
ltx-2.3-fast: Lightricks' destilliertes DiT-Modell mit 22 Milliarden Parametern – generiert 4K/50FPS-Clips bis zu 20 Sekunden in 8 Schritten. Vollständige Deployment-Anleitung, Prompting-Tipps und Benchmarks.
ltx-2.3-fast ist das schnellste Open-Weight-Videogenerierungsmodell, das Mitte 2026 verfügbar ist. Es kombiniert eine Diffusion-Transformer-Architektur mit 22 Milliarden Parametern mit einer destillierten 8-Schritt-Inferenz-Pipeline, die Clips von bis zu 20 Sekunden Länge zu einem Bruchteil der Kosten geschlossener Konkurrenzmodelle erzeugt. Das von Lightricks entwickelte und am 5. März 2026 veröffentlichte Modell belegt den ersten Platz im Artificial Analysis Video Arena Leaderboard unter den Open-Weight-Modellen [16]. Dieser Leitfaden deckt alles ab, was technische Anwender benötigen, um ltx-2.3-fast zu evaluieren, zu deployen und effektiv zu prompten.
Was ist ltx-2.3-fast?
ltx-2.3-fast ist die geschwindigkeitsoptimierte Variante von LTX-2.3, einem Audio-Video-Foundation-Modell mit 22 Milliarden Parametern auf Basis der Diffusion-Transformer-Architektur (DiT), entwickelt von Lightricks [16]. Es handelt sich um ein destilliertes Modell – das heißt, es wurde darauf trainiert, die Ausgabe eines größeren, mehrstufigen Teacher-Modells in deutlich weniger Schritten zu replizieren – und läuft mit lediglich 8 Denoising-Schritten bei einem Classifier-Free Guidance (CFG) von 1 [16]. Damit ist es das schnellste Open-Weight-Videogenerierungsmodell, das Mitte 2026 verfügbar ist [11].
Kernmerkmale
| Eigenschaft | Wert |
|---|---|
| Entwickler | Lightricks |
| Architektur | Diffusion Transformer (DiT) mit 22 Mrd. Parametern, destilliert |
| Veröffentlichungsdatum | 5. März 2026 [16] |
| Inferenzschritte | 8 (CFG = 1) [16] |
| Unterstützte Eingaben | Text-to-Video; Image-to-Video (Start- + Endframe) [18] |
| Prompt-Kontextfenster | 1.000 Token [13] |
| Maximale Cliplänge | 20 Sekunden [11] |
| Maximale Auflösung | 4K bei 50 FPS [16] |
| Lizenz | LTX-2 Community License (kostenlos für Organisationen unter 10 Mio. USD Umsatz); Apache 2.0 auf fal.ai [7][16] |


