Wan 3.0が再構築された動画リーダーボード首位、Kling 3.0はそのアンカーに

Artificial Analysisは9月30日にテキストto動画のボードを再構築した。新しい尺度AA-Video-T2V v2.0は、すべてのモデルを1080pで評価し、約1,000件のプロンプトにわたる68,000票以上の人間の選好投票を基にしている。プロンプトは10の用途カテゴリと10の能力軸に分類されている。Wan 3.0は音声ありでElo 1,156を記録して首位に立ち、20のカテゴリランキングのうち10で首位を獲得している。

市場の状況をよりよく物語る数字は、一番下にある。1080pのKling 3.0は1,000の固定アンカーだ。尺度がそこに固定されているため、これより下位にランクされるモデルはない。Kuaishouの前フラッグシップはかつてAI動画の国内標準だったが、このボードでは他のすべてが比較される基準点となっている。

表彰台ではなく、ひしめく集団

上位4モデルは誤差範囲およそ9〜10ポイントに対し、互いに18ポイント以内に収まっている。Wan 3.0が1,156で首位。MiniMax H3をポストトレーニングしたUtopai Xは公開APIがなく、1,148で2位。Dreamina Seedance 2.5が1,142で続き、768pのMiniMax H3が1,138で4位。falのH3 Maxが1,134でこのグループを締めくくる。

これらの数字は階段ではなく、一つの集団として読むべきだ。誤差範囲内で首位と並ぶスコアのモデルは、首位より測定可能なほど劣っているわけではない。上位5つのうち3つがH3かH3をベースにしているという事実のほうが興味深い。MiniMaxが公開したオープンウェイトのベースモデルは、3年前に人々がStable Diffusionの上に構築したのと同じように、他のチームがポストトレーニングを施す基盤になった。

ランキングの下には分布に関する物語があり、このボードが初めてそれを可視化した。1年前、動画リーダーボードの上位は、資金豊富な少数のラボによるクローズドモデルのリストだった。今日、上位5つにはオープンウェイトのベースと、それを小規模チームがポストトレーニングした2つのモデルが含まれる。Utopai Xは公開APIを持たないため、公開リーダーボードで2位に位置するモデルは、同社外部の誰にとっても手の届かない場所にとどまっている。これは新しい種類のランキングの産物であり、優れたポストトレーニングがいかに速くオープンベースを競争圏に引き上げられるかを示している。

同日に公開された音声なしのコンパニオンボードでは、Wan 3.0が1,129で首位、H3とH3 Maxが2位と3位に入っている。音声を除くとフィールドが狭まることは、中国製モデルの優位性が視覚効果だけでなく音声処理を通じてもたらされていることを示唆する。また、リーダーボードの解釈も反転させる。無音映像だけを必要とするスタジオは、リップシンクした台詞を必要とするスタジオとは異なる競争環境を見ていることになる。

価格欄が語ること

リーダーボードには1分あたりの価格も併記されており、その欄はEloの欄とは違った読み方になる。Wan 3.0は動画1分あたり12ドル。Seedance 2.5はトップ10で最も高く、1分あたり34.12ドル。誰でもダウンロードできるMiniMax H3は1分あたり4.80ドルだ。

つまり3位のオープンウェイトモデルは、首位が課す価格の4分の1、2位の商用モデルの7分の1で済む。製品を出荷するチームにとって、この差はEloの19ポイントよりも重要だ。問いは「どのモデルが最良か」から「1分あたりの請求でビジネスケースが破綻しない程度に十分良いモデルはどれか」へと移る。1年前ならSeedanceに金を払っていた多くのチームにとって、H3がその答えだ。

Seedance 2.5の1分あたり34.12ドルという数字は、二度見する価値がある。トップ10で最も高額でありながら3位につけているからだ。この価格設定は、オープンウェイトの7倍を払うほど品質を重んじる顧客の存在を前提としており、広告や映画の世界にはそうした顧客が実在する。ボードが示せないのは、そのプレミアムが予算と接触したときに生き残るかどうかだ。制作に200ショットが必要なら、1分あたり34ドルと4.80ドルの差は、プロジェクトと表計算の問題の差になる。

Wan 3.0の首位には注意点がある。招待制の商用ベータ版だということだ。今日実際に購入でき、価格も公表されているのはH3のほうだ。アクセスできないモデルのリーダーボード順位は、この分野がどこへ向かっているかを示すシグナルであり、購入判断ではない。

動画編集ボードはもう一つの次元を加える。Wan 3.0はそこでElo 1,188で首位を維持し、8月のデビュー以来その座を保持してきたMiniMax H3からカテゴリを奪った。編集は実務ワークフローが存在する場所だ。商用の動画制作の多くは、すでに存在する映像から始まるからだ。生成では首位でも編集では劣るモデルは、制作チームにとって両方に強いモデルほど有用ではない。Wan 3.0は現在その両方で首位に立っており、これはこのボードでどのモデルも達成したことのない最強の位置だ。

Kling 4.0はスペック表として登場した

このボードが明らかにするもう一つの点は、最近のKling 4.0のローンチのうちどれだけがプレスリリースの外に存在するかだ。Kuaishouのアカウントは9月28日にこのモデルを発表した。最大4K、10ビットHDR、15のマルチモーダル参照、10のキーフレーム、ネイティブ30秒生成、ステレオ音声。リリース日は「10月予定」だった。

実際に出荷されたのはKling 4.0 Flashで、Ultra Yearlyのサブスクライバー向けに提供されている。機能ページには価格も日付も解像度の記載もなく、10月についての言及もない。Artificial Analysisのどのボードでも、最新のKlingのエントリは依然3.0だ。Klingが報酬を支払ったことを開示したクリエイターの投稿によれば、ローンチ時の出力は1080pでSeedanceより安いという。これは「最大4K」という見出しと矛盾する。

だからといって発表された能力が偽物だというわけではない。言えるのは、発表と使えるモデルの間のギャップこそが作業の大半が存在する場所であり、このローンチはまだそこを埋めていないということだ。4K、HDR、15の参照、10のキーフレームを列挙するスペック表は、もし出荷されればオープン市場で最強となる能力セットを描いている。同時に、すべての競合が四半期内に応答を迫られる機能セットでもある。

このパターンは過去2年のモデルローンチでおなじみだ。発表が期待を設定し、一般提供までの期間に実際の製品が作られる。買う側にとっての実践的な助言はいつも同じだ。機能ページを軸に制作パイプラインを計画してはいけない。今日呼び出せるものを軸に計画するのだ。

注目すべき点

次のシグナルは、Wan 3.0が招待制ベータを抜けて価格を公表するかどうかだ。もしそうなれば、首位とオープンウェイト集団の差は、理論上のものではなく実際の予算判断になる。

第二のシグナルはKling 4.0そのものだ。その前のフラッグシップがこの尺度のアンカーを設定した。次のモデルは、Kuaishou外部の誰も走らせる前に期待値に織り込まれつつある。それが実際に登場するとき、上位5枠のうち3つはすでにより安価なモデルに占められているボードに対して登場することになる。

第三は、アンカー自体がどうなるかだ。Kling 3.0は定義上1,000に位置する。Kling 4.0が出荷されてそれを上回れば、尺度の固定点が動き、ボード上のすべてのEloが新しい基準との比較になる。その瞬間、このランキングは9月を説明することをやめ、この年がどこへ向かうかを説明し始める。