LTX-2.5 et H3 : deux voies vers une vidéo plus rapide

S’agit-il de LTX-2.5 ou d’un autre modèle rapide ?

Je ne mélangerais pas ces annonces : les données disponibles indiquent une mise à niveau officielle de LTX et une évolution indépendante de H3, et non un seul nouveau modèle mystérieux. Dans la fiche officielle de LTX-2.5, l’équipe LTX décrit la sortie du 11 août 2026 comme la plus importante mise à jour de la gamme.

LTX-2.5 apporte la génération native de scènes à plusieurs plans, l’édition de vidéos existantes et un décodeur de diffusion pour accroître le niveau de détail. Le modèle annonce également un son synchronisé, des générations jusqu’à 20 secondes, les résolutions 1080p et 1440p, ainsi que la 4K native. La fréquence d’images varie selon le mode : 24, 25, 48 ou 50 FPS.

Le chiffre de vitesse le plus parlant provient d’un examen public des performances : un clip de dix secondes a été généré localement en 6,8 secondes sur deux NVIDIA GB200. Via l’API LTX, le repère comparable était de 23,7 secondes. Il ne s’agit pas seulement de l’accélération du modèle : l’écart illustre le coût du réseau, des files d’attente et de la configuration serveur.

Pour H3, le tableau est différent. MiniMax présente H3 comme un modèle omnimo­dal ouvert de 33,1 milliards de paramètres, doté d’un flux de traitement unifié et d’un son stéréo natif. Son canevas de base compte 768 pixels sur le petit côté, tandis qu’un parcours distinct, H3-Regenerate-2K, porte la résolution à 2K ; les clips pris en charge durent de 4 à 15 secondes.

L’idée que H3 ait été amélioré et accéléré reste donc techniquement plausible, mais les documents disponibles ne fournissent pas de mesure de vitesse confirmée et comparable. Les bonnes positions de H3 dans les classements ouverts attestent de sa qualité, pas automatiquement d’une latence moindre.

Ce qui change réellement pour les pipelines vidéo

LTX-2.5 fait déjà passer le débat sur l’accélération des promesses promotionnelles à des secondes mesurables. Générer un clip plus vite que sa durée est possible sur une configuration locale puissante, mais le résultat via API est nettement plus lent. Pour les outils interactifs, cet écart peut définir toute l’expérience utilisateur.

H3 possède un autre atout : ses poids ouverts et son traitement unifié de la vidéo et de l’audio le rendent intéressant pour les pipelines locaux et ComfyUI. Toutefois, 33,1 milliards de paramètres signifient que l’accessibilité réelle dépendra de la mémoire, de la quantification et de la qualité des versions optimisées, pas uniquement de l’architecture sur le papier.

Je comparerais d’abord des prompts identiques, la résolution, la durée, l’audio et la configuration matérielle, plutôt qu’une jolie vidéo de publication. Pour l’instant, LTX envoie un signal plus clair sur la vitesse, tandis que H3 semble être une solide base ouverte. L’enjeu n’est plus de savoir qui a montré la démo la plus rapide, mais qui conserve la qualité après un alignement honnête des conditions.

Nous avons auparavant analysé Seedance 2.0 dans ChatCut, notamment les améliorations de dynamique et de physique des contacts en génération vidéo. Cette expérience aide à comparer les progrès techniques de LTX 2.5 et H3 aux contraintes concrètes de la production vidéo.