■ **概要** ベクトル量子化を排除した自己回帰型モデルで、テキスト→画像・ビデオの統一生成を実現 ■ **特徴・用途** - **VQ廃止による構造的効率化**：従来のボトルネック（符号化→量子化→復号化）を排除し、フレーム・バイ・フレーム＋セット集合予測で直結 - **シングルモデル統一**：T2I（1024×1024）・T2V（768×480、33F）・I2Vを1.4B～0.6Bパラメータで処理し、推論パイプラインを簡素化 - **品質と計算のバランス**：GenEval 0.71（T2I）・VBench 80.12（T2V）という競争力あるスコアを、効率優先の構成で達成 ■ **結論** VQという慣例的ステップを構造から排除することで、次世代ビデオ生成の軽量化と汎用性が両立可能であることを示唆