Sulphur 2 e 10Eros: i due modelli open source che spingono il video AI oltre i limiti

LTX 2.3 è l’ultima versione del modello open-weight di Lightricks, rilasciata ad aprile 2026. Rispetto a LTX 2.2, introduce un nuovo VAE (Variational Autoencoder) che migliora la nitidezza dei dettagli, un text encoder quadruplicato per una migliore aderenza ai prompt, supporto nativo per il portrait 9:16, opzioni 24/48 FPS, e upscaler spaziali e temporali. Supporta text-to-video, image-to-video, audio-to-video e video extension, tutto in un unico modello. Il punto di forza principale è la velocità: su hardware comparabile, LTX 2.3 è circa 18 volte più veloce di WAN 2.2. Un video che WAN genera in 15-18 minuti, LTX lo completa in 1-2 minuti.

TenStrip è lo stesso sviluppatore che aveva già lavorato su esperimenti con LoRA distillate per LTX, creando versioni “cond_safe” che non degradano il fine-tuning del modello base. Con 10Eros ha fatto un passo oltre: invece di caricare un LoRA sopra il modello, ha fuso direttamente i pesi per ottenere un comportamento più stabile. Il modello richiede prompt enhancement esplicito: LTX ha poca capacità di ragionamento autonomo sul prompt, quindi bisogna descrivere nel dettaglio ogni movimento, evoluzione della scena, dialogo e audio. Se non glielo chiedi, non lo fa. È una caratteristica architetturale di LTX, non un bug.

I modelli video commerciali applicano filtri di sicurezza a più livelli: sul prompt in ingresso (rifiutano certe parole), sulla generazione intermedia (bloccano la diffusion se rilevano pattern “sensibili”), e sull’output finale (oscurano o rifiutano il video). LTX 2.3 originale includeva questi strati di moderazione, che in pratica limitavano non solo i contenuti espliciti ma anche scene di violenza stilizzata, body horror, contesti medici, o semplicemente soggetti che l’AI interpretava come borderline. Per un creatore che vuole generare un video horror, una scena di combattimento, o un documentario medico, questi filtri sono un ostacolo reale.

Il nuovo VAE di LTX 2.3 è il miglioramento architetturale più significativo. Rispetto alla versione precedente, comprime meglio i dettagli fini nello spazio latente, riducendo artefatti come zip che si sciolgono, volti che si deformano, o texture che “galleggiano” sugli oggetti. Non è un cambiamento vistoso: è l’assenza di piccoli fastidi visivi che prima erano inevitabili.

Il text encoder è stato quadruplicato rispetto a LTX 2.2. Questo significa che il modello capisce prompt molto più complessi e sfumati. Resta però vero che LTX ha poca capacità di “ragionamento” autonomo sul prompt: va guidato con descrizioni dettagliate e strutturate. TenStrip fornisce template specifici per il prompt enhancement, inclusi prompt engineering per scene con dialogo, audio diegetico, e Foley.

La scelta tra i due dipende dal workflow. Se parti da zero con un prompt testuale, Sulphur 2 è la scelta naturale. Se hai un’immagine di partenza (un frame, un render, una foto) e vuoi animarla, 10Eros è superiore grazie al merge ottimizzato. In pratica molti creator usano entrambi: generano un primo frame con un modello di image generation (Flux, SDXL) e poi lo animano con 10Eros.

Oggi, maggio 2026, il panorama dei modelli video open source si è polarizzato su due contendenti principali:

WAN 2.2 rimane il riferimento per la qualità visiva pura, specialmente su movimento cinematografico e coerenza dei soggetti. Ma genera video di soli 5 secondi (estendibili con tricks), non ha audio nativo, ed è molto più lento. LTX 2.3 e i suoi derivati come Sulphur 2 vincono su velocità, durata, e audio. La strategia ottimale che molti stanno adottando: prototipazione rapida con LTX/Sulphur, raffinamento finale con WAN 2.2.

Fuori dall’open source, i modelli commerciali (Sora 2, Veo 3.1, Kling 3.0) offrono qualità superiore, 4K nativo, e multi-shot storytelling, ma a costi che vanno da $0.10 a $0.50 al secondo di video generato.