2026年3月のAI雪崩: 7日間で登場した12のモデルがいかにしてクラウド専有時代を終わらせたか

インターネット（そして私のGPU）を破壊した1週間

3月の第1週、OpenAI、Alibaba、Lightricks、Tencent、Meta、ByteDanceがわずか数日の間に相次いでモデルをリリースしました。それは通常のプロダクトサイクルというよりも、まるで連携した一斉攻撃のようでした。誰もが自らの実力を証明しようと、一斉にリリースに踏み切ったのです。

しかし、見出しの本質は「多数のモデルが登場した」ことではありません。私たちはすでに1年以上、モデルのリリースが積み重なるのを見守ってきました。本当の焦点は何か。それはローカル生成がクラウドに追いついたという事実です。初めて、十分な性能を持つRTXカードを持つクリエイターが、サブスクリプションも、クラウドの請求書も、インターネット接続すら必要とせずに、映画品質の4K動画を制作できるようになりました。

これがすべてを変えます。

重要なモデルたち

リリースされた12のモデルすべてが同じ重要性を持つわけではありません。最も重要なモデルを以下に挙げます。

LTX 2.3: ローカル生成の王者

Lightricksは、最大20秒の長さで50 FPSの同期された4K動画を生成する220億パラメータのモデルを発表しました。最大の特徴は、RTX GPU上でローカルに動作することです。NVIDIAのNVFP4最適化により、従来バージョンと比較して3倍のパフォーマンス向上と60%のVRAM使用量削減を実現しています。

つまり、単一のRTX 5090で、半年前ならA100クラスタが必要だった4Kクリップを生成できるということです。NVIDIAはCES 2026におけるコンシューマー向け4K AI動画生成でこの基盤を築きましたが、LTX 2.3はその約束を見事に果たしました。

Helios: リアルタイム動画生成の到来

ByteDanceと北京大学は、単一のH100で19.5 FPSのリアルタイム動画生成を実現するHeliosを発表しました。1分間の動画を生成可能で、Apache 2.0ライセンスで提供されています。

この品質でのリアルタイム生成は、昨年までは研究レベルの珍しい成果にすぎませんでした。今では誰もがフォークできるオープンソースプロジェクトとなっています。オープンソースAI動画モデルがどのように差を縮め始めたかについての考察でも、私たちはこの変化の兆候を取り上げていました。

その他の注目モデル

なぜローカル生成が状況を一変させるのか

クラウドからローカル生成への移行は、単なるコストの話にとどまりません（コスト面での変化も劇的ですが）。それは同時に3つの要素に関わっています。

これは写真編集で見てきたものと同じパターンです。プロフェッショナルはまずクラウドから始め、品質が追いつくとローカルツールへと移行しました。違いは、AI動画がこの転換点に達するまでにかかった時間が、数年ではなく数か月だったことです。

数字が物語る真実

月におよそ200本のクリップを生成する一般的な独立系クリエイターのコスト比較で、状況を整理してみましょう。

ハイブリッドアプローチこそ、多くのプロフェッショナルが最終的に行き着く場所です。試行錯誤、ドラフト、実験にはローカル生成を使用します。そして最後の5%のクオリティを追求するために、Veo 3のようなクラウドモデルに最終レンダリングを送信します。クラウドの請求額は80%削減され、APIの待機列に並ぶ必要がなくなるためクリエイティブのスピードは2倍になります。

業界にとっての意味

小規模スタジオの大きな勝利

$5,000のGPUハードウェアを持つ3人規模のスタジオが、12か月前には年間$50,000のクラウド支出を必要としていた生成能力を手に入れられるようになりました。格安ツールがすでに始めた価格革命と相まって、プロ仕様のAI動画制作への参入障壁は一気に一桁下がりました。

クラウドプロバイダーの適応の必要性

純粋なクラウド提供だけではもはや不十分です。すでに多くのプラットフォームがハイブリッドモデルへと移行し始めており、加入者にローカル推論を提供したり、ハードウェアパートナーシップとともにクラウドクレジットをバンドルしたりしています。ローカルとクラウドのシームレスなワークフローを実現できた企業が、次世代のクリエイティブツールを握ることになるでしょう。

オープンソースがすべてを加速する

3月にリリースされた12のモデルのうち5つが、オープンソースまたは寛容なライセンスで提供されています。これは偶然ではありません。Meta、ByteDance、Alibabaが競って競争力のあるオープンモデルをリリースするとき、プロプライエタリモデルの優位性は根本的な能力ではなく、実行速度と洗練度へと絞られていきます。

クリエイティブへの影響

コードとアートの交差点に身を置く者として、私が最も興奮しているのは試行のループが劇的に短縮されたことです。

生成が無料で瞬時に行えるようになると、AI動画を「最終クリップをレンダリングするもの」として捉えなくなります。クリエイティブな楽器として捉えるようになるのです。50のバリエーションを生成する。組み合わせる。出力をレイヤー化する。結果を再び入力としてフィードバックする。従量制のクラウドアクセスでは決して得られなかった流動的な制作プロセスが実現します。

これは、デジタルオーディオワークステーション（DAW）がスタジオ利用時間を置き換えたときに起きた変化と同じです。ミュージシャンは単にお金を節約しただけではありません。実験が自由になったことで、音楽の作り方そのものを変えたのです。

私たちは、動画の世界でも同じことが起ころうとしているのを目撃しています。そして、その結果は素晴らしいものになるはずです。

次に何が起こるか

3月の雪崩のようなリリースラッシュは終わりではありません。号砲にすぎないのです。今後1四半期の間に私が予想する展開は以下のとおりです。

クラウドが終わったわけではありません。決してそうではありません。Veo 3、Sora、そしてベンチマークでトップのEloスコアを誇るRunway Gen-4.5のようなモデルは、最終出力における品質の頂点に君臨し続けています。しかし、クラウドだけが唯一の選択肢ではなくなり、クリエイティブプロセスの大半において、ローカル生成はデフォルトとなるに十分な品質、スピード、そして低コストを実現したのです。

AI動画のポストクラウド時代へようこそ。あなたのGPUが、新たなスタジオです。

出典

• LTX: LTX-2.3 is a 20.9-billion-parameter multimodal model capable of producing video at up to 4K on… (LTX)
• LTX: LTX-2.3 generates at up to 50 FPS with native 4K resolution (LTX)
• NVIDIA: NVIDIA reports NVFP4 optimizations delivering up to 2.5× performance and 60% lower memory… (NVIDIA)