MAGI-1
SandAI-org/MAGI-1Revisado por IA
Verificado pelo RepoPicks Radar em
O que é MAGI-1?
MAGI-1 é o modelo de geração de vídeo da Sand AI, com o código para executá-lo e os arquivos do modelo publicados no Hugging Face. Pela linha de comando você escolhe um modo (texto para vídeo, imagem para vídeo, ou continuar um clipe existente), escreve uma instrução e recebe um arquivo de vídeo; nós personalizados também permitem usá-lo dentro do ComfyUI. É para quem tem hardware robusto: o modelo pequeno de 4.5B pede uma placa NVIDIA com 24 GB (12 GB na versão quantizada) e o modelo de 24B pede oito placas H100. Os autores também oferecem o MAGI-1 para usar online em sand.ai.
MAGI-1 é grátis e de código aberto (Apache-2.0) e pode substituir Runway, Pika e LTX Studio.
Quão fácil é instalar MAGI-1?
D · terminal, várias ferramentas ou placa específica · Linux
Linux é o único sistema documentado e recebe nota D: o caminho recomendado é `docker pull sandai/magi:latest`, ou então conda com Python 3.10.12, PyTorch 2.4 com CUDA 12.4, ffmpeg e uma compilação do MagiAttention a partir do código-fonte, além de editar um arquivo de configuração JSON e executar example/4.5B/run.sh. Não há instruções para Windows nem macOS.
Em breve: instale com 1 clique pelo app RepoPicks.
MAGI-1 no GitHub
- Estrelas
- 3.805em 10 de nov. de 2026
- Downloads
- —todas as versões
- Crescimento
- +7estrelas em 6 dias
Estrelas ao longo do tempo
Fatos
- Roda em
- Linux
- Você precisa instalar
- Python, Docker, Placa NVIDIA, FFmpeg
- Para compilar a partir do código
- Python, FFmpeg
- Espaço em disco
- 150 MB–450 MB · estimativa
- Contas ou chaves
- Nenhuma
- Custo
- Grátis · O código e os arquivos do modelo são gratuitos sob Apache-2.0; o custo real é o hardware gráfico (ou as máquinas alugadas) necessário para executá-los.
- Licença
- Apache-2.0 (Permissiva)
- Pode substituir
- Runway, Pika, LTX Studio, Kling, Veo 3
- Última mudança no GitHub
- 17 de jun. de 2026
Sinais de risco de MAGI-1 (6)
- AtençãoDependências com vulnerabilidades conhecidas
Dependências fixadas com vulnerabilidades conhecidas (OSV): accelerate: GHSA-4j2p-28q2-5m79, PYSEC-2026-3804; diffusers: GHSA-7wx4-6vff-v64p, GHSA-98h9-4798-4q5v, PYSEC-2026-2446; flash-attn: GHSA-7g5w-pq96-8c5w, PYSEC-2026-2477; protobuf: GHSA-7gcm-g887-7qv7, GHSA-8qvm-5x2c-j2w7, PYSEC-2026-1805; sentencepiece: GHSA-38vq-g6vr-w8wf, PYSEC-2026-1909; transformers: GHSA-29pf-2h5f-8g72, GHSA-37mw-44qp-f5jm, GHSA-4w7r-h757-3r74
checagem automática
- Atençãoprecisa de hardware gráfico caro
Model Zoo recomenda "H100/H800 x 8" para os modelos de 24B e "RTX 4090 x 1" para os de 4.5B; a nota diz "any machine with at least 24GB of GPU memory is sufficient" para o 4.5B, ou 12 GB com o modelo quantizado e window_size definido como 1.
revisão por IA
- Atençãoo comando docker documentado é privilegiado
O comando recomendado é `docker run -it --gpus all --privileged --shm-size=32g --net=host --ipc=host --ulimit memlock=-1 ... sandai/magi:latest`: o contêiner é executado com acesso privilegiado, a rede do host e a memória compartilhada do host.
revisão por IA
- Infoinstala a partir de um índice de pacotes extra
Linha do requirements.txt: `flashinfer-python==0.2.0.post2 --extra-index-url https://flashinfer.ai/whl/cu124/torch2.4/`, então o pip também busca um pacote em flashinfer.ai em vez de só no PyPI; o caminho de origem do MagiAttention é `git clone [email protected]:SandAI-org/MagiAttention.git`, que precisa de uma chave SSH no GitHub.
revisão por IA
- Infoos arquivos do modelo vêm do hugging face
Model Zoo vincula cada checkpoint (T5, VAE, 4.5B e 24B, distill e fp8_quant) a huggingface.co/sand-ai/MAGI-1; o repositório em si traz apenas código, então os pesos e seus termos de licença são baixados separadamente.
revisão por IA
- Infosem releases e sem marca de geração
Os dados do projeto dizem "GitHub releases: 0" (as mudanças só são anunciadas na lista de notícias do README, a mais recente de 2026-06-17), e nada no README menciona uma marca d'água ou qualquer marca nos vídeos gerados.
revisão por IA
As evidências aparecem no idioma original.
O que o Radar não conseguiu verificar em MAGI-1
- quanto custa o serviço online em sand.ai, já que o README só diz "directly create magic with MAGI-1 [here](http://sand.ai)" e não menciona preço nem plano
- quanto espaço em disco os arquivos do modelo realmente ocupam, já que são baixados do Hugging Face e não fazem parte do repositório
- quanto tempo um vídeo demora em uma única RTX 4090 e qual resolução e duração são viáveis nela
- se os vídeos publicados e as notas de avaliação podem ser reproduzidos em casa
- qual licença têm os arquivos do modelo no Hugging Face, que pode ser diferente da do código Apache-2.0
- se os nós do ComfyUI ainda funcionam com as versões atuais do ComfyUI