2026年7月、画像・動画生成AIの分野では各社が着実にモデルを更新している。Midjourneyは新モデルを既定に昇格させ次バージョンの準備を進め、Black Forest LabsはFLUX.2ファミリーで高速化と編集機能を強化、Kling AIはネイティブ4K動画で存在感を示した。さらにAdobe Fireflyのように複数ベンダーのモデルを束ねる「ハブ」型サービスも定着しつつある。今回はこの4つの動きを中心に整理する。
Midjourney「V8.1」が既定モデルに、V8.2はプレビュー段階
Midjourneyは、4月にアルファ版として登場した「V8.1」を6月に既定モデルへ昇格させた。公式アップデートページによれば、V8.1はプロンプトへの追従性やテキスト描写の精度が向上し、HDモードではV7比で2倍の解像度・4倍のピクセル数を実現。標準(SD)品質なら約4秒、HD品質でも約12秒という高速な生成が特長という。V7時代のOmni Reference(要素参照)機能はV8系ではまだ再学習中で、当面はV7との併用が案内されている。
後継の「V8.2」はすでにプレビューパラメータ--previewでの早期テストが始まっており、Draft Mode(下書きモード)のバッチサイズ拡大や--sref randomによるスタイル探索機能なども6月にあわせて追加された。画像生成の主戦場は、速度と編集性を両立する方向に進んでいる。
出典: Midjourney公式アップデート「V8.1 is now the default model on Midjourney!」
Black Forest Labs「FLUX.2」ファミリー ― 高速・軽量な「klein」も追加
オープンウェイト画像生成モデルで知られるドイツのAIラボBlack Forest Labs(BFL)は、主力モデル群を刷新した「FLUX.2」を公開した。最大10枚の参照画像を組み合わせるマルチリファレンス機能、最大4MPの出力解像度、プロンプト追従性とタイポグラフィ(文字描写)の大幅な改善が主な強化点。プロ向けのAPIエンドポイント「FLUX.2 [pro]」「FLUX.2 [flex]」に加え、オープンウェイトの「FLUX.2 [dev]」も用意され、開いた研究と商用グレードの両立を掲げるBFLらしい構成になっている。
さらに、より軽量・高速な「FLUX.2 [klein]」も追加された。生成と編集を1つのコンパクトなアーキテクチャに統合し、条件によっては1秒未満での推論を実現。VRAM 13GBほどのコンシューマー向けGPUでも動作するとされ、リアルタイム性が求められるアプリケーション向けに設計されている。ASUSやNVIDIAとの提携により、ProArtシリーズのノートPCへの最適化も進められている。
出典: Black Forest Labs公式ブログ「FLUX.2: Frontier Visual Intelligence」、同「FLUX.2 [klein]: Towards Interactive Visual Intelligence」
Kling AI「3.0」―― ネイティブ4K・15秒マルチショット・ネイティブ音声
Kuaishou(快手)が手がける動画生成AIKling AIは、最新版「3.0」でアップスケール処理に頼らないネイティブ4K出力に対応した。新しい「Video 3.0 Omni」アーキテクチャを採用し、テキストから動画、画像から動画、参照ベースの編集まで一貫して4Kで生成できる点が特長。クリップ長は3〜15秒まで対応し、複数カットを1回の生成でつなぐマルチショット機能や、映像と同時に音声・台詞を生成する「ネイティブオーディオ」も搭載する。
Google「Veo 3.1」やRunway「Gen-4.5」など競合との比較では、長尺シーンでの一貫性や映画的なライティングの質でVeo/Runwayに一日の長があるとの評価がある一方、Klingは多言語のリップシンクと4K出力のコストパフォーマンスで独自の強みを持つとされる。
出典: Freepik Blog「Kling 3.0: The first AI video model with native 4K output」
Adobe「Firefly」―― 自社モデルと他社モデルを束ねる「ハブ」に
Adobe Fireflyは、自社の画像・動画モデルに加えてGoogleのVeo、Kling、Runway、Luma「Ray」シリーズ、OpenAIのSoraなど他社の動画生成モデルを1つのインターフェースから使えるサービスへと拡張を続けている。単体のモデルを使うのではなく、同じ開始フレームとプロンプトで複数モデルを横断的に試せる「モデル比較」の使い方が、実務上のワークフローとして広がりつつある点が興味深い。各モデルの得意・不得意(モーションの自然さ、色再現、レンダリング速度など)を横並びで検証できることは、案件ごとに最適なモデルを選ぶ上で実務的な価値がある。
出典: Adobe公式サイト
主な動画生成モデルの比較(2026年7月時点)
| モデル | 提供元 | 最大解像度 | 特徴 |
|---|---|---|---|
| Kling 3.0 | Kuaishou | ネイティブ4K | 15秒マルチショット、ネイティブ音声 |
| Veo 3.1 | Google DeepMind | 1080p〜(4K検証あり) | 映画的なライティング・カメラワーク |
| Sora 2 | OpenAI | 1080p級 | ChatGPTとの統合が進行中 |
| Runway Gen-4.5 | Runway | 1080p級 | 長尺シーンでの一貫性に強み |
※スペックは各社の発表・レビュー記事をもとにした概況であり、プラン・提供経路によって異なる場合がある。
主な情報源
- Midjourney公式アップデート「V8.1 is now the default model on Midjourney!」
- Black Forest Labs公式ブログ「FLUX.2: Frontier Visual Intelligence」
- Black Forest Labs公式ブログ「FLUX.2 [klein]」
- Freepik Blog「Kling 3.0: The first AI video model with native 4K output」
- Adobe公式サイト
各サービスは提供元の規約に従ってご利用ください。情報は各情報源の公開時点のものです。収集・要約はAI、公開判断は人。