Avataars Varya macht KI-Video 10-mal billiger, und das ist die eigentliche Geschichte

Avataar.ai hat Varya heute bei einer Veranstaltung in Neu-Delhi vorgestellt, mit dem Staatssekretär des indischen Ministeriums für Elektronik und IT im Raum. Es ist ein KI-Videomodell mit 14 Milliarden Parametern, das das Unternehmen qualitativ auf einer Stufe mit Alibabas Wan 2.2 und Googles Veo 3 sieht, aber die entscheidende Zahl ist kein Qualitäts-Benchmark. Es ist der Preis. Varya erzeugt Video für rund 0,48 Rupien pro Sekunde, laut Unternehmen bis zu zehnmal günstiger als die führenden globalen Modelle. Möglich macht das eine destillierte Architektur, die die Generierung von den üblichen 50 Diffusionsschritten auf vier kürzt und die Ausgabequalität dabei nahe an den Modellen mit voller Schrittzahl hält.

Varya, Indiens destilliertes Videomodell, erzeugt Clips in vier statt fünfzig Schritten

Das Modell entstand mit Unterstützung der indischen IndiaAI Mission, die subventionierten Zugang zu nationaler KI-Rechenleistung bereitstellte. Es ist bewusst für indische Kontexte trainiert und bildet regionale Vielfalt, Feste, Essen, Kleidung und Alltagsumgebungen besser ab als Modelle, die überwiegend auf westlichen Daten trainiert wurden. Unter varya.avataar.ai gibt es eine Live-Demo, und Avataar will Varya als Modell mit offenen Gewichten samt Trainingsdaten über Indiens AIKosh-Portal veröffentlichen, damit Entwickler es selbst hosten oder feinjustieren können. Ein technischer Bericht zu Architektur und Destillationsmethode ist ebenfalls angekündigt.

Vier Schritte statt fünfzig

Der technische Kniff ist der ganze Punkt. Diffusionsmodelle erzeugen, indem sie von Rauschen ausgehen und über viele Schritte verfeinern, und jeder Schritt ist ein vollständiger Durchlauf durch das Netz. Fünfzig Schritte heißt fünfzig Durchläufe. Destillation trainiert ein kleineres, schnelleres Schülermodell darauf, das Ergebnis des langsamen, vielschrittigen Lehrers nachzubilden, aber in einer Handvoll Schritten. Vier statt fünfzig Schritte sind mehr als zehnmal weniger Rechenaufwand pro Frame, und im Rechenaufwand pro Frame stecken praktisch alle Kosten der Videogenerierung.

Die reinen Laufzeiten machen es greifbar. Auf einer NVIDIA H200 liefert Varya laut Avataar einen 5-Sekunden-Clip in 720p in etwa 45 Sekunden. Für dieselbe Aufgabe misst das Unternehmen bei Wan 2.2 rund 1.230 Sekunden. Das ist kein kleiner Vorsprung am Rand, das ist eine andere Größenordnung, und es ist der Unterschied zwischen einem Modell, das du einer Menge ausliefern kannst, und einem, das du dir nur für eine Demo leisten kannst.

Es ist derselbe Kniff, der schnelle Bildgenerierung in den letzten zwei Jahren praktikabel gemacht hat. Dass er jetzt bei Video in Produktionsmaßstab ankommt, mit einem echten Sekundenpreis daran, ist das beachtenswerte Signal.

Warum Kosten die Videogeschichte 2026 sind

Zwei Jahre lang drehte sich die Debatte um KI-Video um Leistungsfähigkeit. Wessen Modell macht 4K. Wessen Modell synchronisiert Audio. Wessen Modell hält eine Figur über Einstellungen hinweg. Dieses Rennen ist weitgehend entschieden. Kling 3.0 lieferte im März 4K mit Audio, LTX 2.3 tat es quelloffen, und die führenden Modelle liegen nah genug beieinander, dass die Unterschiede Diskussionen sind, keine Lücken.

Was nicht gelöst war, ist die Ökonomie. Wir haben darüber geschrieben, wie Sora rund eine Million Dollar pro Tag verbrannte, gegen zwei Millionen Gesamtumsatz, bevor OpenAI es abschaltete. Die Leistungsfähigkeit war nie das Problem. Die Kosten des Betriebs waren es. Ein Modell, das schön und unbezahlbar ist, ist eine Demo, kein Produkt.

Die interessante Grenze 2026 ist also nicht ein Modell, das etwas Neues kann. Es ist ein Modell, das dasselbe für ein Zehntel der Kosten kann. Varya ist ein Datenpunkt. Die breitere Bewegung im gesamten Feld, Destillation, weniger Schritte, kleinere Modelle für bestimmte Kontexte, ist das, was KI-Video von einem verlustreichen Schaustück in etwas verwandelt, worauf ein kleines Team tatsächlich aufbauen kann.

Was das für Entwickler bedeutet

Wenn du etwas baust, das Video als Teil des Produkts erzeugt und nicht einmalig, sind die Kosten pro Sekunde deine Stückkosten. Sie entscheiden, ob du eine Funktion allen anbieten kannst oder sie rationieren beziehungsweise teuer verkaufen musst. Ein Kostensturz um das Zehnfache macht dein Produkt nicht zehnmal besser. Er macht eine ganze Produktkategorie, die unter Wasser stand, plötzlich tragfähig.

Deshalb beobachten wir das günstige Ende der Kurve genauer als das schillernde. Bei Cinevva funktionieren die Generierungswerkzeuge in der Plattform nur als Geschäft, wenn eine Generierung günstig genug ist, dass Creator frei experimentieren können, ohne dass wir bei jedem Klick bluten. Die Lehre aus Sora war, dass großartige Ergebnisse zu falschen Kosten das Unternehmen beenden. Die Lehre aus Varya ist, dass sich die Kosten endlich bewegen, und zwar schnell, und dass die Teams, die auf günstige und gute Modelle bauen, jene überleben werden, die den teuren und spektakulären hinterherjagen.

Auch der regionale Aspekt zählt. Ein Modell, das für indische Kontexte trainiert und für indische Budgets bepreist ist, erinnert daran, dass die nächste Welle dieser Werkzeuge nicht komplett aus derselben Handvoll US-Labore kommt und nicht komplett für US-Geldbeutel bepreist sein wird. Billiger, lokaler, spezifischer ist eine andere Wettbewerbsachse als größer und allgemeiner, und es ist eine, die die Platzhirsche nur langsam verteidigen.

Quellen

• TechCrunch: Cheaper, faster, and culturally aware, Avataar's video AI is built for India's scale
• Outlook Business: Avataar launches Varya, India's first distilled video AI model under IndiaAI Mission
• Republic World: This new India-built AI model wants to make video generation far more affordable
• WaveSpeed: AI video generation news 2026, latest models and updates
• MagicHour: AI video model release tracker 2026