仏パリの研究所Kyutaiは、対話型の世界モデル（world model）向け動画オートエンコーダ「CADRE」を公開しました。操作の遅れを人が感じ始める約230ミリ秒を目安に据えた設計です。
7種のオートエンコーダと76,000時間の学習
CADREは圧縮率の異なる7種で、約476Mの学習パラメータと凍結したDINOv3を組み合わせます。実験用の世界モデルは1.2Bで、公開動画76,000時間で学習しました。
競合比で反応が速く、数値は同社計測
H100 1枚でCADRE-2×32×32は反応185ミリ秒・23.4fps。同じ条件下でWan 2.2は317ミリ秒、LTX-2は492ミリ秒、Cosmosは605ミリ秒です。コードはMIT、重みはCC BY-NC 4.0で商用は不可。キーボードで運転できる公開デモもあります。
編集部の見解
数値はすべて同社の自己計測で、好条件側の可能性があります。それでも、テキスト動画向けのオートエンコーダを流用しがちだった研究に「遅延専用の部品」を提示した点は実質的です。重みはHugging Faceで入手できます。遅延設計の発想はClaudeのような対話AIの応答速度にも通じ、ロボット遠隔操作などで検証が進むでしょう。
my-best.ai 編集部
出典：Kyutai（CADRE研究発表、2026年10月23日）
メールマガジン
最新のAI情報をメールで受け取る
新着のAIツール比較・ランキング・ニュースを、まとめてお届けします。
ご登録後、確認メールをお送りします。配信停止はいつでも可能です。