中国ショートドラマ業界がAI量産に全面移行 — 1日470作品がリリースされる異常なペース

MIT Technology Reviewが報じたところによると、中国のショートドラマ業界がAI生成コンテンツの量産に急速に移行している。ショートドラマとは、1〜2分の短いエピソードで構成され、スマホ視聴に最適化された劇的なストーリーテリングが特徴のコンテンツ形式で、2024年には中国市場で約69億ドルの収益を記録、初めて国内の年間興行収入を上回った。

注目すべきはそのスピードだ。DataEyeの調査によると、2026年1月には1日平均470本のAI生成ショートドラマがリリースされていた。制作期間は従来の3〜4ヶ月から1ヶ月未満に短縮され、制作費も80〜90%削減されているという。FlexTVは従来の実写制作を全面的に停止し、AI生成に完全移行。Kunlun Tech（DramaWaveの親会社）はすでに1,000以上のAIタイトルをプラットフォーム上で提供している。

この移行は労働市場にも大きな影響を与えている。カメラクルーや照明技術者、メイクアップアーティストといった役割がAI制作現場からほぼ消失し、代わりに「AIアセットキュレーター」という新しい職種が登場。この役割は、スクリプトをプロンプトに変換し、キャラクターやシーンの参照画像をAI動画モデル向けに生成するもので、中国の求人サイトでは数百件の求人が掲載されているという。

脚本家のPhoenix Zhu氏は「AI以前は『彼は冷たい目で彼女を見た』で済んだが、今は『冷たい光線が彼の目から放たれた』のように視覚的に具体的に書く必要がある」と、AI向けの脚本執筆が cinematographer の役割を兼ねるようになっている現状を語った。

業界全体としては、Omdiaの推計によればグローバルマイクロドラマ市場は2025年に110億ドルに達し、2026年末までに140億ドルに成長すると予測されている。

Intern-S2-Preview: 35Bパラメータで科学タスク特化のマルチモーダルモデル

RedditのLocalLLaMAコミュニティで話題になっているIntern-S2-Previewは、InternLMがリリースした35Bパラメータの科学特化マルチモーダル基盤モデルだ。Qwen3.5をベースに事前学習を継続し、従来のパラメータ・データスケーリングに加えて「タスクスケーリング」を追求している。

具体的には、科学的タスクの難易度・多様性・カバレッジを高める手法を取り、事前学習から強化学習までフルチェーンで数百の専門科学タスクをスケールさせている。この結果、35Bという比較的コンパクトなパラメータ数で、トリリオンスケールのIntern-S1-Proに匹敵する性能を複数の専門科学タスクで達成したという。

特に注目すべき特徴として、小分子構造の空間モデリングを強化し、実数値予測モジュールを導入したことで、材料結晶構造生成能力と一般的な能力の両方を持つ初のオープンソースモデルになった点が挙げられる。また、強化学習時には共有ウェイトのMulti-Token Prediction（MTP）とChain-of-Thought圧縮技術を採用し、推論効率も向上させている。

英国が主権LLM推論基盷relax.aiを公開 — HNで52コメントの議論

Hacker Newsで59ポイント、52コメントを集める注目を集めているのが、英国の主権LLM推論基盷relax.aiだ。英国国内でホストされ、データが英国外に流出しないことを保証するLLM推論サービスを提供している。

これは各国で進む「主権AI」の潮流の一環と言える。データ主権とAIインフラの自律性への関心が高まる中、政府・公共機関向けにローカルで完結するAI推論環境の需要が増している。コメント欄では、主権AIの定義、パフォーマンスとコストの課題、オープンソースモデルの活用可能性などが活発に議論された。

WhichLLM: ハードウェアに最適なローカルLLMをベンチマーク順で提案するツール

同じくHacker Newsで35ポイントを集めたWhichLLMは、ユーザーのハードウェア仕様に基づいて最適なローカルLLMをベンチマークスコア順にランキングしてくれるツールだ。GitHubで公開されており、ローカルLLMの選択肢が増え続ける中で、「自分のGPUでどのモデルが快適に動くか」を実用的に判断できる点が評価されている。

ローカルLLMコミュニティでは、新しいモデルが毎週のようにリリースされる状況で、ハードウェア互換性とパフォーマンスの確認が実際の利用における最大の障壁の一つになっている。このような実用的なツールの登場は、ローカルLLMの普及を支える重要なインフラと言えるだろう。

参考: 本記事はMIT Technology Review、WIRED、Hacker News、Reddit LocalLLaMA等の公開情報に基づいています。記事情報の詳細は各sourceをご確認ください。