?

Sand.ai ist ein Start-up aus Peking, das von Cao Yue gegründet wurde. Er ist Mitautor der Architektur Swin Transformer (ausgezeichnet mit dem Marr Prize), war früher Principal Researcher bei Microsoft Research Asia und leitete ein Forschungszentrum an der BAAI. Das Unternehmen hat bereits mehrere Systeme entwickelt:

• MAGI-1 (2025) - ein autoregressives Videomodell, das Clips stückweise generierte und verlängern konnte. Es ist über verschiedene API-Drittanbieter verfügbar.
• GAGA-1 - ein Audio-Video-Modell für sprechende Charaktere.
• VidMuse - eine Musikvideo-App; laut Sand.ai überschritt sie innerhalb von zwei Monaten einen jährlichen wiederkehrenden Umsatz (ARR) von 10 Mio. USD (ca. 8,94 Mio. EUR, EZB-Referenzkurs vom 12.10.2026 via ecb.europa.eu).
• MAGI-2 Preview (5. August 2026) - das neue Basismodell mit offenen Modellgewichten.

Finanzierung: Laut 36kr (29. Juni 2026) sammelte Sand.ai in zwei Runden über 100 Mio. USD (ca. 89,44 Mio. EUR, EZB-Kurs vom 12.10.2026) ein, unter anderem von Matrix Partners China, Sinovation, IDG und Baidu Ventures. Am 29. September gab Wangsu Science & Technology die Übernahme von 4,4 % der Anteile für 300 Millionen Yuan bekannt, was das Unternehmen mit rund 1 Mrd. USD bewertet (ca. 894,37 Mio. EUR, EZB-Kurs vom 12.10.2026). Dieselben Unterlagen weisen allerdings geringe Umsätze und hohe Verluste aus - dies wurde bereits im Bericht Sand.ai mit einer Milliarde Dollar bewertet näher beleuchtet.

Technisch bricht MAGI-2 mit der Methodik von MAGI-1. Statt einer schrittweisen autoregressiven Generierung kommt ein einheitlicher Diffusionstransformer zum Einsatz, der Text, Bild und Audio in einer einzigen Sequenz verarbeitet. Die hohe Parameteranzahl geht auf eine MoE-Architektur (Mixture of Experts) zurück: 40 Schichten, davon 36 Sparse-Layers, in denen jeweils 12 Attention-Heads mit eigenem Routing agieren, wobei jeder Head 6 aus 256 Experten auswählt. Daher bringt das Modell zwar 114 Milliarden Gesamtparameter mit, berechnet pro Token aber nur etwa 6 Milliarden. Sand.ai bezeichnet die Veröffentlichung in seinem Paper ausdrücklich als „intermediate research release“, also als Zwischenschritt aus der Forschung.

Platzierung im Ranking von Artificial Analysis

Artificial Analysis (AA) erstellt seine Bestenlisten auf Basis verdeckter Vergleiche: Nutzer bewerten jeweils zwei Clips zum selben Prompt und wählen das bessere Ergebnis. Beide Tabellen wurden am 11. Oktober 2026 ausgewertet. In der Image-to-Video-Kategorie erreicht MAGI-2 Preview Platz 10 mit 1093 Elo-Punkten. Das 95%-Konfidenzintervall (1086-1100) überschneidet sich mit Grok Imagine 1.5 und HappyHorse 1.0, sodass die Plätze 9 bis 11 faktisch gleichauf liegen. Zur absoluten Spitze besteht jedoch ein spürbarer Rückstand: Der Spitzenreiter MiniMax H3 Max liegt 102 Punkte voraus.

* Umgerechnet anhand des EZB-Referenzkurses vom 12.10.2026 (1 EUR = 1,1181 USD; Quelle: ecb.europa.eu). Schätzwerte, keine verbindlichen lokalen Checkout-Preise.
Datenquelle: AA-Video-I2V v1.0, Stand: 11.10.2026. Spalte „Offene Gewichte“ gemäß den Angaben der AA-Tabelle.

Die Skala der Grafik beginnt bei 1000 Punkten (voller Balken = 1200), um die Unterschiede sichtbar zu machen.

Version 0912 im Text-to-Video-Ranking

In der Text-to-Video-Tabelle (AA-Video-T2V v2.0, evaluiert in 1080p mit Audio, gestartet am 30. September) taucht ein Eintrag namens „MAGI-2 Preview (0912)“ mit dem Datum 12. September 2026 auf. Dieser belegt Platz 21 mit 960 Elo-Punkten (95%-Intervall 950-970, 3674 Vergleiche). Hierbei handelt es sich nicht um die öffentlich herunterladbare Variante: Artificial Analysis verlinkt dort keine Model Weights, und im GitHub-Repository stammt die letzte Änderung vom 6. August. Es liegt nahe, dass es sich um einen neueren, internen Checkpoint handelt, der von AA ohne öffentliche Freigabe getestet wurde - offizielle Dokumentationen des Herstellers zu dieser Version fehlen völlig. Die reguläre August-Version ist im T2V-v2.0-Ranking nicht aufgeführt.

Technische Spezifikationen von MAGI-2 Preview

Quelle: GitHub-README und technischer Bericht von Sand.ai, Stand: 11.10.2026. Eine Clip-Verlängerung oder unendliche Generierung gibt es bei MAGI-2 nicht - das waren Eigenschaften von MAGI-1.

Die integrierte Timeline-Steuerung über den Prompt ist das bemerkenswerteste Feature für professionelle Anwender. Ein offizielles Beispiel gliedert einen 10-Sekunden-Clip in Abschnitte („00:00.0-00:05.0“, „00:05.0-00:10.0“), in denen Kamerabewegung, Aktionen der Charaktere, zeitgenaue Audio-Ereignisse und gesprochene Dialoge unabhängig voneinander definiert werden. Da das Modell auf ausführlichen, hochstrukturierten Beschreibungen trainiert wurde, empfiehlt die README, kurze Prompts vorab über ein separates LLM anzureichern. Ausführliche Prompt-Beispiele aus dem Repository finden sich im Artikel Was MAGI-2 leistet: Beispiele.

Verfügbarkeit und Preise

In puncto Zugänglichkeit schneidet MAGI-2 derzeit am schwächsten ab. Zwar sind die Modellgewichte frei verfügbar, ein schlagkräftiger Cloud-Dienst mit transparenter Preisliste für Endnutzer fehlt jedoch bislang. Der Status am 11. Oktober 2026:

* Geschätzte EUR-Preise gemäß EZB-Kurs vom 12.10.2026 (1 EUR = 1,1181 USD; Quelle: ecb.europa.eu).

Sand.ai stellt „ein Zehntel der Kosten“ populärer Konkurrenzmodelle in Aussicht, nennt jedoch keine konkreten Zahlen. Ein online kursierender Betrag von 0,5 Yuan pro Clip stammt aus einem Blogeintrag eines Drittanbieters und bezog sich auf eine künftige, destillierte Version - belastbare Tarifangaben sind das nicht. Einen Überblick über die Kosten alternativer Systeme bietet die Analyse Was kostet eine Sekunde KI-Video?.

Offene Gewichte: Lieferumfang und Systemanforderungen

Der Hauptgrund für das große Interesse an MAGI-2 liegt in der Lizenzierung. Die Modellgewichte können auf Hugging Face unter Apache-2.0 frei heruntergeladen, modifiziert, weitertrainiert und uneingeschränkt kommerziell genutzt werden - unabhängig von Umsatzgrenzen oder Ländervorgaben. Zum Vergleich: Das quelloffene MiniMax H3 schließt Unternehmen und Anwender in der Europäischen Union lizenzrechtlich explizit aus, während LTX-2.5 nur für Firmen mit weniger als 10 Mio. USD Jahresumsatz kostenfrei bleibt.

Anforderungen laut README:

• 8 NVIDIA Hopper GPUs (H100/H200). Die Dokumentation hebt hervor, dass in 1080p weder der Preview-Transformer noch der Refiner zusammen mit den Aktivierungen des jeweils anderen auf eine einzige 80-GB-Karte passen. Daher werden sie zwischen den Rechenschritten verschoben.
• Python 3.12, eine aktuelle CUDA-Version und ffmpeg (ohne ffmpeg wird das Video ohne Tonspur exportiert).
• Docker-Image sandai/magi-2-preview - ca. 12,7 GB laut Docker Hub (Stand: 11.10.), Tags vom 5. August.
• Offloading-Modi für Text-Encoder, Preview, Refiner und VAE: cpu, gpu oder roundtrip.

Was derzeit noch fehlt:

• Eine destillierte Version - in der README unverändert als „Coming soon“ mit deutlich weniger Schritten geführt. Sie soll die Rechenzeiten signifikant senken.
• Offizielle Quantisierungen (wie FP8 oder GGUF).
• ComfyUI-Integrationen - comfyui-wiki bestätigte am 5. August das Fehlen entsprechender Nodes, und auch die offizielle README nennt ComfyUI bisher nicht.

Wie lange dauert die Generierung und was kostet sie? Offizielle Zahlen des Herstellers existieren nicht. Eine Schätzung des Fachportals mushroom.cv (vom 07.08.2026) geht von rund 15 bis 30 Minuten pro 10-Sekunden-Clip auf einem Cluster aus 8 x H100 aus. Bei regulären AWS-p5-Instanzen belaufen sich die Kosten demnach auf etwa 25 bis 42 USD pro Clip (ca. 22,36 bis 37,56 EUR, EZB-Kurs vom 12.10.2026). Dies ist eine Drittanbieter-Schätzung, kein Herstellerwert. Zum Vergleich: Eine Minute Video bei H3 Max über eine offizielle API schlägt mit 4,80 USD zu Buche (ca. 4,29 EUR).

Auf einer RTX 4090 oder herkömmlichen Desktop-PCs lässt sich MAGI-2 nicht ausführen. Allein der Preview-Transformer benötigt 228 GB Speicherplatz, während typische Top-End-Consumer-Karten über 24 GB Videospeicher verfügen. Auch ein Verbund aus zwei oder vier Verbraucherkarten reicht hierfür nicht aus. Vorsicht ist zudem bei Drittanbieter-Repositories auf GitHub und Hugging Face geboten, die vorgeben, MAGI-2 bereitzustellen: Die einzigen offiziellen Quellen lauten SandAI-org/MAGI-2-preview und sand-ai/MAGI-2-preview.

Lokale Alternativen: Wer eine einzelne GPU mit 24 GB VRAM besitzt, findet in Wan 2.2 eine funktionierende Lösung. Dessen Variante TI2V-5B (Apache-2.0) erzeugt laut Alibaba 720p bei 24 fps auf einer RTX 4090, wobei ein 5-Sekunden-Clip in unter 9 Minuten berechnet wird. LTX-2.5 stellt zudem offizielle ComfyUI-Vorlagen bereit, bietet Formate in int8 sowie NVFP4 und unterstützt FP8 mit CPU-Offloading für kleinere Grafikkarten. Ein umfassender Überblick über machbare Setups findet sich im Ratgeber Lokale KI-Modelle.

So starten Sie mit MAGI-2: Schritt für Schritt

Ohne öffentliche API bleibt für den Testbetrieb ausschließlich die Miete einer Cloud-Instanz mit 8 Hopper-GPUs. Die folgenden Schritte basieren exakt auf der offiziellen README des Projekts:

1. Server mieten: Buchen Sie ein System mit 8 H100- oder H200-Grafikkarten (je 80 GB) und genügend NVMe-Speicherplatz für mindestens 307 GB Model Weights plus Docker-Image.
2. Gewichte herunterladen: Installieren Sie das Hub-Tool mit pip install huggingface_hub und laden Sie die Daten ins Zielverzeichnis: hf download sand-ai/MAGI-2-preview --local-dir ckpt. Die Ordnernamen entsprechen der internen Konfiguration. Ein abweichender Pfad lässt sich über die Umgebungsvariable MAGI2_CKPT_ROOT festlegen.
3. Container starten: Laden Sie das Image via docker pull sandai/magi-2-preview:latest und starten Sie die Umgebung mit docker run --gpus all -it -v /pfad/zu/ckpt:/workspace/ckpt sandai/magi-2-preview:latest. Für reproduzierbare Ergebnisse empfiehlt die Dokumentation den genauen Commit-Tag statt latest.
4. Offizielle Demo ausführen: Starten Sie den Testlauf über bash scripts/run_demo.sh - das Skript generiert 1080p-Ausgaben mit Seed 42 anhand der Vorgaben aus assets/demo_samples.json. Die Ausgabedateien heißen sample_000.mp4 fortlaufend.
5. Eigene Prompts testen: Führen Sie torchrun --nproc_per_node=8 inference/pipeline/entry.py --prompt "a red fox in snow" --output output/ aus. Für Bild-zu-Video (I2V) übergeben Sie --image, für präzise Abmessungen --output-width und --output-height.
6. Prompt-Erweiterung nutzen (optional): Hinterlegen Sie in inference/prompt_enhancement/enhancer.py einen gültigen API_KEY für ein OpenAI-kompatibles Sprachmodell. Bleibt der Wert leer, wird der übergebene Prompt direkt unverändert verarbeitet.

Eine manuelle Installation ohne Docker (via pip install -r requirements.txt sowie MagiAttention und MagiCompiler) ist theoretisch machbar, da konkrete Versionsstände jedoch nur in der Dockerfile definiert sind, bleibt der Container-Weg deutlich unkomplizierter.

Vergleich mit alternativen Modellen

* Umgerechnet anhand des EZB-Referenzkurses vom 12.10.2026 (1 EUR = 1,1181 USD; Quelle: ecb.europa.eu).
Elo-Werte und API-Preise aus den Tabellen von Artificial Analysis (11.10.2026). Lizenzangaben geprüft auf Hugging Face am 11.10. Einen detaillierten Hardware-Vergleich finden Sie unter MAGI-2 vs. Wan vs. LTX-2.5 vs. MiniMax H3.

Fazit: Bei der optischen Qualität positioniert sich MAGI-2 im Mittelfeld geschlossener Lösungen (auf Höhe von Grok Imagine 1.5 oder HappyHorse) und übertrifft LTX-2.5 deutlich. Gegenüber MiniMax H3 verliert es zwar 88 Punkte, doch während H3 durch seine Lizenzbedingungen in der EU nicht rechtssicher betrieben werden darf, räumt Apache-2.0 bei MAGI-2 volle weltweite Nutzungssicherheit ein.

Für wen lohnt sich MAGI-2?

• Forschungsteams und Labore mit Zugriff auf leistungsstarke H100-Rechencluster - MAGI-2 ist das derzeit größte offene MoE-Videomodell mit detaillierter Architekturdokumentation.
• Unternehmen mit strikten On-Premises-Vorgaben (Datenschutz, regulatorische Compliance), die auf eine rechtssichere Open-Source-Lizenz ohne Ausschlussklauseln für Europa angewiesen sind.
• Studios, die eigene Fine-Tunings planen: Apache-2.0 gestattet Modifikationen und Spezialisierungen auf eigene visuelle Stile ohne Lizenzgebühren.
• Nicht geeignet für Einzelkreative mit Standard-Hardware: Ein lokaler Betrieb auf Desktop-PCs scheidet aus, und bezahlbare Endnutzer-APIs fehlen noch. Hier eignen sich MiniMax H3 Max via Cloud-API oder Wan 2.2 für lokale Rechner deutlich besser.
• Nicht wirtschaftlich für Massenproduktionen im Eigenbetrieb: Ausgehend von 25 bis 42 USD (ca. 22 bis 38 EUR) Rechenkosten pro Clip auf Mietclustern ist nahezu jedes Modell mit etablierter API aktuell günstiger.

Weiterführende Übersichten: KI-Videogeneratoren im Vergleich sowie das aktuelle Videogenerator-Ranking.

Häufige Fragen (FAQ)

Ist MAGI-2 kostenlos?

Die Modellgewichte sind unter der Apache-2.0-Lizenz vollständig kostenlos abrufbar. Bezahlt werden muss jedoch die nötige Hardware: ein Cluster aus 8 Hopper-GPUs mit 80 GB. Ein frei nutzbarer Web-Generator steht derzeit nicht bereit.

Läuft MAGI-2 auf einer GeForce RTX 4090?

Nein. Der Preview-Transformer umfasst allein 228 GB, das Gesamtsystem rund 307 GB. Die Dokumentation setzt zwingend 8 Hopper-GPUs voraus. Offizielle FP8-Quantisierungen oder destillierte Varianten wurden bislang nicht veröffentlicht.

Wie viel kostet MAGI-2 über eine API?

Hierzu liegen noch keine öffentlichen Tarife vor. Artificial Analysis führt das Modell mit dem Vermerk „Coming soon“, während die Plattform von Sand.ai Preise erst nach Anmeldung anzeigt und sich inhaltlich auf MAGI-1 bezieht. Weder fal.ai noch Replicate, WaveSpeedAI oder OpenRouter bieten MAGI-2 derzeit an (Stand: 11.10.2026).

Funktioniert MAGI-2 in ComfyUI?

Offizielle ComfyUI-Nodes gibt es nicht. Vor inoffiziellen Repositories ist Vorsicht geboten - einige Projekte nutzen den Namen lediglich aus und bergen Sicherheitsrisiken.

Worin unterscheidet sich MAGI-2 von MAGI-1?

MAGI-1 erzeugte Videos sequenziell in Teilstücken und beherrschte das nachträgliche Verlängern von Clips. MAGI-2 basiert stattdessen auf einem monolithischen MoE-Diffusionstransformer, der Video und Audio synchron verarbeitet, aber starr auf 10-Sekunden-Clips limitiert ist.

Was hat es mit MAGI-2 Preview (0912) auf sich?

Dies ist eine interne Version vom 12. September, die ausschließlich in der Text-to-Video-Bestenliste von Artificial Analysis geführt wird (Platz 21, 960 Elo). Öffentliche Gewichte oder Dokumentationen existieren dafür nicht.

Unterstützt MAGI-2 deutsche Sprachausgabe?

Eine offizielle Sprachliste existiert nicht. Die bereitgestellten Demonstrationsbeispiele sind auf Englisch ausgelegt. Aufgrund der immensen Hardwarehürden konnten eigene Tests mit deutscher oder polnischer Sprache nicht durchgeführt werden.

Dürfen generierte Videos kommerziell verwendet werden?

Ja. Die Apache-2.0-Lizenz erlaubt die freie kommerzielle Verwertung ohne Umsatzschwellen oder geografische Sperren. Rechtlich verantwortlich für die erzeugten Inhalte bleibt stets der jeweilige Anwender.

Weitere Beiträge zu diesem Thema

• Was MAGI-2 leistet: Beispiele und Timeline-Prompts
• Offene Videomodelle 2026: MAGI-2 vs. Wan vs. LTX-2.5 vs. MiniMax H3
• Sand.ai nach Wangsu-Investment mit 1 Mrd. Dollar bewertet
• Agnes Video 2.5 und HiDream-O1-Video - weitere Modelle aus derselben Ranglisten-Aktualisierung

// weiterlesenElevenLabs Dubbing auf Deutsch: v1 vs v2 im TestBenchmarksPilz-App Test: KI erkennt Knollenblätterpilz nicht zuverlässigBenchmarksOpen-Source-Videomodelle 2026: MAGI-2, Wan, LTX-2.5, MiniMax H3Benchmarks