← Torna al blog
Aicirca 7 min di lettura

Cinque modelli video sono entrati in Azure. L’inferenza la fa fal

Pubblicato 11 nov 2026
Cinque modelli video sono entrati in Azure. L’inferenza la fa fal

Il 5 novembre Microsoft e fal hanno annunciato che cinque modelli di generazione video sono disponibili in Microsoft Foundry come anteprima pubblica, erogati come servizio Azure first-party. I modelli vengono da Kuaishou, Lightricks e MiniMax. L’inferenza è di fal. Microsoft non ha costruito né gli uni né l’altra.

Ed è questo l’accordo che conta. Per due anni la domanda sui modelli video è stata chi ce l’ha il migliore. La domanda a cui risponde questo annuncio è diversa: chi può essere la cassa da cui li compri. Microsoft si è offerta volontaria, e lo ha fatto ammettendo di non aver bisogno di possedere i modelli per possedere la transazione.

I cinque, e a cosa serve ciascuno

L’inquadratura di Microsoft è che il lavoro creativo non è un compito solo. Un team che esplora diverse direzioni per un brief testuale, un retailer che trasforma una foto prodotto approvata in un concept in movimento, uno sviluppatore che incatena generazione di immagini e generazione di video: ognuno vuole cose diverse da un modello. Qualità, movimento, controllo, tempi e costo si compensano in modo diverso in ogni caso. Quindi i cinque sono cinque posizioni su una mappa, non cinque tentativi sullo stesso benchmark.

Kling v3 Pro è quello cinematografico. Qualità dell’immagine più movimento fluido, generazione audio nativa, elementi personalizzati. La modalità image-to-video permette a uno sviluppatore di controllare come un frame iniziale specifico diventa un’inquadratura in movimento. È la scelta quando la direzione visiva e la resa del movimento contano più del prezzo al secondo.

LTX-2.5 arriva in due livelli. Fast serve per iterare e fare anteprime, Pro per la consegna ad alta fedeltà. Entrambi fanno text-to-video e image-to-video, ed entrambi portano audio sincronizzato. Il senso di spedirli insieme è che un team può abbozzare e finire sulla stessa piattaforma senza cambiare strumenti: sembra poco, finché non provi ad allineare un look tra due fornitori.

MiniMax H3 Max e H3 Max Turbo sono varianti post-addestrate di H3, con il post-training mirato a seguire le istruzioni, alla qualità visiva e alla capacità di ragionamento. Turbo baratta un po’ di qualità per una generazione più rapida ed è pensato per l’iterazione ad alta frequenza.

Sulla scala, il fondatore di fal Burkay Gur l’ha detto semplice: le applicazioni di media generativi stanno diventando multi-modello, perché parti diverse del lavoro hanno bisogno di cose diverse. Il catalogo di fal copre più di 1.500 modelli tra immagini, video, audio e 3D, più inferenza, addestramento e infrastruttura. Microsoft ne ha scelti cinque. La selezione è il prodotto.

Il dettaglio della residenza dei dati

Seppellita nell’annuncio c’è la frase che chiuderà davvero i contratti: i modelli sono ospitati in regioni statunitensi, e Foundry è il primo provider a offrire un endpoint Kling ospitato negli Stati Uniti.

Kling viene da Kuaishou, un’azienda cinese. Per un’impresa statunitense con una revisione degli acquisti, «possiamo usare il modello e l’inferenza avviene in una regione USA su un contratto Azure» è una conversazione diversa da «possiamo usare il modello». Il modello è identico. La carta non lo è.

È la parte della tesi multi-modello che viene venduta al ribasso. L’argomento tecnico a favore di un intermediario è la comodità. L’argomento commerciale è che l’intermediario assorbe la superficie di conformità. Microsoft sta vendendo il secondo.

Prezzi, e un numero da verificare da soli

La fatturazione è al secondo generato, con risoluzione e modalità audio che spostano il prezzo unitario. Microsoft dice che i prezzi specifici arriveranno sulla pagina dei prezzi Azure nelle prossime settimane.

Cinque piccole lenti di vetro con curvature diverse appoggiate su velluto antracite.

Un avvertimento. Il corpo del blog ufficiale e la sua tabella non descrivono la stessa unità di fatturazione. Prima di metterlo in un budget, verifica sulla pagina dei prezzi se il contatore legge al secondo o al minuto, poi moltiplica. Quel tipo di discrepanza è comune negli annunci di anteprima ed è esattamente ciò che trasforma un esperimento economico in una fattura a sorpresa.

Non esiste nemmeno un benchmark unificato di qualità o latenza tra i cinque. Microsoft lo dice apertamente. Scegliere significa far passare i propri prompt, le proprie immagini di partenza, le proprie lunghezze di clip e i propri requisiti audio dentro ciascuno. Lo stato di anteprima significa nessun SLA e un’interfaccia che può cambiare.

Il trucco con ComfyUI è la parte utile

Un secondo post di Microsoft, pubblicato insieme all’annuncio, spiega come collegare i modelli immagine di Foundry e i modelli video di fal a ComfyUI con due nodi personalizzati, senza nessuna API key in tutta la catena.

Tre passi.

Primo, distribuisci i modelli nel tuo progetto Foundry. Dal catalogo del portale o con la CLI:

az cognitiveservices account deployment create ...

Gli identificativi di esempio indicati sono gpt-image-2.5-sunburst, FLUX.2-pro e MAI-Image-2.6 sul lato immagini, e Fal-MiniMax-H3-Max sul lato video. Una regola di naming conta: il nome della distribuzione immagine deve coincidere con il nome del modello, perché i nodi deducono la famiglia del modello da quella stringa. I nomi delle distribuzioni video possono essere quelli che vuoi.

Secondo, dai a ComfyUI un accesso senza chiave. I nodi usano DefaultAzureCredential, quindi si autenticano con l’identità Entra che la macchina già ha. Su un portatile è la tua sessione di az login. Su Azure è la managed identity. Quell’identità ha bisogno del ruolo Cognitive Services User sulla risorsa Foundry, oppure Foundry User. Non c’è nessuna chiave da conservare, ruotare o far finire dentro un JSON di workflow condiviso, che è il modo più comune in cui le installazioni ComfyUI vengono compromesse.

Terzo, incolla l’endpoint del progetto, che assomiglia a https://xxx.services.ai.azure.com/api/projects/xxx.

L’architettura è la conseguenza interessante. La generazione avviene in Foundry. ComfyUI orchestra soltanto. Quindi la macchina che esegue ComfyUI non ha bisogno di una GPU, e l’esempio di Microsoft è una chiamata text-to-image che alimenta una chiamata image-to-video per produrre un’inquadratura cinematografica di cinque secondi, assemblata su hardware che potrebbe essere un portatile.

Per chiunque abbia mantenuto un’installazione ComfyUI con quaranta nodi personalizzati e uno zoo di checkpoint locali, è una forma davvero diversa. Il workflow diventa un client sottile. Quello che perdi è la capacità di lavorare offline e di inserire un modello locale a metà grafo.

Il vicino scomodo nello stesso ciclo di notizie

Tra il 5 e il 6 novembre la guida agli aggiornamenti di sicurezza di Microsoft conteneva due voci con CVSS 10.0. Una riguardava la registrazione dei dispositivi in Entra. L’altra era CVE-2026-85889, un difetto di autenticazione mancante in Azure AI Foundry, CWE-306, vettore di rete, nessun privilegio richiesto, nessuna interazione dell’utente.

La nota di Microsoft dice che i clienti non devono fare nulla, perché la correzione è arrivata sulla propria infrastruttura e non esiste una versione installata dai clienti da mettere a patch. Segnalata dal ricercatore Rémy Marot, nessuna prova di sfruttamento reale.

Due cose vanno tenute separate. Un punteggio di 10.0 misura l’impatto nel caso peggiore, non la probabilità, e la valutazione di sfruttabilità di Microsoft è bassa. E un annuncio di CVE cloud è una notifica, non un compito: non c’è niente da mettere a patch. Vai a leggere i log per cercare distribuzioni e chiamate anomale nella finestra precedente alla correzione.

Resta comunque nello stesso paragrafo del lancio, perché entrambi riguardano lo stesso spostamento. Quando la piattaforma esegue i modelli, custodisce le chiavi e possiede l’endpoint, il perimetro di sicurezza si sposta dentro un servizio che non puoi ispezionare. È il conto della comodità.

Cosa testare davvero

Se stai valutando questa offerta, il confronto interessante è se un intermediario più cinque modelli batte un fornitore più un modello sulla tua pipeline reale. Mettere Kling contro LTX contro MiniMax in astratto dice molto poco.

Fai passare lo stesso brief attraverso tutti e cinque. Misura il tempo dal prompt a una clip utilizzabile, non il tempo a una clip. Poi misura il tasso di rifacimenti, perché un modello che ha bisogno di tre tentativi per azzeccare il movimento costa tre volte tanto, qualunque sia il prezzo di listino. Poi controlla se l’audio, dove c’è, sopravvive al montaggio. Un sync che deriva è peggio di nessun audio.

E tieni a mente l’uscita. Tutto il fascino di un intermediario è che puoi cambiare il modello sotto senza cambiare l’integrazione. Verificalo cambiandone uno e guardando cosa si rompe. Se la risposta è «il formato del prompt», hai un intermediario. Se la risposta è «tutto», hai un fornitore con qualche passaggio in più.

Ignite va dal 17 al 20 novembre, con una sessione dedicata a Foundry e fal il 19. Prezzi e disponibilità generale dovrebbero seguire. Fino ad allora è un’anteprima senza SLA, che va bene per gli esperimenti e non va bene per il lancio di un prodotto.

Articoli correlati