Odyssey-3 vs MiniMax H3：違いはダウンロードにある

2026年8月3日、2K動画モデルの重みがHugging Faceに登場し、誰でもダウンロードして実行できる名前で公開された：MiniMax H3。6週間後の9月15日、OdysseyはOdyssey-3の研究ページを公開した — ロボットアーム、車、ドローン、3つのビデオゲームを動かす基盤世界モデル — そしてダウンロードリンクがある場所に一文を置いた：それは「今後数週間で」一般公開される予定だ。この2つの文が比較のすべてだ。これらのモデルの一方は、今夜あなたのクラスタに、あなた自身のシリコン上で、あなたが読むことのできるライセンスの下で置くことができる。もう一方は、その研究所の外の誰も購入もレンタルもダウンロードもできないし、会社はそれがいつ変わるかも言っていない。その非対称性は対戦の脚注ではない。それが対戦そのものだ。

MiniMax H3が実際に提供するもの

H3は2026年7月31日に発表され、8月3日にオープンソース化された。単一タスクの動画生成器ではなく汎用モデルであり、テキスト、画像、動画、音声をコンテキストとして読み取り、最大15秒、最大2Kの動画を、32 kHz・毎秒24フレームのネイティブステレオ音声付きで生成する。6種類のアスペクト比（21:9から9:16まで）をサポートし、11言語で対話を安定してサポートする。オープンベースには2つの公開バリアントがある。テキストからの動画生成、および最初のフレーム、最後のフレーム、または最初と最後のフレームの生成向けのH3-Base-FL2VAと、最大9枚の画像、3本の動画クリップ、3本の音声クリップを受け入れ、入力ファイルは最大12個に制限されるH3-Base-Ref2VAである。

この比較で重要なのは、オープンな部分がどこで止まるかだ。H3システム全体は3段階のパイプラインである。H3-Context-IRがコンテキストを前処理してオーケストレーションし、H3-Baseが768pで生成し、H3-Regenerate-2Kがその結果を2Kへ引き上げる。公開されているのはH3-Baseの重みだけで、しかもApacheやMITではなくMiniMax H3 Community Licenseの下で提供される。条件が付いたライセンスであり、商用パイプラインに組み込まれる前に読む価値がある。Context-IR段階と2K再生成モジュールはMiniMax側で動作する。つまり、ここでの「オープンウェイト」で手に入るのはパイプラインの中間部分だ。H3-Baseをダウンロードしてセルフホストするチームは、768pの動画生成は得られるが、ベンダーに連絡することなく2Kへ至る道はない。

Odyssey-3が代わりに提供するもの

Odyssey-3 が代わりに提供するのは、一つの主張と一連の実証だ。Odyssey はこれを基盤世界モデルと表現しており、公表しているアーキテクチャの詳細は、後から検証できるほど具体的である。すなわち、世界の視覚的観察を大規模に集めたデータで学習された自己回帰拡散トランスフォーマーであり、これによって物理、力学、因果関係、そして人間の行動についての学習された理解が得られると同社は述べている。タスク適応は、事前学習済みの世界モデルを凍結したまま、観測と行動のペアで学習した行動デコーダを後付けすることで行われる——小さなポリシーが、モデル自体を微調整するのではなく、凍結されたモデルの表現を読み取るのである。

デモンストレーションは6つの異なる実装形態にまたがる。ロボットアーム：数十時間にわたるデモンストレーションを経て、訓練データにはなかった回復行動——把持に失敗した後にグリッパーの向きを変えること——を含む。数十時間の遠隔操作データからFlexionで構築したヒューマノイドポリシーは、Odysseyによれば、比較対象としたVLAベースラインよりもよく汎化するが、数値は公表していない。20時間のシミュレーションデータから学習した閉ループ運転を、インドで走らせた。シミュレーションデータを用いた、屋内での障害物回避ドローン飛行。ゲーム環境には、Grand Theft Auto Vで訓練したポリシーが、これらのタイトルで追加訓練することなくRed Dead Redemption 2とSleeping Dogsに転移した例が含まれる。GTAの映像はおよそ2時間で、RDR2における乗馬動作を生成するのに十分だった。そして、他のAIを訓練するための環境生成。これは同社のPROWL強化学習の取り組みと結びついている。

このページで唯一の確固たる数字は、実際の映像との比較だ。Odysseyは、シミュレーションで訓練された運転ポリシーが、安全ドライバーによる介入と介入の間に走行した距離は、実データで訓練されたポリシーの約77%だったと報告している。これはベンダーによる数値であり、再現されておらず、背後に技術報告書もなく、Odyssey-3について結果を公表した第三者もいない。これは、世界モデルが有用かどうかを決める類の数字であり、現時点では一企業の主張にすぎない。

まったく似ていない2つのロックイン

MiniMax H3を「オープンなほう」、Odyssey-3を「クローズドなほう」と分類したくなるのは誘惑に駆られるが、ライセンスの実情はそれよりもはるかに興味深く、しかも両方向に及んでいる。

MiniMax H3は中央部がオープンで、端はクローズドだ。生成器を手元に置き、検査し、ファインチューニングし、ネットワーク呼び出しなしで実行できる。それを汎用モデルたらしめているコンテキストオーケストレーションを手元に置くことはできず、2Kステップも手元に置くことはできない。あなたの製品の品質に関する主張が出力解像度に依存しているなら、あなたのオープンウェイトのデプロイには、ベンダーのホスト型ティアだけが引き上げる上限がある。

Odyssey-3はあらゆる層でクローズドであり、それが奇妙だと言えるのは同社自身の位置づけのせいだ。ロボット、ドローン、車両に向けて売り込まれるワールドモデルは、自ら管理するハードウェア上で推論を実行する買い手に向けられている——工場現場、試験車両、機体などだ。そうした買い手は制御ループにホスト型エンドポイントを使えない。遅延と接続性がそれを許さないからだ。したがって、この種のモデルのビジネスモデルは重みの提供を含まなければならない。そうでなければ、Odysseyが繰り返し挙げるセグメントには顧客が一人もいないことになる。今日ライセンスがないことは、意図の表明というより、商業条件がまだ書き進められている最中だという表明である。2026年6月に評価額14億5000万ドルで発表されたOdysseyの3億1000万ドルのシリーズBは、AWSを優先クラウド、Trainiumを計算基盤とし、それらの条件が決められる文脈となる。

次元ごとに

• 生成されるもの — MiniMax H3：レンダリング済みのクリップ（4～15秒、最大2K、ステレオ音声付き）。Odyssey-3：シミュレートされた世界状態と、接続されたハードウェア向けのモーター動作。

• ダウンロードできるもの — MiniMax H3: H3-Baseの重み、コミュニティライセンス、768p。Odyssey-3: 何もなし。重みもライセンスもリポジトリもありません。

• ベンダー側に残るもの — MiniMax H3：H3-Context-IRとH3-Regenerate-2K、これを汎用的にし、2Kを可能にする2つのモジュール。Odyssey-3：すべて。

• 価格 — MiniMax H3：768pで約0.08ドル、2Kで約0.13ドルの秒単位の公表レート、さらに再生成された出力1秒あたり0.05ドル（ベンダー公表値）。Odyssey-3：どこにも公表されていない。

• 提供状況 — MiniMax H3：2026年8月3日より公開、現在利用可能。Odyssey-3：2026年9月15日発表、「数週間以内」で日付は未定。

• 第三者による証拠 — MiniMax H3：第三者の評価で動画編集は1位、テキストから動画および画像から動画では2位または3位。Odyssey-3：ベンダー公表の数値が1件のみで、外部での実行は皆無。

今月中に何かを作り上げる必要があるなら

実用的な結論として、この2つのうち実際に行動に移せる判断は片方だけです。MiniMax H3 は OrcaRouter 上でminimax/minimax-h3 として、プロバイダーの定価・マークアップ0%でルーティングされています — つまりベンダーの料金がそのまま支払う料金となり、MiniMax が数値を動かせば、更新時ではなくその日のうちに請求額も動きます。これはほとんどのもの以上に、秒単位課金の動画モデルで重要です。768p から 2K の幅はほぼ2倍あり、プロトタイプとローンチの違いがその2つのティアの違いになり得るからです。

ここで直接ベンダー統合ではなくルーターに頼るべき2つ目の理由がある。H3のオープンな半分はそれ自体で本当に有用であり、それに関心を持つ可能性が最も高いチームは、GPUを持ち、それについて一家言あるチームだ。そうしたチームは混成構成に行き着く。大量処理にはセルフホストのH3-Base、2K再生成にはホスト型の経路、そして動画周辺でパイプラインが必要とするものには1つか2つの他のモデルだ。プロバイダーをまたぐ1つのキーと自動フェイルオーバーは、単一モデルのスタックよりもその形では価値が高い。また、ルーティングDSLは周辺モデル — プロンプトモデル、開始フレーム用の画像モデル、動画モデル — を3つの統合ではなく1回の呼び出しにまとめる。

Odyssey-3は、はっきり言えば、OrcaRouterによっても他の誰によってもルーティングされていない。ルーティング先のエンドポイントは存在せず、通過させる価格も存在しない。本記事はそう主張していない。

両ベンダーに尋ねる価値のある質問

MiniMaxはすでにH3に関する興味深い問いに答えており、その答えは「中間、768p、当社のライセンスの下で」です。H3を評価しているなら、テストすべきなのは、オープンなベースに自前のインフラを組み合わせたものが、使用可能な1秒あたりのコストでホスト型の2K経路を上回るかどうかであり、2K出力に基づいて製品の訴求を組み立てる前に、それをテストすることです。

Odysseyはまだ自らのバージョンに答えていない。リリースウィンドウが閉じるとき、最初の問いはベンチマークではなくライセンスだ。これら6つの実施形態のうち、どれがサポート対象の展開なのか、誰のハードウェア上で、いくらで、そして凍結した世界モデルにロボットアームを駆動させるアクションデコーダーは顧客が訓練するものなのか、それともOdysseyが提供するものなのか。一つのバックボーンでロボットアーム、ヒューマノイド、車、ドローン、そして3つのゲームにまで届く世界モデルは汎用性の主張であり、汎用性こそがそれをポリシーではなく基盤モデルたらしめる――だからこそ、デモリールではなく商用条件が、誰がそれを使えるかを決めるのだ。

それまでは、正直なスコアボードにはこう記されている。取得できるモデルが一つ、注視できるモデルが一つ。まずリポジトリとライセンスに目を向け、ベンチマークは二の次にせよ——この順番で。最初の二つがなければ、三つ目は検証不能だからだ。

パイプライン全体を自動フェイルオーバー付きの1つのAPIキーの背後に置けば、3つの別々の統合は不要になります。