画像・動画生成ワークフロー基盤のComfyUIがバージョン0.26.0を公開した。テキスト生成モデルQwen3-VLや動画生成モデルKling V3-Turboへの対応に加え、複数の商用API連携ノードが更新されている。ローカル実行とクラウドAPIを組み合わせる開発者にとって、利用可能なモデルの幅とコスト選択肢が広がるリリースとなる。
新対応モデルが示すマルチモーダルと動画生成の加速
今回のリリースでは、視覚言語モデルQwen3-VLをテキスト生成に用いる機能が追加された。Qwen3-VLをFlux2 Kleinのテキストエンコーダとして再度利用可能にする変更も含まれている。画像理解と生成プロンプト処理を単一のモデルで扱う構成が可能になり、画像生成ワークフローの入力設計に影響を与える可能性がある。動画生成ではKling V3-Turbo、Krea2、SeeDance 2.0の4K解像度、Luma Rays 3.2への対応が進んだ。特にSeeDanceの4K対応は、商用動画生成APIの出力品質をローカルツールから扱う際の選択肢を広げる。Boogu-Imageへの対応も加わり、画像系モデルのカバレッジが拡大している。
商用API連携ノードの更新が意味する開発現場への影響
パートナーノードでは、SoniloTextToMusicの価格が半額に変更された。これは音楽生成APIの利用コストが直接低下したことを意味する。また、Kling V3-Turbo、Luma Rays 3.2、AlibabaのHappyHorse 1.1、ByteDanceのSeeDance 2.0 4K、Grok Imageの1080p対応と、複数の商用モデルへの対応が同時期に進んだ。企業の開発チームが単一のワークフロー基盤から複数の商用APIを比較検討しやすくなり、ベンダーロックインを避けながら目的別にモデルを選択する動きを後押しすると考えられる。一方で、Googleのプレビュー版モデルの一部がパートナーノードから削除されている。APIのライフサイクル管理が開発現場のメンテナンス負荷に直結することを示す。
ジョブ管理とシステム最適化が示す基盤成熟の方向性
APIジョブのキャンセルエンドポイントが追加された。POST /api/jobs/{job_id}/cancelとPOST /api/jobs/cancelによって、実行中のジョブを外部から制御できるようになる。これは、長時間かかる生成ジョブをサーバーサイドで管理するアプリケーションを構築する際に、リソース制御の粒度が向上する変更である。また、training-dataset shardsの読み込みにweights_only=Trueが適用され、セキュリティ強化が図られた。Apple SiliconではM3とM4がサポート対象チップとして明記された。save nodesに出力ソケットが追加されるなど、ノードの再利用性を高める変更も含まれており、個人利用から小規模チームまで、ローカル生成基盤の安定性と管理性を段階的に改善する動きがある。
国内の生成AI開発者と企業導入への視点
ComfyUIは日本国内でも画像・動画生成のプロトタイピングに広く利用されている。今回のアップデートで、KlingやSeeDanceなど中国系モデルのAPIノードが充実したことは、国内の開発チームが日本向けにローカライズした動画生成や画像生成を検討する際の選択肢を増やす。特にSeeDance 2.0の4K解像度対応は、広告・映像制作分野でのプロトタイプ検証を低コストで行う可能性を広げる。また、ジョブキャンセルAPIの追加は、生成AIを社内システムに組み込む際の運用管理機能として重要な意味を持つ。APIのライフサイクル管理やモデル提供の終了が頻繁に発生する状況は、国内企業が外部生成AIサービスを利用する際のベンダーリスク評価にも示唆を与える。
今後見るべき論点はAPI利用コストとモデル更新速度
このリリースでは、価格変更、モデルのプレビュー版削除、複数の新モデル追加が同時に発生した。生成AIのAPI市場は更新速度が速く、開発者は単一のモデルに依存せずワークフローを設計する必要がある。今後の論点として、テキスト生成と画像生成を統合するQwen3-VLのようなマルチモーダルモデルの扱いが、既存の画像生成パイプラインにどこまで浸透するかがある。また、動画生成は4K対応や新モデルのリリースが続いており、出力品質とAPI従量課金のバランスが企業導入の判断に影響を与えるだろう。ジョブAPIの拡充は、生成AIをバックエンドに組み込む本番システムの構築可能性を示しており、ツールとしてのComfyUIがプロトタイピングから実運用へ移行するかを評価する材料となる。
