Kling 4.0 対 Odyssey-3：クリップと世界は代替ではない

尋ねてみてください：Kling 4.0に午前2時のダイナーを頼むと、午前2時のダイナーの30秒映画が返ってきます——同じプロンプトを実行するたびに、毎回フレーム単位で同一の映画です。次に尋ねてみてください：Odyssey-3に午前2時のダイナーを頼むと、中に入って振り返り、カウンターからコーヒーカップを落とせるダイナーが返ってきます。しかもモデルは、あなたが入力した内容ではなく、あなたが今行ったことにもとづいて次に何が起こるかを予測します。これらは同じカテゴリラベルをまとった別々の製品であり、比較が役に立つのは、「どちらがより良い動画を生成するか」と問うのをやめ、「どちらがあなたのプロジェクトに必要な成果物を生み出すか」と問い始めてからです。

それは逃げではない。この対決に一ページを割く価値がある理由はまさにそこにある。検索すれば、解像度と価格で両者を競わせて順位付けするリスト記事が見つかるが、それはカメラとフライトシミュレーターをフレームレートで比べて順位付けするようなものだ。数字は本物で、順位付けは無意味であり、その根底にある判断こそ、実際にあなたが下せるものだ。

それぞれが正確に何を出力するのか

Kling 4.0は、Kuaishouが提供する生成ビデオモデルで、2026年10月15日から誰でも利用できます。テキストから動画、画像から動画、最初と最後のフレーム、マルチキーフレーム、オムニ参照、およびターゲット編集に対応し、720p、1080p、4Kで3～30秒のクリップを生成でき、2チャンネルステレオ音声と多言語リップシンクを備えています。

Odyssey-3 は Odyssey のワールドモデルです。自己回帰型拡散トランスフォーマーであり、ベース構成で 14B パラメータを持ち、プロンプトから環境を生成し、その後ユーザーがその中を移動している間もリアルタイムで予測し続けるために構築されています。公開リサーチプレビューは 2026年10月8日に公開され、無料のブラウザデモでは軽量版の Odyssey-3 Flash が動作します。公開されているティアは2つあります。832×480 の Odyssey-3 と、1280×720 の Odyssey-3 Pro です。

「video」という語は両方の説明に登場しますが、それぞれで意味が異なります。一方はファイルを出力します。もう一方は、あなたが操作するシステムを出力します。

なぜインタラクティブ性が、モデルが優れているべき内容を変えるのか

クリップ生成器は、固定されたシーケンスがどう見えるかで評価される。構図、照明、動き、手の指が5本あるかどうか。計算資源のすべてを1つの軌道を美しく仕上げることに費やせる。なぜなら軌道は1つしかないからだ。

世界モデルは、介入した後に何が起きるかで評価される。Odysseyのアーキテクチャ解説は、教師強制と因果マスキングによって自己回帰的に拡張された多段階動画拡散トランスフォーマーを説明しており、そのポストトレーニングパイプラインは分布マッチングと敵対的蒸留を組み合わせて数ステップ版を生み出す。拡散は忠実度を、自己回帰は行動系列を生き延びる能力を、蒸留はクロック速度を供給する。三つとも不可欠であり、三つとも同社が自社システムについて述べた説明である。

その違いは、Odysseyが選んだベンチマークに表れている。Anates LabsがDeepMindと共同で運営するPhysics-IQ Verifiedは、モデルに実際の物理実験の映像——流体、光学、固体力学、磁気、熱力学——を見せ、その続きを実際に起きたことと照合して採点する。答え合わせの鍵が物理世界そのものなので、不正にスコアを稼ぐのは難しいベンチマークだ。現在、16のラボの41モデルをランク付けしている。

物理学の数値、ただし注意事項付き

• Odyssey-3 Pro — Physics-IQ Verifiedのvideo-to-videoトラックで66.1を記録し、Odysseyが報告する最高の生スコアです。これは単一実行における8回中最高値であり、選択なしの4回実行平均は63.37です。

• トラック平均に対する純改善 — FLUX 3 [large] が +12.27 ポイントで首位、Odyssey-3 Pro が +11.15 で2位、Odyssey-3 が +9.99 で3位。

• 生成動画1本あたりの正規化コスト — Odyssey-3 Pro が $0.267、Odyssey-3 が $0.139。これに対し FLUX 3 [large] は $0.868、Seedance 2.5 は $2.838。コストは、リーダーボード側で可能な範囲で 24 fps・出力幅 1280 に正規化しています。

• WorldMark — Odyssey-3 は4つのスプリットのうち3つで1位。唯一勝てなかったスプリットは一人称視点の実環境で、80.6で3位となり、84.4のLyra 2.0と83.0のAlayaWorldに次ぐ。これは他者のデータセット上でベンチマーク自身のキャプションを用いて実施されたベンダー評価であり、第三者アリーナではない。

• 独立性 — なし。上記の数値はすべて自己申告です。外部の評価者が、自分で選んだわけではないハーネス上で Odyssey-3 を実行したことはありません。

2行目を2回読んでください。トラックの難易度を調整した指標では、Odyssey-3 Proは1位ではありません——汎用動画生成器が1位です。企業の見出しは生のスコアで、ランキングボードが好む要約では2位になります。どちらも事実であり、その違いはローンチ投稿が省略しがちな類のものです。

Kling 4.0側の根拠は、より優れているどころか、より薄弱だ。

Kuaishouは独自のベンチマークを公表していない。対象はKling 4.0であり、10月23日時点でこのモデルはArtificial Analysisの動画ボードに掲載されていない。それは悪い結果ではない——結果がないのだ。存在するのは仕様書、リリースノート、そしてアプリへのアクセスを持つ人々による1週間の実使用印象であり、これはOdysseyの自己申告スコアより弱い証拠基盤であり、まったく別種のものである。

この仕様は確かに強力であり、シミュレーションではなく作成された出力にとって重要な点で強力です：

• 長さ — 1回のパスで3～30秒、2分への延長は「近日公開」として記載。Odysseyのプレビューは、時間で区切られたクリップではなく、連続した環境を生成します。

• 解像度 — 720p、1080p、4K。上位2ティアの10-bit HDRは「近日提供予定」と記載。Odyssey-3 Proはラインナップの最上位で1280×720、ベースティアは832×480です。

• コントロール — 最大10枚のキーフレーム画像と、画像・動画の秒数・ボイス・エレメントに配分される15項目の参照バジェット。これは監督のコントロールサーフェスであり、何がいつ起こるかを指定できます。

• 音声 — 9言語と指定アクセントに対応したリップシンク付き2チャンネルステレオ。Odysseyのプレビューには、完成したシーンを視聴しているわけではないため、同等の音声出力はありません。

• アクセス — コンシューマー向け製品は提供中。APIは10月21日に企業クライアントと開発者向けに開放開始され、開発者向け価格表ではモデルは依然として「Coming Soon」と表示され、プレビュー料金のみが記載されている。

秒あたりのコストではなく、成果あたりのコスト

2つの価格単位は換算できないため、比較表は誤った内容になっています。Kling 4.0のプレビュー料金は720pで1秒あたり0.157ドル、1080pで0.235ドルで、4K料金は公開されていません。Odysseyのリーダーボード上の記載は生成動画1本あたり0.139ドルまたは0.267ドルで、異なるフレームレートのモデル間で比較できるよう正規化されています。

Kling 4.0のプレビュー料金なら、30秒の1080pショットは約7.05ドルです。ただし、その料金が正式リリース後も維持される場合の話です。720pで10分間の探索可能な環境が欲しい場合、Odysseyの動画あたりの数字は何の参考にもなりません。その列の「動画」はベンチマーク用のサンプルであり、1セッションではないからです。正直に言えば、一方の製品には秒単位の料金があり、もう一方は価格表がまったくない研究プレビューです。その差をまたいで予算を比較することはできません。

アクセスの問題は対称的であり、そこが実用的な要点です。

どちらのモデルも、すぐにそのまま呼び出せるものではありません。Kling 4.0はプレビュー価格で段階的に公開中です。Odyssey-3は研究プレビューであり、APIアクセスには問い合わせフォームが必要で、レート制限に関するドキュメントもモデルの重みもありません。

両方を評価しているチームにとって有用なのは、評価ハーネスをどちらのベンダーのSDKからも独立させておくことです。OrcaRouterはどちらのモデルもホストしていません。Odysseyのルートはなく、カタログにKling 4.0の識別子もありません。しかし、それらの周辺作業は通常のAPIトラフィックです。ショットの説明を動画モデルが利用できる形に変換するプロンプト拡張パス、ショットリスト、キャプション付け、8つのサンプルのうちどれを残すかを決めるスコアリングパスです。これらは200以上のモデルをカバーする単一のOpenAI互換エンドポイント上で、プロバイダー定価・マークアップ0%で実行され、自動フェイルオーバーにより、上流のどれかが一時的に不調でも評価スイープが止まることはありません。どちらかのモデルがセルフサービスAPIを公開するときには、ハーネスはすでに適切な形になっています。

今日呼び出せるモデルは、双方とも前世代のものです。Kling 3.0 は OrcaRouter 上で1リクエストあたり $0.084 で利用できます。Odyssey にはルーティング可能な前身モデルがありません。この非対称性は注目に値します。興味深いモデルがたいてい利用できない側にあるカテゴリーにおいて、Kling 側のフォールバックは少なくとも実際に機能するエンドポイントです。

実際に誰がどれを選ぶべきなのか

選ぶべきはKling 4.0です。成果物が完成したショット、つまり広告、ミュージックビデオのシーケンス、プロダクトフィルムなど、誰かがフレームとサウンドを評価してから書き出すものである場合です。30秒のシングルパス、10枚のキーフレーム、ステレオ音声はすべてその作業に向けたものであり、それらに代わるワールドモデルはありません。

選ぶOdyssey-3べきなのは、成果物が誰かがその中で行動する場である場合です。ロボティクス訓練データ、空間プロトタイピング、ゲームのようなデモ、身体化エージェントの評価などがこれに当たります。Physics-IQ の結果、一人称・三人称ナビゲーション、そして凍結したバックボーンからロボットポリシーが移行するというベンダーの報告は、その用途にふさわしい種類の証拠です。ただし、それらがベンダーのものであることは忘れないでください。

今月、再現性があって請求可能なエンドポイントが必要なら、どちらも選ぶべきではありません。どちらも展開途上で、一方は価格がなく、もう一方はプレビュー料金です。今日このどちらかの上に本番経路を築くのは、自分では制御できないローンチスケジュールに賭けることになります。

これを決着させるのは、両モデルが受けられるベンチマークではない。ワークフロー試験だ。1つのシーンを選び、Kling 4.0で20秒のオーサードショットとして生成し、その後Odyssey-3で同じロケーションを再構築し、カメラを動かして同じアクションを演出してみる。インタラクティブ版が必要な構図を維持できなければ、物理スコアがどうであれ、ワールドモデルは間違ったツールだ。オーサード版が視点の変更に耐えられなければ、クリップ生成ツールのほうが間違ったツールだ。この実験は半日で済み、どちら側のどのEloよりも多くを教えてくれる。