AIビデオモデルのベンチマーク手法：選択前に測定すべきこと

AI動画モデルのベンチマークでは、ベンダーのデモ映像ではなく、自社のプロンプトと負荷パターンを使用して、レイテンシ、モーションの一貫性、プロンプトへの忠実度、フォーマットの制限、および出力1秒あたりのコストを比較する必要があります。本記事では、測定すべき項目、主要な動画APIにおける2026年時点の1秒あたりのコスト基準、レイテンシと計算コストをプログラムで測定するためのコード、そして少数のクリップを超えて人間によるレビューをスケールさせる方法を解説します。

AI動画モデルのベンチマーク：重要なポイント

• 同等のティア（720p-1080p、同様のオーディオ設定）における1秒あたりのコストは、以下のソーススナップショットの下限と上限の間で約9倍の開きがあります。PixVerse V6は$0.045/秒（fal、720p、オーディオなし）、Veo 3.1 Standardは$0.40/秒（Google、720p-1080p、オーディオあり）です。4Kやトークン単位の価格設定を含めるとさらに差は広がりますが、これらは直接比較できないため「制限事項」を参照してください。
• レイテンシについては、本記事で引用しているプロバイダーの価格ドキュメントには一切記載されていません。生成時間の主張は自分で測定するまで未検証として扱い、以下のタイムスタンプパターンを使用して測定してください。
• 人間によるレビューは、テストボリュームに対して線形にスケールしません。2段階のシステムを使用してください。自動化された技術チェックでフォーマットの失敗を無料で検出し、その後に層化抽出されたサンプルを人間が確認します。
• TokenLabの1秒あたりおよび1リクエストあたりの動画価格は、多くの場合（Hailuo、Veo）、プロバイダーが報告するユニットエコノミクスと概ね一致しています。これは支出を決定する前の有用な健全性チェックとなります（以下のクロスチェック表を参照）。

ソーススナップショット：動画APIのプロバイダー価格（2026年）

プロバイダー	モデル / ティア	指標	値	ソース	観測日
Google	Veo 3.1 Standard, 720p/1080p, オーディオあり	$/秒	$0.40	Gemini API pricing	2026-07-09
Google	Veo 3.1 Standard, 4K, オーディオあり	$/秒	$0.60	Gemini API pricing	2026-07-09
Google	Veo 3.1 Fast, 720p, オーディオあり	$/秒	$0.10	Gemini API pricing	2026-07-09
Google	Veo 3.1 Lite, 720p, オーディオあり	$/秒	$0.05	Gemini API pricing	2026-07-09
PixVerse	V6, 720p, オーディオなし	クレジット/秒	9	PixVerse platform docs	2026-07-09
PixVerse (via fal)	V6, 720p, オーディオなし	$/秒	$0.045	fal PixVerse V6	2026-07-09
PixVerse (via fal)	V6, 1080p, オーディオあり	$/秒	$0.115	fal PixVerse V6	2026-07-09
MiniMax	Hailuo-2.3-Fast, 768p/6秒	ポイント	0.7	MiniMax video pricing	2026-07-09
MiniMax	Standard package	$/3,760 pts	$1,000	MiniMax video pricing	2026-07-09
Runway	veo3, 全解像度	クレジット/秒	40 ($0.40/秒 @ $0.01/クレジット)	Runway API pricing	2026-07-09
Runway	seedance2, 480p/720p	クレジット/秒	36 ($0.36/秒)	Runway API pricing	2026-07-09
Kling	developer API	$/ユニット	$0.14 (1秒あたりのコストのユニット基準は未確認)	Kling dev pricing	2026-07-09

Googleは、Veo 3.0モデルが非推奨となり、2026年6月30日にシャットダウンされる予定であると述べています。Veo 3.1 PreviewまたはGA Agent Platformモデルへの移行が推奨されています。現在本番環境でVeo 3.0を使用している場合は、それまでに移行をロードマップに組み込む必要があります（上記ソース参照）。

TokenLab ライブ動画モデル価格

この表には、2026年7月7日に観測されたTokenLabライブ価格スナップショットに含まれる動画モデルのみを記載しています。

TokenLabモデル	ユニット	レート	備考
veo3.1	per_second	$0.200000	ロック価格
veo3	per_second	$0.200000	ロック価格
veo3.1-fast	per_second	$0.080000	ロック価格
veo3-fast	per_second	$0.080000	ロック価格
seedance-1.0-pro	per_token (output)	$2.205882	$/秒と直接比較不可、制限事項を参照
seedance-1.0-pro-fast	per_token (output)	$0.617647	$/秒と直接比較不可
seedance-1.5-pro	per_token (output)	$1.176471	$/秒と直接比較不可
seedance-2.0	per_token (output)	$6.764706	$/秒と直接比較不可
seedance-2.0-fast	per_token (output)	$5.441176	$/秒と直接比較不可
seedance-2.0-mini	per_token (output)	$3.382353	$/秒と直接比較不可
pixverse-c1	per_second	$0.026471	ロック価格
pixverse-v5.6	per_second	$0.030882	ロック価格
pixverse-v6	per_second	$0.022059	ロック価格
hailuo-2.3	per_request	$0.280000	ロック価格
hailuo-2.3-fast	per_request	$0.190000	ロック価格
hailuo-2.3-pro	per_request	$0.490000	ロック価格
hailuo-2.3-standard	per_request	$0.280000	ロック価格

ソース：2026年7月7日に観測されたTokenLabライブモデル/価格エビデンス。

これらはTokenLabモデルディレクトリで直接比較できます。同ディレクトリではプロバイダーやユニットタイプによるフィルタリングが可能です。また、独自のテストセットを実行する前に、モデルランキングページでスペックレベルの比較を行ってください。

APIキーを取得して最初のテストを今日実行しましょう： TokenLab APIキーを作成し、同じ小さなプロンプトサンプルに対してpixverse-v6またはveo3.1-fastを呼び出し、より大きなテストバッチにコミットする前に、コストとジョブ成功率を並べて確認してください。

TokenLab価格とプロバイダーデータのクロスチェック

TokenLabのロック価格はプロバイダーのリスト価格から直接導出されたものではありません。ルーティング、ボリューム、マージンがすべて考慮されるためです。しかし、上記のソーススナップショットを使用して、TokenLabの価格をプロバイダーのユニットエコノミクスと照らし合わせて健全性チェックを行うことは可能です。これらは公開されているプロバイダーデータから構築された推定値であり、TokenLabの内部コスト基準ではありません。

比較	プロバイダー由来の推定値	TokenLabライブ価格	差分
Hailuo-2.3-Fast, 768p/6秒	0.7 pts x ($1,000 / 3,760 pts) = ~$0.186	$0.190 (per_request)	~$0.004, 近似
Hailuo-2.3 standard, 768p/6秒	1 pt x ($1,000 / 3,760 pts) = ~$0.266	$0.280 (per_request)	~$0.014, 近似
Veo 3.1, オーディオなし相当	Runway veo3.1 オーディオなし: 20 cr/秒 x $0.01 = $0.20/秒	$0.200000 (per_second)	完全一致
Veo 3.1 Fast, 720p	Googleリスト, オーディオあり: $0.10/秒	$0.080000 (per_second)	TokenLabが約20%低い、オーディオの有無は未確認
PixVerse V6, 360p オーディオなし	falリセラー: $0.025/秒	$0.022059 (per_second, 解像度未確認)	近似、TokenLabのエビデンスに解像度ティアの記載なし

すべての行を方向性を示すものとして扱ってください。プロバイダーのリスト価格、リセラー価格（fal、Runway）、MiniMaxのパッケージティアごとのポイントレートは3つの異なる価格構造であり、TokenLabの固定の1秒あたりロック価格がどの解像度、オーディオ設定、SLAティアに対応しているかを正確に裏付けるものではありません。コストモデルを構築する前に、TokenLabモデルディレクトリで正確な解像度とオーディオの前提条件を確認してください。

AI動画モデルベンチマークで測定すべきこと

テキストやコードのベンチマークは決定論的にスコアリングされます（コンパイルできるか、参照と一致するかなど）。動画生成には同等の正解（グラウンドトゥルース）がありません。同じプロンプトを同じモデルで2回実行しても、モーションの品質が目に見えて異なる可能性があるため、説得力のあるAI動画モデルベンチマークには、自動化された技術チェックと、5つの次元にわたる構造化された人間によるレビューを組み合わせる必要があります。

1. レイテンシとキューの挙動

本記事で引用したプロバイダーの価格ドキュメントには、標準的または最悪のケースの生成レイテンシは記載されていません。これは本エビデンスセットではベンチマークされておらず、ベンダーのデモページの速度に関する主張を額面通りに受け取るべきではありません。自分で測定してください：

async function timedGenerate(provider, generateFn, input) {
  const t0 = Date.now();
  let submittedAt = null;
  let completedAt = null;

  try {
    const job = await generateFn(input);
    submittedAt = Date.now();

    // プロバイダーのSDKに応じてポーリングまたはサブスクライブし、各状態変化をログに記録
    const result = await job.completed(); // プロバイダーのドキュメントに従って正確な完了APIを確認
    completedAt = Date.now();

    return {
      provider,
      queueMs: submittedAt - t0,
      generationMs: completedAt - submittedAt,
      totalMs: completedAt - t0,
      status: "success",
    };
  } catch (err) {
    return {
      provider,
      totalMs: Date.now() - t0,
      status: "error",
      errorType: err?.status || "unknown",
      message: err?.message,
    };
  }
}

これを一度に1つずつではなく、3〜4つの同時リクエストで実行し、平均値だけでなくプロバイダーごとのp50/p90/p99を保存してください。同時実行時のキューの挙動こそがプロバイダー間で最も乖離する部分であり、マーケティングページには何も書かれていない部分です。

2. モーションの一貫性と時間的コヒーレンス

本記事で使用したエビデンスにおいて、プロバイダー間で共通の数値的な業界標準スコアは存在しません。実用的な回避策として、同じプロンプトを3〜4つのモデルで生成し、ラベルを削除した上で、2〜3人のレビュー担当者がオブジェクトの永続性、背景のドリフト、物理的な妥当性について個別にランク付けを行います。

3. プロンプトへの忠実度

1つの品質数値ではなく、指示要素（被写体、数、カメラの方向、構図）ごとにパス/フェイルをスコアリングします。短いプロンプト（15語未満）、カメラ指示が1つ含まれる中程度のプロンプト、複数の構図上の制約がある長いプロンプトをテストします。これにより、単純なプロンプトはうまく処理できるが、長いプロンプトではカメラの方向を無視するといった、具体的な改善可能な内訳が得られます。

4. 解像度、期間、フォーマットの制限

見出しのスペックではなく、各APIが価格ティアで実際にサポートしているものを確認してください：

• デフォルトティアとプレミアムティアでの最大解像度
• 1回の呼び出しあたりの最大クリップ期間、および拡張に別のスティッチング呼び出しが必要かどうか
• オーディオ生成がVeo 3.1（Google）やPixVerse V6（PixVerseドキュメント、fal）のように、価格を変更する別のトグルであるかどうか

5. 正規化された1秒あたりのコスト

価格構造はプロバイダーによって異なります。MiniMaxはポイントパッケージ控除、PixVerseとfalは解像度とオーディオ設定による1秒あたりの課金、Runwayは固定の1秒あたりクレジット販売、Googleはティアごとの直接的な1秒あたりレートを公開しています。比較する前に、上記のソーススナップショット表を開始参照点として使用し、すべてを固定の解像度とオーディオ設定での$/秒に正規化してください。

生成ジョブから1秒あたりの計算コストを算出する

ジョブのメタデータ（期間、解像度、プロバイダー）を取得したら、レートカードから推定するのではなく、直接コストを計算します：

function computeCost(job, rateTable) {
  const rate = rateTable[job.provider]?.[job.resolution]?.[job.audio ? "audio" : "noAudio"];
  if (!rate) {
    throw new Error(`No rate entry for ${job.provider} at ${job.resolution}, audio=${job.audio}. Verify pricing doc before billing.`);
  }
  return {
    provider: job.provider,
    durationSeconds: job.durationSeconds,
    costUsd: Number((rate * job.durationSeconds).toFixed(4)),
  };
}

rateTableは記憶やベンダーのホームページのスクリーンショットからではなく、上記のソーススナップショット表から入力し、レートは変更されるため、ベンチマークを再実行するたびに再確認してください。

動画生成のリクエスト：出荷前に確認すべきこと

falのPixVerse V6モデルページには、prompt、resolution、duration、generate_audio_switchを受け入れるfal-ai/pixverse/v6/text-to-video用のJavaScript subscribe呼び出しが記載されています。これがここで利用可能なペイロードエビデンスのすべてです。それらのドキュメント化されたフィールドのみを使用し、再試行とエラーハンドリングを備えた最小限のクライアントラッパーは以下の通りです：

import { fal } from "@fal-ai/client";

async function generatePixVerseVideo(prompt, resolution, durationSeconds, withAudio) {
  const maxRetries = 3;

  for (let attempt = 1; attempt <= maxRetries; attempt++) {
    try {
      return await fal.subscribe("fal-ai/pixverse/v6/text-to-video", {
        input: {
          prompt,
          resolution,
          duration: durationSeconds,
          generate_audio_switch: withAudio,
        },
        logs: true,
      });
    } catch (err) {
      const status = err?.status || err?.response?.status;

      if (status === 429 || status === 503) {
        // レート制限またはプロバイダーの過負荷、バックオフして再試行
        await new Promise((r) => setTimeout(r, 2000 * attempt));
        continue;
      }
      if (status >= 400 && status < 500) {
        // クライアントエラー、盲目的に再試行しない
        throw new Error(`PixVerse request rejected: ${status} ${err.message}`);
      }
      if (attempt === maxRetries) {
        throw new Error(`PixVerse generation failed after ${maxRetries} attempts: ${err.message}`);
      }
    }
  }
}

これは本エビデンスセットにおいてライブレスポンススキーマに対してテストされていません。本番環境で使用する前に、現在のfalおよびPixVerseのドキュメントで、認証設定、正確なレスポンスオブジェクトの形状、タイムアウトの挙動、レート制限ヘッダーを確認してください。動画生成は本質的にマルチモーダルな出力（フレームとオプションのオーディオトラック）です。課金やレビューの自動化を構築する前に、正確なマルチモーダルリクエストとレスポンスのペイロードを公式ドキュメントで確認する必要があります。

人間によるレビューを大規模に自動化する

生成された数百のクリップを手作業でレビューすることはスケールしません。2段階のアプローチにより、実際に必要なクリップに人間の時間を集中させることができます：

ティア1：自動化された技術的検証（無料、決定論的）

• ジョブの完了 vs 失敗 vs タイムアウト
• 出力期間が要求された期間と一致するか
• 出力解像度が要求された解像度と一致するか
• ファイルが破損していないか、長さがゼロではないか
• 黒フレームや単色フレームの出力がないか（基本的なフレームサンプリングチェック）

ティア2：層化された人間によるレビュー（サンプリング）

• ティア1の失敗の100%をレビューし、偽陽性ではなく実際の失敗であることを確認する
• ティア1の合格のランダムな10〜15%のサンプルをレビューし、モーションの一貫性とプロンプトへの忠実度を確認する
• 上記で説明した同じ2〜3人のブラインドランキング手法を使用し、ルーブリック要素ごとにスコアリングする

オプションの事前フィルタとして、人間によるレビューの前に、視覚能力を持つLLMが抽出されたフレームをスコアリングして重大な失敗（被写体の乱れ、要求されたオブジェクトの欠落）をチェックする方法があります。Gemini 3.5 FlashやClaude Sonnet 5などのモデルはTokenLabの現在のカタログでマルチモーダル入力をサポートしていますが、本記事で使用したエビデンスには、この特定のトリアージユースケースに対する精度ベンチマークはありません。自動化されたトリアージスコアは、人間によるレビューのボリュームを減らすための事前フィルタとして扱い、人間がレビューしたサンプルに対して偽陰性率を測定するまでは、最終的な品質判断として扱わないでください。

実用的なベンチマークチェックリスト

• ユースケース（ソーシャルクリップ、製品デモ、ゲームアセット）を定義し、それに一致するプロンプトを選択する
• 短、中、長という複雑さにわたる固定プロンプトセットを構築する。本記事では20個のプロンプトを実用的な例として使用していますが、最適な数は調査されていません。本エビデンスセットに理想的なサンプルサイズを指定するプロバイダーや学術的ソースはないため、レビュー予算に合わせてサイズを調整してください
• 各プロンプトを、すべての候補モデルで同じ解像度とオーディオ設定で実行する
• レイテンシ（p50/p90/p99）、実際のジョブ期間から計算された1秒あたりのコスト、およびジョブ成功率を記録する
• 出力の100%に対してティア1の自動検証を実行し、その後、失敗および10〜15%のサンプルに対してティア2の人間によるレビューを実行する
• テストサイクルごとに価格を再確認する。本記事のモデルSSOTスナップショットは観測から7日後に期限切れとなります（2026-07-07観測、2026-07-14期限切れ）。この周期はこのスナップショットの期限ウィンドウに固有のものであり、公開された業界標準ではありませんが、動画の価格とモデルの可用性をどの程度の頻度で再検証すべきかの合理的な下限です
• 単一ベンダーのマーケティングページに頼るのではなく、TokenLabモデルディレクトリとスペックをクロスチェックする

プロバイダーとルーティングレイヤー間の比較

1つのAPIにコミットするのではなく、複数の動画プロバイダー間でルーティングを行う場合、同じ規律がルーティングレイヤーにも適用されます。OpenRouterの比較では、ルーティングのオーバーヘッドとプロバイダーの選択がレイテンシとコストの一貫性にどのように影響するかをカバーしています。これはテキスト補完と比較して動画ジョブが長時間実行されることを考えると、動画ジョブにとってより重要です。

同じ手法を使用した現在の動画プロバイダー間の事前実行比較については、best AI video models API 2026を参照してください。同じパイプラインで画像モデルも評価している場合、best AI image models API 2026がより小規模で同様の混合手法アプローチを使用しています。隣接するモデル選択作業については、best AI models for coding 2026が、異なるワークロードに対して同様の再テスト周期の規律を適用しています。

制限事項

• ここで引用されているプロバイダーの価格ドキュメントには、秒またはミリ秒単位の一般的な生成レイテンシは記載されていません。本記事のレイテンシ数値は、公開されたベンチマークではなく、タイムスタンプ測定手法に限定されています。
• SeedanceのTokenLab価格は出力トークン単位であり、トークンから秒への変換レートは本記事で使用したエビデンスには公開されていません。TokenLabまたはモデルプロバイダーにエンコーディングレートを確認せずに、Seedanceトークン価格を$/秒に変換しないでください。
• Klingのデベロッパー価格は、検索スナップショットからの$0.14のリスト価格参照を含む「ユニット」で説明されており、確認された1秒あたりのレートではありません。コストモデルで使用する前に、Klingのプロバイダーページで正確な1秒あたりのコストを確認してください。
• PixVerseプラットフォームのクレジットあたりのドル価値は、スターターパックのプロモーションバンドル（$1 = 5動画、720p、5秒、オーディオなし）を通じてのみ確認されています。そのバンドル外のスタンドアロンのクレジットあたりの価格は、本エビデンスセットでは確認されていません。
• Viduは現在の動画APIの例としてリストされていますが、本記事には価格のエビデンスがありません。Viduのプロバイダーページで価格を直接確認してください。
• プロバイダー間の比較は、直接的なプロバイダー価格（Google、MiniMax、PixVerse）とリセラー価格（fal、Runway）を混在させており、これにはリスト価格だけでは見えないマークアップやボリュームディスカウントが含まれている可能性があります。
• 本エビデンスセットには、LLMを自動化された動画レビューのトリアージレイヤーとして使用するための精度ベンチマークは存在しません。未検証の事前フィルタとして扱ってください。
• 本記事で推奨されている20個のプロンプトのテストセットサイズと7日間の再テスト周期は、実用性のために選択された作業上のデフォルトであり、公開された研究やプロバイダーの推奨によって裏付けられた数値ではありません。レビュー能力とリスク許容度に合わせて両方を調整してください。

FAQ

今日、TokenLabでどのモデルのテストを開始すべきですか？ TokenLabのライブ価格（2026年7月7日観測）に基づくと、pixverse-v6（$0.022059/秒）とveo3.1-fast（$0.08/秒）は1秒あたりのコストの下限にあり、veo3.1とseedance-2.0は上限にあります。合理的な最初のテストは、低コストの候補1つと高忠実度の候補1つを、同じ固定プロンプトセットに対して実行することです。tokenlab.sh/en/api-keysからAPIキーを取得し、単一のプロバイダー契約にコミットする前に実行してください。

プログラムでレイテンシを実際に測定するにはどうすればよいですか？ 上記で示したパターンを使用して、すべての呼び出しに対して、リクエスト前、ジョブ送信後、および最終完了後にタイムスタンプを記録します。キュー時間と生成時間を別々に保存し、単一のシーケンシャルテストではなく、同時負荷下で少なくとも数十回の実行にわたってp50/p90/p99を追跡します。本エビデンスセットのどのプロバイダーも一般的なレイテンシを公開していないため、この測定はあなた自身で行う必要があります。

1秒あたりのコスト数値はどこで入手できますか？ 本記事のソーススナップショット表を開始参照点として使用し、モデルディレクトリでTokenLabのライブ価格とクロスチェックし、その後、ほとんどのプロバイダーで解像度とオーディオ設定によって1秒あたりの価格が変更されるため、固定レートを想定するのではなく、示された式を使用して実際のジョブ期間から実際のコストを計算してください。

信頼できるベンチマークにはいくつのプロンプトが必要ですか？ 本エビデンスセットには、動画モデル評価のための最適なプロンプトセットサイズを指定する公開された研究はありません。本記事では、カバレッジと手動レビュー時間のバランスを取る実用的な出発点として、短、中、長の複雑さに分けた20個のプロンプトを使用しています。ユースケースにプロンプトの多様性がある場合はスケールアップし、より大きなテストの前のクイックな一次スクリーニングを行う場合はスケールダウンしてください。

数百の動画をテストしなければならない場合、人間によるレビューをどのように自動化しますか？ 2つのティアに分割します：すべての出力に対して無料で実行される自動技術チェック（期間の一致、解像度の一致、破損ファイルの検出）を行い、ティア1の失敗の100%と、合格の10〜15%のランダムサンプルに対して人間によるレビューを行います。LLMベースのフレームトリアージは人間によるレビューのボリュームをさらに減らすことができますが、本エビデンスセットでは測定された精度がないため、それに依存する前に人間がレビューしたサンプルに対して偽陰性率を検証してください。

このベンチマークをどのくらいの頻度で再実行すべきですか？ 少なくとも本記事のモデルSSOTスナップショットが期限切れになるたび、つまり観測から約7日後（2026年7月7日観測、2026年7月14日期限切れ）に再実行してください。そのウィンドウは本エビデンスセット自身の期限に関連しており、独立した業界の推奨ではありません。動画モデルのバージョンと価格ティアは頻繁に変更されるため、評価時に実行されたベンチマークは四半期以内に古くなる可能性があります。

開始する

TokenLab APIキーを作成し、本記事の固定プロンプトセットを、低コストティア（pixverse-v6, veo3.1-fast）から1つ、高忠実度ティア（veo3.1, seedance-2.0）から1つの2つの候補モデルに対して、上記のレイテンシおよびコスト計算コードを使用して実行します。プロバイダー契約を締結する前に、モデルディレクトリで現在のレートを確認してください。