Odyssey-3 対 Runway Gen-4.5：同じ二つの言葉に賭ける二つの選択

並べて比べる際の興味深い点は、Odyssey-3とRunway Gen-4.5を突き合わせると、両社は目的地では一致し、道のりについては意見を異にしているということだ。両社とも、目標は汎用世界モデル——現実を実用に足るほどよくシミュレートする学習済みシステム——だと言う。Runwayの立場は、CTOが率直に述べているように、まず非常に優れた動画モデルを構築することでそこに到達するというもので、ネットワークにピクセルを直接予測するよう教えることが汎用シミュレーションへの最も有望な道だからだ。Odysseyの立場は、Odyssey-3について公表してきたあらゆるアーキテクチャ上の選択に表れているが、ピクセルは副産物であり、ダイナミクスこそが本質だというものである。Gen-4.5は、最初の賭けを現在最も強く体現したものだ。2026年9月15日に発表され、一般公開が「数週間以内」と約束されているOdyssey-3は、2つ目の賭けを完全なモデルとして示したものである。並べて読むと、両者は実際には競合ではない——同じ問いに対する2つの答えであり、その問いとは、世界モデルへの道がレンダリングを通るかどうかである。

Runwayの賭け：レンダリングによって世界モデルを勝ち取る

ランウェイは世界モデルという枠組みに遅れて、あるいは偶然にたどり着いたのではない。同社は「汎用世界モデル」と銘打ったモデル、GWM-1を提供している。それは現実をリアルタイムにシミュレートするために作られ、インタラクティブで制御可能だと説明されている。そして同社はそれを自社の動画モデルの代替ではなく、それらの上位層として扱っている。その主張ははしごのようなものだ。モデルが10秒間にわたってシーンを一貫して保つのに優れているのと同じ訓練信号が、物体がどのように持続し、光がどのように振る舞い、動きがどのように継続するかを教える信号である。ピクセルを十分にうまく扱えるようになれば、汎用シミュレーションは自然に生まれる。

Gen-4.5は現在の到達点だ。2025年12月1日に発表され、12月12日から有料購読者向けに展開されたこれは、テキストから動画、画像から動画を生成するモデルであり、Runwayがその評判を築いてきた特長を備えている。モーションの品質、プロンプトへの忠実さ、キャラクターと被写体の一貫性、そしてカメラコントロールだ。その限界も、強みと同じくらい率直に示されている。クリップは2秒から10秒で、10秒は上限であり、既定値ではない。出力は720p、毎秒24または25フレーム、6種類のアスペクト比に対応する。音声トラックはなく、マルチショットのストーリーボード機能もない。シーケンスは個別の生成結果をつなぎ合わせて作るものだ。これはレンダラーであり、非常に優れたレンダラーでもある。まさにその親会社がそうであってほしいと必要としている主張そのものだ。

Gen-4.5の料金はいくらで、価格体系はどのようになっているのか

RunwayはGen-4.5を、生成動画1秒あたり12クレジットで価格設定している。クレジットは1個1セントで販売されるため、実用上の数字は1秒あたり0.12ドルだ。5秒クリップは0.60ドル、10秒クリップは1.20ドルになる。APIでは出力オプションに追加料金がかかる。ProResまたはPNGシーケンスは1秒あたり5クレジットを追加し、HDRは1秒あたり20クレジットを追加、約4メガピクセルを超えると40に上がる。これらはベンダーの定価であり、見出しの数字よりも幅が重要だ。HDRの10秒クリップは通常のものの3倍以上かかるため、0.12ドル/秒に基づくコストモデルは、HDRが納品仕様に加わった瞬間に誤りになる。

予算を組む前に知っておく価値のある構造上のポイントが2つある。APIクレジットとアプリのサブスクリプションクレジットは別々の残高であり——Standard、Pro、MaxのプランでAPIでの生成分が賄われることはない——また、APIは非同期なので、タスクは送信してポーリングするものであり、インラインで返されることはない。どちらも批判ではない。どちらも、チームが連携を進めると決めた後に初めて気づくことだ。APIはRunway自身のモデルに加えてサードパーティ製の動画モデルも提供する。つまり、その気になれば1つのRunwayキーでRunwayのカタログを超える範囲にアクセスできる。

Odysseyの賭け：重要なのは絵ではない

Odyssey-3は、その開発者によって、ロボットを動かし、車を運転し、AIを訓練し、ドローンを操縦し、ビデオゲームをプレイできる基盤世界モデルだと説明されている。アーキテクチャ上は、大量の視覚観測の集合で訓練された自己回帰拡散トランスフォーマーであり、Odysseyによれば、その結果は物理学、力学、因果関係、人間行動について学習された理解を備えている。その賭けを明らかにする細部は、タスクがどのように適応されるかにある。モデルをファインチューニングするのではなく、Odysseyは観測-行動ペアで訓練された行動デコーダーを取り付け、事前訓練済みの世界モデルを終始凍結したままにする。小さなポリシーが凍結されたモデルの内部表現を読み取り、それをモーターコマンドに変換する。

「資産なのは、レンダリングされたフレームではなく、表現の方だ」と信じる場合にのみ、その設計は意味をなす。実証例は6つの実装形態にまたがってそれを裏付けているが、いずれもベンダーによる報告だ。ロボットアームは数十時間のデモンストレーションから。掴み損ねた後にグリッパーの向きを変えるなど、誰もデータに入れなかった回復行動も含まれる。Flexionで構築されたヒューマノイドポリシーは数十時間の遠隔操作データから得られたもので、Odysseyによれば、テストした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。インドでの閉ループ走行は20時間のシミュレーションデータから。屋内ドローン飛行はシミュレーションデータから。Grand Theft Auto Vのポリシーは、Red Dead Redemption 2とSleeping Dogsへ、それらのタイトルでの追加トレーニングなしに転移した — RDR2での乗馬動作には約2時間のGTA映像で十分だった。そして、他のAIをトレーニングするための環境生成。これはOdysseyのPROWL強化学習研究と結びついている。

1つの数値が公表されている。Odysseyの報告によれば、シミュレーションで訓練された運転ポリシーは、実際の映像で訓練されたポリシーに比べ、安全ドライバーによる介入と介入の間の走行距離がおよそ77%だった。前段落の主張はすべて未再現であり、技術レポートも存在せず、第三者がこのモデルを実行したこともない。6つの実施形態にわたる広がりこそが興味深い主張であり、ベンチマーク表が欠けていることが、それを留保付きで受け止めるべき理由である。

二つの賭けが検証可能になる場所

戦略に関する意見の相違は、予測を生み出すときにだけ役に立つ。そして、この相違は実際に予測を生み出している。もしRunwayが正しいなら――レンダリング忠実度こそが道なのだとしたら――動画モデルの物理品質は、そのモデルがどれだけ動画を得意とするかに応じて向上するはずであり、2つのリーダーボードは連動して動くはずだ。もしOdysseyが正しいなら、美しくレンダリングするモデルが役に立たず、粗雑にレンダリングするモデルが役に立つ場合があるはずだ。なぜなら、有用な性質とは、次の状態がコントローラーがそれに基づいて行動できるほど予測可能かどうかだからだ。

どちらに転ぶかの兆しはすでにあり、それはどちらの側にも有利ではない。Runway自身によるGen-4.5の弱点の列挙——その中には物理法則も含まれる——は、レンダラーが視聴者を納得させるように最適化されており、視聴者は制御ループが許さない形で寛容であることを思い出させる。一方、Odysseyが公表した唯一の数値である、実映像での運転性能の77%は、実データに対する敗北であって、勝利ではない。どちらの企業も、道が完成したとは主張していない。異なるのは、それぞれが何を測定しているかである。

賭けが本当に分岐するのは、身体性の領域だ。Gen-4.5の設計や価格設定には、行動空間を想定したものは何もない。それはテキストまたは画像からクリップへの関数だ。Odyssey-3の資料には、納品可能なファイルを想定したものは何もない。それは世界状態と行動から次の世界状態への関数だ。これらは異なる買い手を持つ別個の製品であり、どちらの側でどれほど進歩しても、一方が他方に変わることはない。なぜなら、異なるのはインターフェースそのものだからだ。

並べて表示

• 概要 — Runway Gen-4.5：テキストから動画、画像から動画を生成するレンダラー。Odyssey-3：次の状態を予測し、モーターアクションを出力するワールドモデル。

• 操作方法 — Runway Gen-4.5：プロンプトまたは静止画像を、非同期API経由で。Odyssey-3：アクションデコーダーと、凍結されたバックボーンを読み取る小さなポリシー。

• 出力 — Runway Gen-4.5：2～10秒のクリップ、720p、24/25 fps、6種類のアスペクト比、音声なし。Odyssey-3：レンダリングされた成果物なし。6つのエンボディメントにわたるシミュレーション状態。

• 価格 — Runway Gen-4.5：毎秒12クレジット、1秒あたり0.12ドル、さらにProResまたはPNGには毎秒5クレジット、HDRには20クレジット（ベンダーリスト）。Odyssey-3：未公開で、商用条件は発表されていません。

• 成熟度 — Runway Gen-4.5：2025年12月から市場に投入されており、確立されたAPIとサードパーティによる対応が存在する。Odyssey-3：2026年9月15日に発表、一般公開は「数週間以内」。

• エビデンス — Runway Gen-4.5：8か月分の公開出力。Odyssey-3：ベンダー公表の数値が1件のみで、独立した実行はなし。

これらのどちらも我々のキーには載っていない、そしてこれが正直な言い方だ

OrcaRouter はどちらのモデルもルーティングしていないし、本稿もそう装うつもりはない。Runway Gen-4.5 は Runway 自身の API を通じて提供されており、Odyssey-3 にはエンドポイントすら存在しない。この種の比較でルーティングという観点が実際に役立つのは、それらを取り巻くパイプラインの部分だ。現実的な Gen-4.5 のワークフローは単一のモデルではない——ブリーフを展開するプロンプトモデル、最初のフレームを生成する画像モデル、動画モデルそのもの、そして出力を採点したりキャプションを付けたりする下流の何か、である。それらをルーティング DSL を通じて 1 回の呼び出しにまとめ、1 つのキーで、プロバイダーの定価で 0% のマークアップというのが、OrcaRouter が今日実際にあなたの負担から外せるスタックの部分だ。自動フェイルオーバーがここで重要になるのは、ごくありふれた理由からだ。非同期の動画 API はポーリングし、キューは滞留し、1 つの劣化したエンドポイントで停滞するパイプラインは、成果物に至るまでずっと停滞してしまう。

Odyssey-3が実際に出荷される頃には、ルーティングの問いはより異なり、より難しくなるだろう。自らが所有するハードウェア上で動くことを売りにするモデルは、そもそもルーティングの候補として明らかにふさわしいとは言い難く、ルーターにとって興味深い問いは、モデル呼び出しそのものではなく、その周囲にあるもの——sim-to-realのツール群、ポリシーのトレーニング、評価——になるだろう。

どちらが正しいかは2027年の問題だ

今四半期に動画が必要なら、答えはGen-4.5で、比べるべきものは何もない。価格も文書も揃い、一般利用から8か月が経過しており、1秒あたり$0.12なら、自分の業務に合うかどうかを確かめるコストはわずかだ。追加料金と、別枠のAPIクレジット残高を見込んで予算を組み、10秒という上限は、都合よく回避する数値ではなく、設計上の厳格な制約として扱うこと。

コントローラーを構築しているなら——学習済みモデルがハードウェアに次に何をすべきかを指示しなければならない、あらゆる場面——Gen-4.5 はいくら払っても検討対象に入らず、Odyssey-3 はあなたの問題を狙ったものだが、入手する方法がない。気にすべき具体的な理由は frozen-backbone の結果にある。もし 1 つの事前学習済みモデルが小さなデコーダーを通してロボットアーム、ヒューマノイド、車、ドローン、そして 3 つのゲームを動かせるなら、それは物理的理解がどれだけ転移するかについての表明であり、ワールドモデルをタスクごとのポリシーではなく基盤レイヤーにするという主張だ。待つべき具体的な理由は、Odyssey の外部の誰もそれを実行していないことだ。

注視すべき点は、順に、技術レポート、次にライセンス、次に第三者が自前のハードウェアで77%という数値を再現することだ。Runwayの道もOdysseyの道も、最終的には汎用世界モデルに行き着く。だが現時点で、そのうち片方だけが、実際に歩いて行ける料金所を備えている。

プロンプトモデル、画像モデル、動画モデルを自動フェイルオーバー付きの1つのエンドポイント3つの個別統合ではなく