Wan 3.0が動画リーダーボードを制覇。オープンウェイトの物語は、今や動画の物語になった。
生成AIブームのほとんどの間、オープンウェイトの議論は画像のものだった。Stable Diffusionは、自分のGPUで本格的なモデルを動かせることを証明し、LoRAやControlNetのエコシステム全体がその周りに育った。動画は違っていた。最高の動画モデルはAPIの背後に閉じ込められたままで、「オープンソース動画」といえば、クローズドなリーダーに後れを取る小規模モデルを意味していた。
それが今月、変わった。Alibabaの動画モデルであるWan 3.0が、Artificial Analysisの次世代ベンチマーク「AA-Video-T2V v2.0」で首位に立った。このベンチマークは、約1,000件のプロンプトに対する68,000件以上の人間の選好投票から構築されている。Wan 3.0はElo 1157を記録し、20のカテゴリランキングのうち10で1位を獲得した。同じリーダーボードでは、動画編集でもWan 3.0が1位となり、ByteDanceのSeedanceやMiniMaxのH3を上回った。
重要なのは、一つの数字そのものよりも、それが何を表しているかだ。オープンウェイトの中国製モデルが、今やGoogleのVeo 3.1やその他のクローズド系モデルと互角に渡り合い、いくつかのランキングでは上回っている。価格設定も同じことを物語っている。Wan 3.0は解像度に応じて秒あたり0.05〜0.20ドルで動作し、Veo 3.1の標準ティアの秒あたり0.40ドルと対照的だ。Alibabaはまさにこの推進を資金面で支えるため、香港での株式売り出しで100億ドルを調達した。戦略は明快だ。安く売り、シェアを獲得し、エンタープライズ顧客を成長エンジンにする。
技術的には、Wan 3.0は一貫性と構造化された入力のために作られている。前身の15秒制限を倍にする最大30秒のクリップを1回のパスで生成し、最大1080pで同期した微表情と多言語音声を備える。さらに興味深いのは、ドキュメント、PDF、PowerPoint、スプレッドシートを入力として受け付け、スライドデッキやレポートを動画に変える点だ。このドキュメントから動画へのアプローチは、個人クリエイターだけでなく、エンタープライズのワークフローにまっすぐ狙いを定めている。
ドキュメントから動画への機能は、実際以上に注目される価値がある。ほとんどの動画モデルはテキストプロンプトか画像を求める。Wan 3.0は、あなたがすでに持っている資産、すでに作ったスライド、すでに書いたレポートを求め、それらを真実の源として扱う。ドキュメントに依存して生きるビジネスにとって、それは「レポートがある」から「動画がある」への移行の摩擦をほぼゼロにする。エンタープライズのドキュメントパイプラインを入口にした最初のモデルであり、静かに賢い動きだ。
動画スタックを選ぶチームにとって、これは意思決定を再編する。オープンモデルは、クローズドモデルを買えない、あるいは使えないときに手を伸ばすものだという古い前提は弱まりつつある。今やリーダーボードのトップに立つモデルをセルフホストできる。これは品質とは無関係で、すべてがコントロールに関わるケースにとって重要だ。データを自社インフラの外に出せないクライアントには、セルフホストモデル以外にコンプライアンスを満たす選択肢がない。そして初めて、その選択肢は出力品質の妥協ではなくなった。
熱狂の中で飛ばされがちな注意点がある。重みが無料だからといって、セルフホストが無料なわけではない。GPU、統合作業、そして実際のワーク量に見合った規模でパイプラインを健全に保ち続ける日々の仕事にコストを払う。モデルは無料でも、エンジニアリングは無料ではない。ほとんどの小規模チームにとって、ボリュームがハードウェアを正当化するまでは、ホスト型エンドポイントの方が総コストで勝る。
この勝利を正しく読むには、ベンチマークの文脈が重要だ。AA-Video-T2V v2.0ベンチマークは新世代の人間選好評価であり、すべてのモデルを1080pで評価するため、低解像度で勝つという昔の抜け道を排除している。Wan 3.0は20のカテゴリランキングのうち10で1位となり、総合Eloで最高の1157を記録した。これはニッチな勝利でも、有利なカテゴリでの勝利でもない。秒あたり8倍のコストがかかるモデルを含む、全領域に対する広範で競争力のある結果だ。秒あたり0.05ドルのオープンモデルが、秒あたり0.40ドルのクローズドモデルを打ち負かすとき、その価値提案に反論するのは難しい。
無視しにくい政治的側面もある。AI動画競争は、中国と米国のラボ間のより大きな競争の代理戦争になっている。Wan 3.0のベンチマーク王座は、両国で異なる理由から引用される類の結果だ。中国では、国内スタックが価格だけでなく品質でも競争できる証明となる。米国では、コンピュートコストだけが変化しているのではない証拠となる。どちらの枠組みも、起きていることを完全には捉えていない。それは、低価格とより高性能なオープンモデルという形でユーザーに利益をもたらす、真の競争的収斂だ。
オープンウェイトが動画へ越境したことは、AIのより広い地政学にも影響する。中国のラボはしばらく価格競争で勝ってきたが、今やベンチマークでも勝ち始めており、「安価な模倣」から「真に競争力がある」へと物語を変えている。同じ力学は、画像生成ではQwen-ImageやZ-Imageで、言語モデルではDeepSeekやQwenですでに展開された。動画は西側のクローズドラボにとって最後の主要な牙城だったが、Wan 3.0は扉が開いたことを示した。
ベンチマーク王座は見出しだが、本当の物語は、動画生成に信頼できるオープンな道ができたことだ。Stable Diffusionの後に起きたのと同じ力学が、ここでも起きる可能性が高い。ファインチューン、コミュニティ製のコントロールノード、地域別デプロイ、そしてAPIベンダーがわざわざ対応しなかったロングテールのユースケースだ。ファインチューンしたオープンモデルは、画像制作で特定のキャラクターやスタイルを保持する標準的な方法になっている。動画クリエイターも、自分のブランドや製品でトレーニングできる同じ能力を求めるだろう。
そのエコシステムが形成されつつある初期の証拠はすでにある。MiniMax H3のエコシステムは、オープンソースのプロンプトビルダーと、アニメやキャラクター制作を狙ったコミュニティのファインチューンの波を生み出し、Stable Diffusionのプレイブックをなぞっている。オープンウェイトがベンチマーク首位に立つほど良くなると、その周りに形成されるコミュニティはもはやニッチではない。それは主流であり、そこから生まれるイノベーション、つまりコントロールノード、地域別ホスティング、プライバシーを保つローカル推論などは、どの単一ベンダーが提供できるよりも速く届く傾向がある。
チームにとっての実用的な意味は具体的であり、繰り返す価値がある。2026年後半に動画スタックを選ぶなら、もはや「オープンかクローズドか」は品質の問題ではない。それはコントロール、コスト、そして撤退リスクの問題だ。オープンウェイトは1つ目を与え、3つ目を減らすが、2つ目を犠牲にする。クローズドAPIは利便性を与えるが、3つすべてを犠牲にする。次のモデル廃止を痛みなく乗り切るチームは、ベンダーがサービス終了を発表したときに苦労して知るのではなく、そのトレードオフについて自分たちの立場をすでに決めているチームだ。
生成動画の上で何かを作るすべての人にとって、実用的な教訓は、オープンウェイトをフォールバックとして扱うのをやめることだ。戦略的選択肢として扱うべきだ。次にクローズドベンダーが、OpenAIがSoraでそうしたようにモデルを廃止するとき、慌てふためかないチームは、少なくとも片足をオープンな道に置き続けたチームだろう。オープンウェイトはかつて残念賞だった。動画において、それはちょうどトロフィーケースになった。