生成AI見取り図2026 ― 対話・画像・動画・音楽・コード、ジャンル別の顔ぶれ

「GPT-6 Astra」「Claude Opus 5」「Gemini 3」「Kling 3.0」「Suno v5.5」……この1年でAIモデルの名前は爆発的に増えた。追いかけるのをやめた人も多いはずだ。この記事では、生成AIがどんな領域まで広がっているのかを俯瞰しつつ、ジャンルごとに代表的なモデル・人気や評価が高いとされるモデルを整理する。数は多いが、意図的に絞り込みすぎず、なるべく幅広く並べた。

なお「人気」「高評価」の目安として、本記事では主にArena（旧LMArena、arena.ai）のクラウドソース型ランキングを参照している。これは世界中のユーザーが2つのモデルの出力を匿名で見比べて投票し、Eloレーティングを算出する仕組みで、企業の自己申告ベンチマークより中立性が高いとされる一方、ランキングは日々変動し、投票者層に偏りがある可能性も指摘されている。あくまで「参考値」として見てほしい。

Contents

対話・汎用AI（LLM）

最も競争が激しいのがこのジャンルだ。Arenaの総合エージェント部門・テキスト部門では、Anthropicの「Claude Fable 5.1」「Claude Opus 5」が上位を占め、OpenAIの最新フラッグシップ「GPT-6 Astra」（2026年9月4日発表）がWeb開発部門で1位につけている。GPT-6 Astraは自己申告のサイバーセキュリティ評価（ExploitBench）で満点を記録し、数論の未解決問題を解く一助になったとOpenAIは説明している。なおAnthropicは2026年9月1日、Opus 5の後継として「Claude Fable 5.1」と、その安全ゲート版「Claude Mythos 5.1」を発表した。公式発表によれば、Fable 5.1は多くのベンチマークでOpus 5を上回りながらコストは低く抑えられており、Mythos 5.1はサイバーセキュリティや生命科学分野の審査済みユーザー向けに、より厳格な安全制御を課した同等モデルという位置づけだ。

Googleの「Gemini 3」（2025年11月18日ロールアウト開始、上位版として2026年に「Gemini 3.1 Pro」も登場）は、100万トークンの文脈window、Deep Thinkモードでの高難度ベンチマーク対応、そしてGoogleの新開発環境「Antigravity」との連携が特徴だ。Googleはこれとは別に、低コストな「Flash」系統の更新も急ピッチで進めており、2026年9月2日には「Gemini 3.8 Flash」を公開。3ヶ月で3回目のFlash更新となり、ソフトウェアエンジニアリングやエージェントタスクで上位モデルに迫る性能を、より低いコストで実現するという（最上位の「Pro」系統を置き換えるものではない）。

中国勢の存在感も大きい。アリババの「Qwen3.8-Max」（2.4兆パラメータ、2026年8月）、月之暗面（Moonshot AI）の「Kimi K3」（2.8兆パラメータ、オープンウェイトとしては世界最大級、2026年7月）、DeepSeekの「DeepSeek-V4」（Pro/Flashの2系統、2026年4月）、MiniMaxの「MiniMax M3」（2026年6月）など、いずれも巨大なオープンウェイトモデルでArenaのコーディング系リーダーボード上位に食い込んでいる。DeepSeekについては2026年9月10日、Flash系統が新アーキテクチャの「DeepSeek-V4.1-Flash」に置き換えられており、公式チェンジログによれば従来のV4 Flash／V4 Flash Vision Expはいずれも自動的にV4.1 Flashへルーティングされる（Pro系統のAPIは従来通り提供が続く）。xAIの「Grok 4.6」（2026年8月）は長時間稼働するエージェントタスクに重点を置く。

一風変わった動きとして、Metaは2026年4月、従来のオープンソース路線「Llama」とは別に、Meta Superintelligence Labs主導で開発した非公開・独自路線のモデル「Muse Spark」を投入した。Llamaは「オープンソースとして提供は続ける」としつつも、今後の主力をどちらに置くのかは明言されていない。オープンさを競争優位としてきたMetaの方針転換は、業界内でも議論を呼んでいる。Muse Sparkはその後も更新が続き、2026年9月2日には「Muse Spark 1.3」を公開。エージェント的なコーディングタスクにおいてツール呼び出し数を前版比で約20%、トークン消費量を約25%削減したとMetaは説明しており、OpenAIやAnthropicへの追い上げを強めている。

画像生成AI

このジャンルはArenaのText-to-Image部門で、OpenAIの「GPT Image 2.5」が上位を独占する結果になっている（2026年9月時点）。Googleの「Nano Banana Pro」（Gemini 3 Pro Imageベース、2025年11月20日発表）は、画像内への多言語テキストの正確な描画や、最大14枚の画像を組み合わせて人物の一貫性を保つ編集機能が売りだ。

Black Forest Labsは2025年11月に「FLUX.2」を投入した後、2026年7月23日には後継の「FLUX 3」をEarly Accessで公開した。FLUX 3は画像・動画・音声を単一アーキテクチャで学習するマルチモーダル基盤モデルで、最大20秒の音声付き動画生成、キーフレームからの動画生成、ロボティクス分野との連携による行動予測にも対応するなど、単なるマイナーアップデートにとどまらない刷新だという。プロプライエタリ版（pro/flex）とオープンウェイト版（dev/klein）を並行提供する「オープンコア」戦略は両バージョンで踏襲されており、開発者コミュニティでの採用が広い。ByteDanceの「Seedream 5.0 Pro」は画像内の知識推論・文字描画・構図の一貫性を強化した最新版。Midjourneyは2026年7月24日に「V8.2」をデフォルトモデルとして展開し、より大胆で洗練された絵作りを志向している。Stability AIは近年、企業向けソリューションや音声生成へも事業を広げており、画像生成では「Stable Diffusion 3.5」系がNVIDIAとの協業などを通じて提供されている。

動画生成AI

動画生成は勢力図の変化が最も激しい分野だ。象徴的なのが、OpenAIが2025年に鳴り物入りで投入した「Sora」の終了で、公式ヘルプページによればWeb/アプリ版は2026年4月26日に、APIも2026年9月24日に提供終了となる。理由は公式に説明されていないが、動画生成という得意分野であってもサービスとして継続しない決断をした事実は、この分野の競争の速さと難しさを物語っている。

その間隙を縫うように存在感を増しているのが、Googleの「Veo 3.1」（Gemini APIやVertex AIで提供、素材の一貫性を保つ「Ingredients to Video」機能を搭載）、Kuaishou（快手）の「Kling 3.0」（2026年2月5日発表、最大15秒・4K・5カ国語のリップシンクに対応する「Video/Image 3.0」「3.0 Omni」の4モデル構成）、Runwayの「Gen-4.5」（2026年）だ。Arenaのテキスト動画部門では、GoogleのGemini Omniシリーズとアリババのオープンウェイトモデル「Wan 3.0」、Black Forest Labsの「FLUX 3 Video」が上位に並ぶ。MiniMaxの「MiniMax H3」（2026年7月31日）は、音声付き2K・15秒動画を含むテキスト・画像・音声・動画を横断するオムニモーダル生成モデルとして登場している。

音楽・音声生成AI

音楽生成は「訴訟」から「提携」へと風向きが変わった1年だった。UdioはUniversal Music Groupから著作権侵害で提訴されていたが、2025年10月末に和解が成立し、両社は正規ライセンスに基づく新しい音楽制作プラットフォームを共同で立ち上げると発表している。Warner Music Groupも同様にUdioと和解し、独自のライセンス型AI音楽サービスを準備中だ。

Sunoは2026年3月に「v5.5」（ユーザー自身の歌声を学習させる「Voices」、自分の楽曲でモデルを個人チューニングする「Custom Models」機能を追加）を公開した後、2026年9月9日には大幅刷新版「v6」を発表した。v6・v6-wild・v6-miniの三モデル構成で、Warner Music Group・BMG・Believeとの提携のもとで開発されたとされ、旧モデルはすべて廃止（retire）される。セクション単位の編集、マッシュアップ、サンプリング、マルチモーダル入力、歌詞単位の編集など機能面でも大幅に強化されており、「訴訟から提携へ」という業界の流れをさらに一歩進めた格好だ。ElevenLabsは2025年8月に「Eleven Music」を、2026年にはアップデート版「ElevenMusic v2.5」を投入し、商用利用をほぼ全面的に許諾したライセンス設計を打ち出している（ただし同社とUMGとの提携は2026年9月時点で成立していない）。Stability AIも2026年5月に「Stable Audio 3.0」を、MiniMaxも「MiniMax Music 3.0」を公開しており、音楽生成AIは大手テキスト/画像AI企業だけでなく、音声特化企業も入り乱れる激戦区になっている。

コーディング支援AI・エージェント

ソフトウェア開発の現場では、Anthropicの「Claude Code」とOpenAIの「Codex」が事実上の二強となっている。ArenaのWeb開発部門では「GPT-6 Astra」「Claude Fable 5.1」「Claude Opus 5」が上位を占めるが、アリババの「Qwen3.8」やMoonshotの「Kimi K3」もこの分野で上位にランクインしており、オープンウェイト勢のコーディング性能が急速に無視できないレベルに達していることを示している。このほか、エディタ統合型のCursor、GitHub Copilot、自律型のDevin（Cognition社）など、モデルそのものではなく「モデルを使う環境・エージェント」を提供するプレイヤーも多数存在し、どのモデルを裏側で使うか選べる製品も増えている。

3Dモデル生成AI

前回の記事（「対立か、共存か」）で触れたMeshy、Tripo、Rodinのようなテキスト/画像から3Dモデルを直接生成するツール群も、生成AIの広がりを語るうえで欠かせない領域だ。3DCGアセットの制作・販売という仕事の前提そのものを揺るがしつつある存在として、既存のマーケットプレイス（Fab、Sketchfabなど）との緊張関係も生まれている。

検索・ブラウジング型AI

最後に、対話AIと検索エンジンの中間に位置するジャンルとして、PerplexityのAIブラウザ「Comet」も触れておきたい。2026年を通じて機能拡張が続いており、単なる検索の代替ではなく、Web上のタスクを代行するエージェント的な使われ方が広がっている。GoogleやOpenAIも同様に、対話AIに「自分でブラウザを操作させる」方向の機能を強化しており、検索・ブラウジング領域もチャットAIとの境界がなくなりつつある分野のひとつだ。