「世界モデルを自社で持てます」と言われた方へ

ロボットや現場自動化の提案を受けていて、そこに「世界モデル」という言葉が出てきた段階の方に向けて書いています。

先に結論を書きます。基盤モデルの入手はもう障害ではありません。障害は、それを動かす設備と、自社の現場データを載せる工程のほうへ移りました。

何が公開されたのか

LTXが2026年8月11日、世界モデル「LTX-2.5」をオープンウェイトで公開しました。画像編集アプリで知られるLightricksから分かれた会社です（Robotics & Automation News「LTX launches new free-to-use open world model for video and physical AI」）。

22Bパラメータで、重みはHugging Faceに置かれています。ComfyUIには公開初日から対応し、自前で動かさずに使いたい場合のAPIも用意されています。生成の作りとしては、従来のVAEによる再構成段を拡散型のデコーダへ置き換え、複数カットを一度の処理で生成できるようにした点が大きな変更です。

そして年間経常収益が1,000万ドル未満の組織は、商用利用が無料です。それを超える規模は個別のライセンス交渉になります。

ロボティクス向けのチェックポイントは「出発点」です

今回いちばん注意して読むべきはここです。

LTX-2.5には、physical AI・ロボティクス向けに調整された事前学習チェックポイントが同梱されています。開発者はこれを土台にして、自社のデータで追加学習できる、という位置づけです。

説明の書き方が正確です。これは「映画のような映像とは見た目がまったく異なる、ロボティクスやシミュレーションのデータに向けた、微調整の土台として設計されたモデル」だと書かれています。つまりそのまま現場で動く完成品ではありません。

ロボティクス用途での協業先としてMarkov Roboticsの名前が挙がっていますが、実際のロボットで運用した結果までは公開されていません。世界モデルが物理挙動をどこまで当てられるかは、世界モデルとは何を指すのかで扱ったとおり、まだ検証の途中にある領域です。

重さの話をします

無料という言葉と、手元で回るという話は別です。

同じモデルでも、動かす環境によって扱いが変わります。整理するとこうなります。

手元のVRAM 何ができるか
16〜24GB int8に量子化した版のみ。メモリのオフロードが必要
32〜48GB 量子化版が快適に動く
80〜96GB 量子化せずbf16のまま動かせる
141GB以上 4K HDRを含む重いワークフローに対応

検証用に一台置いてみる、という話であれば下の段でも始められます。ですが現場のデータで追加学習を回し続ける工程を前提にすると、必要な段が上がります。ライセンス費用がゼロになった分、計算資源の見積もりが構成の中心に来ます。

同じ「どこで動かすか」の判断はエッジAIの選定でも扱いました。数字の単位と測定範囲を揃えてから比べる、という点は共通です。

その速さは誰が測ったのか

公表されている数字を見ます。10秒24fpsの動画を、NVIDIA GB200を2枚使って6.8秒で生成する。比較として、Geminiが52秒、Grok 1.5が63秒、Veo 3.1が70秒と並べられています。盲検のユーザー評価では勝率67%とされています。

これらはすべて開発元の測定値です。第三者が同じ条件で検証した結果ではありません。

数字が嘘だと言いたいのではありません。順序の問題です。自社測定は、自社が有利になる条件を選べます。

提案書に「世界モデル」と書いてあったら

世界モデルの提案を受けたときの5点

  • どのチェックポイントから始めるか: 汎用の映像モデルか、ロボティクス向けの土台か。後者でも追加学習は別工程
  • 追加学習に使うデータは誰が持っているか: 自社の現場データか、公開データか。前者なら撮影と保存の設計が先
  • 推論を動かす場所と量子化の有無: 手元のVRAMで足りるか。量子化版で品質要件を満たすか
  • 公表数値の測定者: 開発元の自社測定か、第三者検証か。比較対象の条件は揃っているか
  • ライセンスの境界: 無料枠の条件（年商規模など）を自社が超えたときの費用

ベンダー面談の質問票にそのまま転記して使えます。3つ目と4つ目で見積もりの前提が変わります

学習データの量と成果の関係は人間の作業動画を1000倍にしましたで扱いました。平均が伸びても自社の工程が伸びるとは限らない、という読み方はここでも同じです。

現場メモ

私たちはロボット本体を作りません。担当するのは、その手前と後ろにある業務システムのほうです。

この手のモデル公開があると、相談の中身が変わります。以前は「使えるモデルはあるか」でしたが、いまは「うちのデータをどう食わせるか」に寄ってきました。そして掘っていくと、たいてい撮影と保存の設計で止まります。動画は溜まっているが、どの工程のどの作業かを後から引けない。取引先の情報が映り込んでいて外に出せない。

なので最初の打ち合わせでは、モデルの話をいったん脇に置いて、記録の設計から見ます。地味な順序ですが、ここを飛ばすと後で全部撮り直しになります。

差がつく場所が移りました

重みが配られ、ライセンスも緩い。となると、モデルを持っていること自体は差になりません。

差は動かす設備を用意できるかと、載せるデータを持っているかに移ります。前者は買えます。後者は買えません。自社の現場でしか撮れない記録が、そのまま競争条件になる段階に入りました。データが伸びを決めている構図はロボット基盤モデルの伸びを決めているのはでも書いたとおりです。

自社の工程をどう記録して、どこから学習に回せる形にするか。その設計から手を付けたい段階でしたら、お問い合わせからご相談ください。既存の業務システムとの接続まで含めてご一緒します。