国内大規模モデル vs 海外主流大規模モデル：テキスト・マルチモーダル・商用化の全貌比較（2026年）

2026年、大規模モデルをめぐるグローバル競争は、単なる「テキスト生成」から「全モーダル理解・生成」の深層領域へと拡大しています。国内勢ではKimi（月の暗面）、MiniMax、智譜AI、アリババ（通義千問）がテキスト分野でOpenAI、Anthropic、Googleと真っ向勝負を繰り広げています。一方、動画生成分野ではバイトダンス（Seedance）とMiniMax（H3）が国内の旗手として、SoraやVeoなどの海外競合と激しく競い合っています。本稿では、モデル能力とトークン課金という二つの観点から、国内モデルと海外主流モデルの最新競争構図を体系的に整理します。

I. テキスト大規模モデルの能力対決：国内は特定領域で突破口、海外は総合でリード

1. 国内四大テキストプレイヤーと最新フラッグシップ

(1) Kimi（月の暗面）：K3 – パラメータ数で頂点に、コーディング能力で世界一

2026年7月、月の暗面はKimi K3を発表しました。2.8兆パラメータを擁し、世界初のオープンソース3兆級大規模モデルです。自社開発のKDAハイブリッド線形注意機構により、拡張効率は前世代比で約2.5倍向上しています。Arena AI Frontend Code Arenaでは、K3は1679点で首位に立ち、Claude Fable 5（1631点）やGPT-5.6 Sol（1618点）を上回りました。Vals AI総合テストでは74.7点を獲得し、世界第2位にランクインしています。弱点としては推論速度がやや遅いこと、またフル機能を利用するには最上位サブスクリプションが必要な点が挙げられます。コンテキスト窓は100万トークンに対応します。

(2) MiniMax：M3 – 「三拍子揃った」オープンソースの差別化路線

2026年6月、MiniMaxはM3を発表しました。「**端コーディング、1M長文コンテキスト、ネイティブマルチモーダル」という三つのコア機能を同時に備えた国内初のオープンソースモデルです。総パラメータ4,280億、1トークンあたり約230億パラメータを活性化します。自社開発のMSA（MiniMax Sparse Attention）アーキテクチャにより、100万コンテキスト下でプリフィルが9倍以上、デコードが15倍以上高速化されています。SWE-Bench ProではGPT-5.5やGemini 3.1 Proを凌駕しました。2025年の年間収益は7,903.8万ドルに達し、海外収益が73%を占めています。

(3) 智譜AI：GLM-5.2とGLM-5.3 – 長期的タスクとセキュリティの二刀流

• GLM-5.2（6月リリース）：「長期タスク」に特化し、AIが開発・連携・テスト・パッケージング・デプロイまでの一連のエンジニアリングを自律的に完了できるようにしました。1Mコンテキストを備え、FrontierSWEなどのベンチマークではClaude Opus 4.8とわずか1〜4%差に迫っています。特筆すべきは、リリース初日から華為昇騰、平頭哥、摩爾線程などの国産算力プラットフォームへの推論適応を完了している点です。

• GLM-5.3（8月リリース）：事後学習により知能の上限をさらに向上させ、Terminal Bench 3.0やAgents' Last Examなどでオープンソース第1位を獲得しました。CyberGym脆弱性推論ベンチマークでは84.5%のスコア（GLM-5.2は77.2%）を記録し、これを活用して40年以上存在したDNSプロトコルレベルのリスクを発見しました。

(4) アリババ（通義千問）：Qwen 3.8-MaxとQwen3.8-Flash – 二輪戦略

• Qwen 3.8-Max（8月リリース）：総パラメータ2.4兆、スパースMoEアーキテクチャ（推論時は950億活性化）、100万コンテキスト。9月のバージョンアップデート後、CodeArena WebDevランキングで1691点を獲得し、Claude Opus5やKimi K3を上回りました。

• Qwen3.8-Flash（8月オープンソース）：1,000億パラメータながら活性化は60億に留まり、性能はClaude Opus4.6をSWE-bench Proで9.1点上回ります。トレーニングコストはQwen3.7-Plus比で約90%削減されました。

2. 海外主要3社：閉鎖エコシステムの強固な壁

暫定評価：国内モデルはコーディングや長期タスクなどの特定分野で正面から対抗できる実力を備えています。しかし、総合能力とユーザー体験では依然としてClaude Fable 5やGPT-5.6 Solに後れを取っています。

II. マルチモーダル／動画生成能力対決：二強時代、国内勢が世界一線級へ

2026年、動画生成分野は「バイトダンスSeedance」対「MiniMax H3」という二強体制が確立され、アリババ、智譜、快手なども激しく競合しています。

1. バイトダンス Seedance シリーズ：産業グレード動画生成のベンチマーク

• Seedance 2.0（2月リリース）：Artificial Analysis Video ArenaでElo 1269を記録し、Google Veo 3、OpenAI Sora 2、Runway Gen-4.5を凌駕しました。自社開発のデュアルブランチ拡散Transformer（DB-DiT）により、単一フォワードパスで映像と音声を同期出力し、音画のタイムラグを完全に解消しました。**60秒の2K動画、8言語以上のリップシンク、マルチモーダル参照入力（9画像＋3動画＋3音声）に対応し、可用性は90%に達します。

• Seedance 2.5（7月31日リリース）：4つの大型アップグレード – 単体生成を30秒に延長、ネイティブ4K解像度と10ビット色深度に対応、マルチモーダル参照素材を**50個のフルモーダルアセットに拡張し、ホワイトモデル／グリーンスクリーン参照を新たに追加、動画の局所編集機能を実装しました。リリース当日に徐工集団、小鵬汽車などとの連携が発表されました。

• Seedance 2.0 mini（6月提供開始）：コストパフォーマンス版で、画像→動画が0.023元/千トークン、1秒あたり約0.5元。

2. MiniMax H3：オープンソース全モーダルの破壊者

MiniMax H3は7月31日にリリース、8月3日にオープンソース化されました。テキスト・画像・動画・音声を統一的に理解し、**2K解像度・最長15秒・ネイティブステレオ音声付き動画を生成できます。Artificial Analysisでは動画編集能力で世界第1位、テキスト→動画および画像→動画でそれぞれ第2位・第3位にランクされています。**9画像＋3動画＋3音声のマルチモーダル参照入力に対応。価格は業界フラッグシップの3分の1にあたる 2Kで0.8元/秒、768Pで0.5元/秒 です。

実際の比較テストでは、H3とSeedance 2.5は「互角だが性格は異なる」とされ、H3は最終的な映像が「どのように見えるべきか」をより理解し、Seedance 2.5は監督が具体的に「何をしたいか」をより理解する傾向があります。

3. その他の国内マルチモーダルモデル一覧

4. 海外マルチモーダルモデルとの比較

III. トークン課金の全体像：テキストからマルチモーダルまで

1. テキストモデルの価格設定：国内は「ジェットコースター」、海外は高値安定

国内編 – 「価格戦争」から「一斉値上げ」へ

2026年上半期、国内テキストモデルは熾烈な価格戦争を経験し、DeepSeek V4-Proのキャッシュヒット単価は0.025元/100万トークンまで下落し、多くのモデルが90%超の値下げを実施しました。しかし下半期に入り、エージェント利用の爆発（週間トークン量が7.22兆に達する）、GPU不足、HBM価格の500%超高騰などの要因で、業界は一斉に大幅値上げに転じました。モルガン・スタンレーの8月レポートによると、中国の大規模モデルAPI入力・出力価格は前年比でそれぞれ約48%、80%上昇しました。

主な調整：

• Kimi K3：出力価格を100元/100万トークン（約14ドル）に引き上げ。K2.6（22.4元）比で3.5倍超の上昇。入力は20元/100万トークン（キャッシュヒット時2元）。

• 智譜GLM：年内に3回の値上げを実施、平均上昇率83%。

• アリババ Qwen 3.8-Max：入力12元、出力36元/100万トークン。

• アリババ Qwen3.8-Flash：入力1元、出力3元/100万トークン – Claude Opus4.6のわずか3%に相当。

海外編 – 高水準で安定、プレミアム顕著

考察：Kimi K3の出力価格は約14ドル/100万トークンで、Claude Fable 5の50ドルやGPT-5.6 Solの30ドルと比べると依然として大幅に安価です。国内モデルは値上げ後も価格優位性を保っていますが、その差は縮まりつつあります。値上げの背景には、「シェア獲得のための資金投下」から「持続可能な商用化」への移行という必然的な痛みがあります。

2. マルチモーダル／動画モデルの価格設定：秒課金 vs トークン課金の論理

動画生成の課金ロジックはテキストとは根本的に異なり、解像度・長さ・入力モーダルの複雑さなどに依存するため、単純な比較は困難です。

Seedance 2.5は2.0比で約50%の値上げとなり、コンテンツの複雑さに連動してコストが変動します – シンプルなシーンはトークン消費が少なく低コストですが、動画入力を伴う編集・続き物のタスクは業界の秒課金相場と同程度になります。MiniMax H3の0.8元/秒はフラッグシップ他社の3分の1であり、15秒の2K動画で約1.95ドルに過ぎず、Seedance 2.5の同様タスクが約10元/秒であることと比べると、H3のコスト優位性は極めて大きいと言えます。

IV. 国内モデルの主要トレンドと差別化戦略

1. 「単一モーダル」から「全モーダル」へのパラダイムシフト

2026年、競争の基準は「動画を生成できること」から「マルチモーダルコンテンツを統合的に理解・生成できること」へとシフトしました。Seedance 2.5は50個のフルモーダル参照素材に対応し、MiniMax H3はテキスト・画像・動画・音声を自由に呼び出せるコンテキストとして統合し、アリババ Wan3.0はオフィス文書から直接動画生成を可能にしました。「全モーダル理解＋全モーダル生成」が新たなスタンダードになりつつあります。

2. オープンソース戦略 – 国内陣営の強力な差別化要因

海外の主要モデル（GPT-5.6、Claude Fable 5）が閉鎖的なのに対し、国内勢はオープンソースを積極的に推進しています。Kimi K3、MiniMax M3およびH3、智譜GLM-5.2/5.3、アリババ Qwen3.8-Flashはすべてオープンソース化されています。特に動画生成分野では、MiniMax H3のオープンソース戦略がDeepSeekに続く破壊的な道を切り開き、グローバルなデベロッパーエコシステムを引き付けることが期待されます。

3. 国産算力への適応 – 戦略的な防波堤

智譜GLM-5.2は、華為昇騰など複数の国産算力プラットフォームへの推論適応をいち早く完了しました。NVIDIAの高端GPUが「首を絞められる」状況下で、「オープンソース国産モデル＋国産算力」の組み合わせは独自の戦略的優位性を構築し、米中テクノロジー抗争の中でのサプライチェーンの強靭性を確保します。

4. 動画生成 – 「クリエイティブなおもちゃ」から「生産性ツール」へ

Seedance 2.5はすでに実産業シーンに導入されています。徐工集団（産業オペレーション研修SOP動画）、小鵬汽車（デザインビジュアライゼーション）、穹徹智能（身体性AIトレーニングデータ生成）などです。動画生成は「コンテンツを生成する」から「世界を理解する」へ、「創造性を補助する」から「生産性を向上させる」への重要な転換点を迎えています。

V. 結論

2026年、国内大規模モデルはもはや単なる「追跡者」ではありません。テキスト分野では、Kimi K3やQwen 3.8-Maxがコーディングなどの特定領域で世界ランキングのトップに立ち、総合能力ではClaudeやGPTの最上位閉鎖モデルに依然として及ばないものの、その差は縮まり続けています。マルチモーダル分野では、Seedanceが4K/30秒の産業グレードとエンタープライズ向け提供でベンチマークを確立し、MiniMax H3はオープンソースと圧倒的コストパフォーマンスで異なる道を切り開き、両者とも世界の**線級に名を連ねています。

価格設定においては、テキスト市場が価格戦争から一斉値上げへと振れたことは、業界が「シェア獲得のための投下」から「持続可能な商用化」へと成熟しつつあることを示しています。マルチモーダル市場では、トークン課金と秒課金が併存する多様な価格体系が見られ、H3のコスト優位性が特に際立っています。

大規模モデルの究極の競争は、単なるモデル能力の戦いから、テキストとマルチモーダルの技術深掘り、オープンソースエコシステムの構築、国産算力への適応、商用化価格戦略を包括する総合的な競争へと進化しています。国内勢は特定の分野でリードする実力を示していますが、全分野での支配力を確立するには、基盤アーキテクチャの継続的革新とユーザー体験のさらなる磨き上げが欠かせません。