動画 · 比較
Wan 2.6 vs Pika H3 Flex：15秒マルチショット動画に向くのはどちら？
多数の参照素材から15秒のマルチショットを作るならPika H3 Flex、テキストか1枚の画像から固定の秒単価で作るならWan 2.6が向いています。Pikaは最大12個の参照ファイルを受け付け、重みも公開しています。Wan 2.6の参照動画生成は最長10秒で、重みは公開されていません。
2つのモデルはどちらも「15秒・マルチショット・音声付き」をうたって登場したため、一緒に検索されがちです。この記事は両社の公式ドキュメントにもとづく仕様と料金の比較で、並べて生成するテストは行っていません。そのため、どちらの映像がきれいかは判断していません。会話型のデザインエージェントと無限キャンバスで画像と動画を作成・編集できるAIデザインワークスペース、Ciyoでの位置づけもあわせて説明します。
Wan 2.6とPika H3 Flexは仕様でどう違う？
どちらも音声付きで15秒、複数ショットに届きますが、参照素材、解像度、ライセンスは大きく異なります。Wan 2.6は2025年12月に発表されたAlibabaのホスト型モデルです。Pika H3 Flexは、MiniMax H3をポストトレーニングして2026年10月29日に公開されたモデルで、オープンなアダプターとホスト型APIがあります。
| Wan 2.6 | Pika H3 Flex | |
|---|---|---|
| 提供元と公開日 | Alibaba、2025年12月16日発表 | Pika。MiniMax H3をポストトレーニング、2026年10月29日公開 |
| 最長の長さ | テキスト・画像からの生成は15秒、参照動画生成は10秒 | 参照素材を使う場合も含め、全モードで5〜15秒 |
| マルチショットの指定 | shot_type: multiパラメーター。テキストからの生成ではプロンプト書き換えをオンにした場合のみ有効 | プロンプトにショットと時間を書く（Pikaの例ではタイムコードと[Shot n]を使用） |
| 参照素材 | 参照動画生成は最大5ファイル（画像0〜5、動画0〜3）。テキストからの生成は3〜30秒の音声1本を指定可能 | 最大12ファイル：画像9、動画3、音声3 |
| 音声 | 映像と同時に生成 | 32kHzステレオで映像と同時に生成。APIで5系統のステム（セリフ、音楽、効果音、フォーリー、環境音）を取得可能 |
| 解像度 | 720P、1080P | ネイティブは480pと768p。1080p、2K、4Kはホスト側のアップスケーラー |
| アスペクト比 | 16:9、9:16、1:1、4:3、3:4 | 21:9から9:21まで11種類 |
| 重み | 非公開（2026年11月1日時点でWan-AIのHugging Face組織に該当なし） | LoRAアダプターとMiniMax H3のベースコンポーネントを公開 |
| ライセンス | ホスト型サービスの利用規約 | MiniMax H3コミュニティライセンス。EU、英国、韓国、米国は対象外 |
Wan 2.6は参照素材を使って15秒のマルチショットを作れる？
1回の生成では作れません。AlibabaのAPIリファレンスでは、wan2.6-t2vは2〜15秒まで指定できますが、参照動画生成モデルのwan2.6-r2vは2〜10秒までです。つまり15秒のWan 2.6はプロンプト主導（音声の追加は可能）で、参照素材主導の場合は最長10秒です。
Wan 2.6の参照モデルは最大5ファイルで、各ファイルに含められる被写体は1つ。プロンプトでは「character1」「character2」のように指します。参照動画も課金対象で、利用記録では入力動画の秒数が出力秒数に加算されます。5秒の参照動画を付けて10秒の動画を作ると、15秒分の料金になります。
Pika H3 Flexは何が違う？
Pika H3 Flexは1回のリクエストで最大12個の参照ファイルを受け付け、それでも最長15秒まで生成できます。Ref2VAアダプターは画像9、動画3、音声3を受け付け、画像か動画が最低1つ必要です。参照の動画と音声は各2〜15秒で、種類ごとの合計は15秒以内です。
Pikaのショーケース用プロンプト（ベンチマークではなく宣伝用の例）は、0〜3秒、3〜5秒のようにタイムコードで15秒をショットごとに指示しています。モデルページには、PikaがMiniMax H3を「50ステップではなく6ステップで生成するようポストトレーニングした」と書かれています。Pikaは15秒の768pクリップが最短7秒で生成できるとしていますが、これは管理されたベンチマークでのtransformerの計算時間で、エンドツーエンドの待ち時間ではないと定義しています。
15秒のクリップはいくらかかる？
定価ベースでは、Wan 2.6のテキスト動画生成は15秒で720Pが$1.50、1080Pが$2.25。Pika H3 Flexは768pが$0.60、1080pが$1.05です。どちらも出力秒数での課金です。Pikaは2026年10月29日から11月5日まで、API Clubメンバー向けに半額のローンチ価格を実施しています。
解像度は同じ条件ではありません。Wan 2.6は720Pか1080Pで直接レンダリングします。Pikaは768pで生成したあと同じジョブ内で1回アップスケールするため、1080p、2K、4Kの料金にはそのアップスケール分が含まれます。
| 15秒のクリップ | Wan 2.6 | Pika H3 Flex |
|---|---|---|
| テキスト/画像から動画、720P / 768p | $1.50 | $0.60 |
| テキスト/画像から動画、1080P / 1080p | $2.25 | $1.05 |
| テキスト/画像から動画、4K | 提供なし | $2.40 |
| 参照から動画、720P / 768p | 15秒は不可。10秒は$1.00に加えて入力動画の秒数分 | $1.80に加えて入力動画の秒数分 |
| 720P / 768pで10本 | $15.00 | $6.00 |
セルフホストや商用利用ができるのはどちら？
重みを入手できるのはPika H3 Flexだけです。アダプターはMiniMax H3の派生モデルで、MiniMax H3コミュニティライセンスが適用され、リポジトリには約210GBのベースコンポーネントが含まれます。Pikaによると、パッケージは1回のリクエストを1基のGPUで処理し、代表的な設定がH100 80GBで動作確認されています。
ライセンスには、使う前に確認すべき制限があります。欧州連合、英国、韓国、米国は対象外です。製品やサービスの年間収益が2,000万米ドルを超える場合は、MiniMaxからの書面による事前許可が必要で、商用製品のUIには「MiniMax H3」と表示する必要があります。確認したページには、Pikaのホスト型APIにも同じ地域制限があるかどうかが書かれていません。対象外の地域で事業を行う場合は、Pikaと弁護士に確認してください。これは法的助言ではありません。
ここでの「オープンウェイト」は、聞こえほど広くありません。Wan 2.6の重みは一切公開されていません。Wan-AIのHugging Face組織にはWan2.1、Wan2.2と関連モデルが並びますが、Wan 2.5、2.6、2.7のリポジトリはありません。
Wan 2.6は最新のWanモデル？
いいえ。Wan 2.6は2025年12月16日の公開なので、2026年末の新モデルとして紹介するページは古いニュースを繰り返しています。Alibabaのモデルスタジオには現在、2026年4月と6月のWan 2.7スナップショットとWan 3.0も掲載されており、Wan 3.0は4モーダルの参照入力と最長30秒の動画生成に対応すると説明されています。
Pika自身のページに載っているリーダーボードのスナップショットでは、Wan 3.0が1324、Pika H3 Flexが1293、Seedance 2.5が1256です。Wan 2.6はそのスナップショットに含まれていません。最も強いWanが必要なら、この記事の2.6ではなくWan 3.0を確認してください。
どちらを選ぶ？
参照素材が5個を超える、音声を参照にしたい、またはオープンな重みが必要ならPika H3 Flex。テキストか1枚の最初のフレームから作る、ネイティブ1080Pがほしい、ライセンスに地域除外のないモデルが必要ならWan 2.6です。30秒が必要なら、どちらも対象外です。以下は最初の絞り込みの目安で、最後は自分のショットで試してください。
キャラクターが多い広告やエピソード： Pika H3 Flex。画像9、動画3、音声3の枠に、複数のキャラクター、ロケーション、声を入れられます。
テキストから作るストーリーの1場面： Wan 2.6の15秒。shot_typeをmultiにし、プロンプト書き換えをオンにします。
1本あたりの定価が最も安い： 768pのPika H3 Flex。15秒で$0.60から。Wan 2.6の720Pは$1.50です。
ネイティブ1080P： Wan 2.6。Pikaの1080pは768pで生成した映像のアップスケールです。
セルフホスト： Pika H3 Flex。ただしライセンスの地域制限に従う必要があります。
Ciyoではどうなる？
2026年11月1日に確認したCiyoの料金ページには、WanもPikaも掲載されていません。動画モデルはSeedance 2.5、Kling 4.0、Seedance 2.0ファミリー、旧バージョンのSeedanceです。つまりCiyoは、この2つのモデルを動かす場所ではなく、ショットを計画して比べる場所です。
15秒のシーケンスが目的なら、掲載モデルで最も近いのはSeedance 2.0です。ツールページによると、1クリップ4〜15秒、480pから4K、ネイティブ音声のオン・オフ、画像9・動画3・音声3までの参照に対応します。設定により1クリップ48〜1,950クレジットで、$10で1,000クレジットを購入できます。参照素材の上限はPikaに近いものの、出力品質は比較していません。
マルチショットは、無限キャンバス上で自分で組み立てることもできます。当社のストーリーボードのテストでは、ボード上の開始フレームと終了フレームからFramesモードで作った720Pの無音5秒Seedance 2.5クリップ2本が、1本197クレジット（約$1.97）でした。手順はストーリーボードから動画へ、料金の考え方はAI動画生成の費用にまとめています。AI Video Generatorから始めることもできます。
よくある質問
Wan 2.6はオープンソースですか？
いいえ。AlibabaはModel StudioとWanの公式サイトで提供しており、2026年11月1日時点でWan-AIのHugging Face組織にWan 2.6のリポジトリは見つかりませんでした。公開されているのはWan 2.1と2.2で、2.5、2.6、2.7は公開されていません。
Wan 2.6は参照画像を使ってマルチショットを作れますか？
作れますが、最長10秒です。参照動画生成モデルはshot_type: multi、最大5つの参照ファイル、2〜10秒に対応しています。15秒にするには、テキストからの生成か画像からの生成を使います。
Pika H3 Flexは参照ファイルをいくつ受け付けますか？
最大12個で、画像9、動画3、音声3です。画像か動画が最低1つ必要で、参照の動画と音声は各2〜15秒でなければなりません。
Pika H3 Flexで15秒を作るといくらですか？
通常価格で、テキスト/画像からの生成は768pが$0.60、1080pが$1.05。参照からの生成は768pが$1.80で、入力動画の秒数分が加算されます。API Clubメンバーのローンチ価格は2026年11月5日まで半額です。
Pika H3 Flexは商用利用できますか？
MiniMax H3コミュニティライセンスでは、EU、英国、韓国、米国以外で利用でき、年間収益が2,000万米ドルを超える場合は書面による許可と「MiniMax H3」の表示が必要です。公開前に、ご自身の状況に合わせて条件を確認してください。
CiyoでWan 2.6やPika H3 Flexを使えますか？
2026年11月1日時点では使えません。Ciyoの料金ページにはどちらも掲載されていません。動画モデルはSeedance 2.5、Kling 4.0、Seedance 2.0ファミリーで、実行前に正確なクレジット消費が表示されます。
Ciyoで続ける
ショットを1つのボードで計画し、動画モデルを並べて比べるならCiyoをお試しください。実行前に毎回クレジット消費が表示されます。