2026/11/3

AI業界ニュース：美団がネイティブ・マルチモーダルの「LongCat-2.5」を発表、PikaはMiniMax H3ベースの「Pika H3 Flex」を公開

AI業界ニュース：美団がネイティブ・マルチモーダルモデル「LongCat-2.5」を発表、PikaはMiniMax H3ベースの音声付き動画生成モデル「Pika H3 Flex」をオープンウェイトで公開

美団は11月1〜2日、総パラメーター1.6兆のネイティブ・マルチモーダルモデル「LongCat-2.5」をAPIで提供開始しました（重みは未公開）。Pikaは10月29日、MiniMax H3ベースの音声付き動画生成モデル「Pika H3 Flex」を公開しました。最後に、データセンター・計算基盤の視点で整理します。

Two Sheep株式会社は、AI業界の主な動きを、各社の発表や報道などの公開情報をもとに整理してお伝えしています。今回は、美団（Meituan）のネイティブ・マルチモーダルモデル「LongCat-2.5」と、MiniMaxの音声付き動画生成モデル「MiniMax H3」、それを追加学習したPikaの「Pika H3 Flex」を取り上げます。性能などの数値は、特に記載がない限り各社の発表によるものです（2026年11月3日時点）。

要点

美団は11月1〜2日、ネイティブ・マルチモーダルモデル「LongCat-2.5」を発表し、APIで提供開始しました。総パラメーター1.6兆はLongCat-2.0と同規模で、重みは未公開です
美団によると、長い文脈の学習は1基あたりのメモリーが80GB未満の中国国産AIアクセラレーターで行い、4ビット（W4A4）推論ではINT8方式より処理量が約43%向上しました（同社発表）
同社発表のベンチマークでは、BrowseCompで比較対象のモデルを上回る一方、DeepSWE v1.1などでは下回る項目もあります
Pikaは10月29日、MiniMaxのオープンウェイトの音声付き動画生成モデル「MiniMax H3」を追加学習した「Pika H3 Flex」のアダプターと推論コードを公開しました
Pika H3 Flexの公開版は768pまでで、NVIDIA H100（80GB）1基で検証されています。MiniMax H3のライセンスには、対象地域や商用利用などの条件があります

1. 美団の「LongCat-2.5」

発表の内容

美団は11月1日付の公式ブログでLongCat-2.5を発表し、API Platformの更新履歴には11月2日付で提供開始（「LongCat-2.5 Now Available」）が記載されています。ブログでは「長い工程にわたるエージェント型のタスク向けのネイティブ・マルチモーダルモデル」と説明しています。

規模：総パラメーターは1.6兆で、1トークンの処理に使われるのは約480億です。LongCat-2.0をもとに、画像の理解とエージェント型のコーディングを強化したとしています。LongCat-2.0のモデルカードにも同じ数値があり、規模は前のモデルと同じです
用途：更新履歴では、ビジュアルコーディング、クリエイティブデザイン、3Dのタスクや、プロジェクト全体の構築などを挙げ、Claude Code、Codex、Hermesなどのエージェントのツールで使えるとしています
API：ドキュメント（11月3日に確認）では、コンテキストウィンドウは1Mトークン、最大出力は128Kトークンです。9月25日には「LongCat-2.5-Preview」がAPIで提供され、画像を理解する機能が加わっていました
重みの公開状況：11月3日時点で、重みは公開されていません。公式ブログのGitHubとHugging Faceのボタンは「Coming soon」の表示で、美団のHugging Faceのページにもなく、ライセンスも発表されていません。前のLongCat-2.0は6月30日にAPIで提供が始まり、重みはHugging FaceでMITライセンスのもとで公開されています

「ネイティブ・マルチモーダル」の仕組み

ブログによると、LongCat-2.5は画像などの視覚の情報を、複数のレベルに分かれた離散的なトークンとして表します。元の解像度の画像の特徴量に残差ベクトル量子化（RVQ）をかけてトークンにする方式で、LongCat-Nextと同じです。視覚トークンの埋め込みはモデル本体と一緒に学習し、トークンのIDはあらかじめオフラインで計算しておけるため、学習の計算グラフから画像用のエンコーダーを外せるとしています。

中国国産AIアクセラレーターでの学習と推論

ブログでは、中国国産のAIアクセラレーターでの学習と推論を説明しています。メーカーや製品名は書かれていませんが、ページの紹介文では、学習の全工程を国産チップで行ったとしています。

長い文脈の学習：アクセラレーター1基あたりのメモリーが80GB未満のため、メモリーの効率を優先し、並列化の構成を、複数のアクセラレーターをまとめた「スーパーノード」の構成に合わせたとしています
4ビット推論（W4A4）：MoEのエキスパートの重みと活性化の値を4ビットに量子化し、アクセラレーターのINT4の演算器で計算します。評価したすべての下流タスクで、量子化していないモデルと同等の性能だったとしています
推論の性能：オンラインの負荷試験では、W8A8（INT8）方式と比べて、プリフィル（入力の処理）の処理量が43.3%、デコード（出力の生成）の処理量が42.77%向上し、最初のトークンが出るまでの時間（TTFT）は15.91%、出力1トークンあたりの時間（TPOT）は19.72%短くなったとしています

ベンチマーク（同社発表）

評価の表では、比較対象のモデルを上回る項目と下回る項目があります。表にはGPT-5.6-Sol、Claude Opus 4.8、GLM-5.3、kimi-k3なども並んでおり、ここではその一部だけを抜き出しています（かっこ内が比較対象の数値）。かっこ内の数値は、いずれも公開された技術レポートなどからの引用と注記されたものです。注記のない数値は美団が自社で測定したもので、参考値とされています。

BrowseComp：91.9（Claude Opus 5は90.8、GPT-5.5は84.4）
Terminal Bench v2.1：88.4（Claude Opus 5は89.1、DeepSeek-V4.1-Flashは90.6）
HLE（ツールを使う条件）：63.1（Claude Opus 5は64.7）
DeepSWE v1.1：64.6（GPT-5.5は67.0、Claude Opus 5は68.8、DeepSeek-V4.1-Flashは74.2）

2. MiniMaxの「MiniMax H3」

モデルの概要

MiniMaxは7月31日付の公式ブログでMiniMax H3を発表しました。テキスト、画像、動画、音声をまとめて理解し、ステレオ音声付きの動画を最長15秒、2Kの解像度で生成できるとしています（2Kは同社がホストするワークフローで提供）。重みは8月上旬にHugging Faceで公開されました（リポジトリの最初のコミットは日本時間8月4日、ライセンスの日付は8月2日）。

構成：モデルカードによると、本体は330億パラメーターの密（dense）なシングルストリーム型のTransformerで、うち約130億は推論だけなら読み込む必要がありません。入力の理解には、Qwen3-VL-32Bの重みを使うエンコーダーを組み合わせています
出力：長さは4〜15秒、24fps、32kHzのステレオ音声付きで、短辺は標準で768ピクセルです。日本語を含む11言語の会話に対応するとしています
公開されていないもの：2Kの出力を作るモジュール「H3-Regenerate-2K」はまだ公開されておらず、前処理を担う「H3-Context-IR」はAPIでのみ提供されます。スパースアテンションによる推論も今後公開する予定です。このため、公開された重みだけで作れる動画は768p級です

ライセンスの主な条件

重みは「MiniMax H3 Community License Agreement」のもとで公開されており、利用には条件があります。主な内容は次のとおりです（11月3日に確認）。

対象地域：全世界からEU、英国、韓国、米国を除いた地域です。これらの地域で利用したい場合はMiniMaxへの問い合わせが必要で、MiniMaxは、これらの地域の法令などを守るための十分な管理と安全策を前提にライセンスを付与するとしています。日本は除外されていません。対象地域の外でのモデルや出力の利用は禁じられています
商用利用：年間売上高が2,000万米ドル（またはほかの通貨での相当額）を超える商用の製品・サービスには、別途、事前の書面による許可が必要です。商用の製品・サービスの画面には「MiniMax H3」と目立つように表示する必要があります
そのほか：出力をほかのAIモデルの改良に使うことや、軍事目的での利用は禁じられています。準拠法は香港特別行政区の法律です

利用を検討する場合は、必ずライセンスの原文をご自身でご確認ください。本記事の記載は法的な助言ではありません。

3. Pikaの「Pika H3 Flex」

MiniMax H3を追加学習した派生モデル

Pikaは10月29日付の公式ブログで、Pika H3 Flexを「当社が追加学習したMiniMax H3モデル」として発表しました。50ステップかかっていた生成を6ステップで行えるように追加学習したとしています。768p・15秒の音声付き動画を、Transformer（DiT）の計算だけなら最短7秒で生成できるとしていますが、Pikaは注記で、これは管理された条件のベンチマークでの計算時間で、APIの応答全体にかかる時間ではないと説明しています。

公開されたものとPikaのサービスだけの機能

公開された内容は次のとおりです（11月3日に確認）。

アダプターと推論コード：Hugging Faceで2種類のLoRAアダプター（FP32・ランク128、合計約5.5GB）を公開しました。テキストと始点・終点のフレームから生成する「FL2VA」と、複数の種類の参照素材から生成する「Ref2VA」です。MiniMax H3の派生物（Model Derivatives）としてMiniMax H3 Community Licenseのもとで配布されています。GitHubで公開された推論コードはApache-2.0ライセンスです
動かすのに必要なもの：MiniMax H3のベースのファイル約210GB（自動でダウンロード）とアダプターが必要で、1回の生成につきNVIDIA H100（80GB）1基で検証されています。ただし、標準の設定では768p・15秒の生成はH100のメモリーに収まらず、CPUへのオフロードを使う必要があり、その際のホスト側のメモリー使用量はページキャッシュを含めて約94GiBだったとしています。1回の生成を複数のGPUで分担する機能は未実装です
公開版の仕様：解像度は480pと768p、24fps、32kHzのステレオ音声、長さは5〜15秒で、参照素材は最大12ファイルまで使えます
Pikaのサービスだけの機能：1080p・2K・4Kへのアップサンプリング、音声を5つのトラック（Dialogue、Score、SFX、Foley、Ambience）に分ける機能、プロンプトの補強、高速化した推論の提供基盤は、Pikaがホストするサービスでのみ提供されます

4. データセンター・計算基盤から見たポイント

GPUのメモリーとストレージ：Pika H3 Flexの公開版は、1回の生成にNVIDIA H100（80GB）1基を使う構成で検証されていますが、標準の設定では768p・15秒の生成がGPUのメモリーに収まらず、CPUへのオフロードを使い、ホスト側のメモリーを約94GiB（ページキャッシュを含む）使っていました。ベースのファイルだけで約210GBが必要です
高い解像度はホスト型で提供：MiniMax H3の2Kのモジュールは未公開で、Pika H3 Flexも1080p以上の出力はPikaのサービスでのみ提供されます。LongCat-2.5も、重みの公開より先にAPIで提供が始まっています
限られた計算資源での工夫：LongCat-2.5では、1基あたりのメモリーが80GB未満の中国国産アクセラレーターでの学習や、4ビット推論が説明され、美団はINT8方式より処理量が約43%向上したとしています

当社では、限られた計算資源で大きなモデルを効率よく動かす工夫が進む一方、動画や長い文脈を扱うモデルの推論が増えるにつれて、GPUのメモリーやストレージ、それを支える電力や冷却を含めた計算基盤を安定して運用することが、引き続き重要になると考えています。

5. Two Sheep株式会社について

Two Sheep株式会社は、東京都江東区青海のテレコムセンタービルに本社を置き、データセンターでの現地作業と、IT機器の輸送・導入のサービスを提供しています。

24時間365日のリモートハンズ：東京・大阪のデータセンター（Equinix の TY・OS 各拠点、アット東京 CC1・CC2、NTT など）で、サーバーの設置（ラッキング）、配線、部品交換（RMA）、稼働状況の確認などに対応します
IT機器の国際輸送と輸出入通関：海外からデータセンターの中まで、輸送と通関をまとめて手配します
移設・回線・光モジュール：データセンター間の移設、IP Transitや専用線の手配、光モジュールの販売（ModuleSheep）を行っています
日本語・英語・中国語での対応：海外のお客様と日本のデータセンターとの間の調整を担当します

主な出典

本記事について

本記事は、各社の発表、モデルカードやライセンスの文書、報道などの公開情報（2026年11月3日時点）をもとに、当社が独自に整理したものです。報道だけに基づく内容はその旨を記載しています。ベンチマークや処理性能の数値は各社の発表によるもので、当社が検証したものではありません。各社の計画や数値は今後変更される場合があります。
本記事は情報提供を目的としたもので、特定の企業、有価証券や投資をおすすめするものではありません。ライセンスに関する記載は法的な助言ではありません。
記載の企業名は業界の動向を説明するために挙げたもので、当社との取引関係を示すものではありません。記載の社名・製品名・サービス名は各社の商標または登録商標です。
お問い合わせ：Japan@2sheep.jp、または当サイトのお問い合わせフォームよりご連絡ください。