LTX-2.5：Lightricksが生成動画の重みをAPIの外へ、ただしライセンスは「条件付き」のまま

Lightricks（LTX）は2026年8月11日、重みを公開した映像・音声生成モデルLTX‑2.5をリリースした。パートナー各社のコメントを載せたリリース文が出回ったのは8月13日である。Hugging Faceの公式モデルカードは、220億パラメータのdiffusion transformerと説明しており、ComfyUIのリリースノートでは「asymmetric dual‑stream」と呼ばれている。重みは複数のバリアントが公開されている。蒸留版DiT（bf16、int8、NVFP4）と、完全版で学習可能なDiT（bf16、int8）、加えて映像用・音声用VAE、アップスケーラー、LoRA、そして「duration head」パッチだ。テキストエンコーダはLTX向けに調整された120億パラメータのGemma 4で、GitHubの公式リポジトリは標準のGemma 4には互換性がないと明記している。

発表された機能には、一度の生成でのネイティブなマルチショット生成（カットをまたいで人物・環境・声の一貫性を保つ）、映像と同時に生成される同期音声、長さの自動予測、4K HDR出力、そして固定の圧縮率を当てるのではなくシーンの複雑さに応じて計算資源を配分する「Diffusion Fidelity Rendering」が含まれる。公式リポジトリが挙げる生成モードは、テキスト→動画、画像→動画、動画→動画、音声→動画、キーフレーム補間、領域の再生成である。モデルカードに記載されたソフトウェア要件はPython 3.12以上、CUDA 12.7以上、PyTorch 2.7前後で、蒸留モデルには8ステップの固定スケジュールが用意されている。ComfyUIは初日から対応し、テキスト→動画、画像→動画、最初/最後のフレーム→動画の公式テンプレートを備える。

実運用の面では、Lightricksは画像から生成する10秒のクリップにNVIDIA GB200スーパーチップ2基で6.8秒、LTXのAPI経由で23.7秒を要すると述べている。必要最小限として示されているのはVRAM 16GBだ。公開されているAPI料金は720pが0.09ドル/秒、1080pが0.15ドル/秒、2Kが0.19ドル/秒、4Kが0.37ドル/秒。LTXが公開したデータでは、アーティファクトのスコア（低いほど良い）はLTX‑2.5 Proが0.28、LTX‑2.5 Fastが0.39で、Seedance 2.5の0.69、Google Veo 3.1の1.20を下回る。LTX自身はこれを暫定値と呼んでいる。

ライセンスはLTX‑2.x Community Licenseで、年間売上1000万ドル未満なら商用利用は無料、それを超える場合は有償契約が必要になる。OSIが承認したオープンソースライセンスではなく、改変の通知義務を課すほか、合成コンテンツであることを示す仕組みの削除や回避を禁じている。今回のリリースには、ドメインデータでのファインチューニングを想定した、フィジカルAI・ロボティクス向けの事前学習済みチェックポイントも含まれる。「ワールドモデル」としての位置づけについて、LTX/Lightricksの共同創業者兼最高経営責任者であるZeev Farbman氏は8月13日に配布された資料でこう述べている。「World models face challenges that LLMs never had to solve, like holding motion, space, and sound consistent across time」（ワールドモデルは、LLMが解く必要のなかった課題に向き合う。動き、空間、音を時間を通じて一貫させることだ）。ローカル実行については、NVIDIAのLocal AI担当シニアディレクター、Gerardo Delgado Cabrera氏が同じ8月13日の資料で述べている。「Local models enable creators and developers to freely explore their ideas thanks to their local GPUs」（ローカルモデルは、手元のGPUのおかげでクリエイターや開発者が自由に発想を試せるようにする）。

これらの数字はいずれも、現時点で第三者による再現がない。すべて提供元の主張である。LTXが公開した比較は方法論的にそろっていない。競合はおおむね720pでの計測なのに対し、LTXは社内での1080p計測だ。他社の所要時間には順番待ちと第三者ホスティング（fal.run）が含まれる。Veo 3.1との比較は8秒のクリップで、LTXの10秒と条件が違う。6.8秒という数字はGB200を2基使った場合で、一般的なハードウェアではない。VRAM 16GBという最小構成での独立した計測はなく、int8/NVFP4量子化、fp8キャスト、CPUオフロードによる劣化の検証もない。マルチショットの一貫性、VAEに対する拡散デコーダの優位性、長さ予測器の動作も未検証のままだ。アーティファクトのスコアは98本のプロンプトを10モデルに通した自動計測で、LTXはプロンプトの全体を公開していない。モデルカード自身も限界を明記している。事実情報を提供するために設計されたモデルではないこと、社会的偏見を増幅しうること、プロンプトへの追従が書き方によって変わり、要求どおりでない生成が起こりうることだ。小さな注記として、Hugging Faceのページのある項目には2026年1月6日という日付が入っており、8月11日の発表と食い違う（LTX‑2の名残と見られる）。3300万回超というダウンロード数は、このモデルではなくLTXファミリー全体の数字である。

LTXは有益な道を開いた。ダウンロードできる重み、ComfyUIですぐ使えるパイプライン、ロボティクスへの具体的な目配せ。ただし売上に紐づいたライセンス条件は、ここでの「オープン」が何より検証可能という意味であって、条件から自由という意味ではないことを思い出させる。次に注目すべきニュースはデモではなく、独立した再現と、ありふれたGPU上での最初のまともなベンチマークだろう。 — Olya