AIニュース

Baiduが独自開発したマルチモーダル文書解析モデル「PaddleOCR-VL」は、リリースからわずか16時間でHuggingFaceのグローバルトレンドランキングで首位を獲得しました。パラメータ数はわずか0.9Bと軽量かつ効率的で、テキスト、手書きの中国語、表など様々な複雑な要素を正確に認識し、109言語に対応しています。

Unitree Robotics社は、身長180cm、体重70kgの4番目のヒューマノイドロボット「H2」を発表しました。前モデルのH1と比較して、H2は動作の滑らかさと生体模倣機能が大幅に向上しています。H2は腕、脚、胴体に31個の関節を備えており、バレエや中国武術などの複雑な動きをこなすことができます。また、人間のような顔立ちをしており、外見や動きがより人間らしくなっています。

DeepSeekは、新しいビジュアルテキスト圧縮モデル「DeepSeek-OCR」を発表しました。わずか3バイトのパラメータ、ハイブリッドエキスパートアーキテクチャ、そしてビジュアルトークンの20分の1削減により、20倍の圧縮率を実現し、20ノードで1日あたり3,300万ページのデータを処理できます。Foxベンチマークテストでは、さまざまなテキスト長範囲で85%以上の精度を達成しました。複数の解像度構成、多言語処理、複雑なチャート解析、その他のマルチモーダル機能をサポートし、複数ターンの対話で10倍の圧縮効率を実現します。

Meituan傘下のLongCatチームは、複雑な問題に直面する大規模なインテリジェントエージェントを評価するためのベンチマークであるVitaBenchをリリースしました。VitaBenchは、食品配達、レストランでの食事、旅行という3つの主要な生活シナリオをプラットフォームとして、66種類のツールを含むインタラクティブな評価環境を構築しています。VitaBenchは、深層推論、ツールの使用、ユーザーインタラクションという3つの側面からタスクの複雑さを定量化し、実際のユーザーシミュレーターと細分化された評価基準によって、きめ細かな評価を実現します。

Zhipuは、GLM-4.6モデルをベースにしたGLMコーディングプランエンタープライズ版をリリースし、企業向けに包括的なインテリジェントプログラミングソリューションを提供します。この製品は、国際的なAPIプラットフォームであるOpenRouterのトレンドリストで1位を獲得しており、マルチモーダルな理解、ネットワーク検索、インテリジェントなオーケストレーション機能を統合し、コード生成からエンドツーエンドの開発コラボレーションまでワンストップサービスを提供します。エンタープライズ版は、高い利用率、低コスト、高性能、高セキュリティを特長とし、10種類以上の主要なプログラミングツールにシームレスに対応し、柔軟なメンバー管理とデータ分析をサポートします。

Cherry Studio Enterprise Express Editionが正式にリリースされました。従業員数に制限なく、5000人民元の購入価格で企業向けワンストップAI実装ソリューションを提供します。このバージョンには、トップレベルのクローズドソースおよびオープンソースモデルが含まれており、APIキー申請が不要になり、ネットワークの問題を解決し、課金プロセスを簡素化し、プライベートおよびクラウドアプリケーションの展開をサポートします。Studio - Qianhui Technology

CodeBuddy IDE 1.0 正式版がリリースされました。国際版は GPT-5-Codex を完全にサポートし、カスタムコマンドや Web Fetch によるリアルタイムのネットワーク情報取得などの機能が追加されています。MCP Marketplace も正式にオープンし、DiffView の全機能をサポートしています。

Anthropic社は、Claude Codeのウェブ版をリリースしました。これにより、ユーザーはデプロイすることなく、ブラウザ上で直接コード生成機能を利用できるようになります。主な機能としては、GitHubリポジトリへの接続、コードの自動生成、複数のタスクの並列処理、リアルタイムの進捗状況追跡、完了時のプルリクエスト（PR）の自動作成などが挙げられます。

Vidu Q2リファレンスビデオが世界中で利用可能になりました。今回のアップグレードは、高い一貫性、高速化、そしてより手頃な価格という3つの主要な側面に重点を置いており、プロおよびセミプロのクリエイターによる独創的なコンテンツ制作への高まるニーズに応えます。Vidu Q2リファレンスビデオは現在、世界中で利用可能です。ユーザーは、Viduウェブサイトまたは主要アプリストアでVidu AIアプリを検索することで、最新機能を体験できます。

Shenzhen Interstellar Lightyear Technology Co., Ltd.は、5本指の器用さを備えたハンド「Pantheon 22」の新製品を発表し、プレAラウンドの資金調達を完了しました。このラウンドはSeine CapitalとPuhua Capitalが主導し、Kexi Venture CapitalとDeepMind Capitalが財務アドバイザーとして参加しました。調達資金は主に、器用さの操作に関する主要な技術的課題への取り組み、器用さを備えたハンドのオペレーティングシステム（小脳モデル）の開発、およびコアチームの拡大に充当されます。

Claudeのデスクトップ版が正式にリリースされました。MacとWindowsに対応しています。このバージョンには、グローバルキーボードショートカット（MacではOptionキーをダブルクリックして起動）、作業共有（スクリーンショット、ウィンドウ共有、ファイルのドラッグ＆ドロップ）、音声入力（Caps Lockキーを押して話す）、接続ツール（コードエディタ、ローカルファイル、データベースへのアクセス）という4つの主要機能があります。

Qwen3-VLファミリーは、軽量から中規模まで、視覚言語理解シナリオに対応する2Bと32Bという2つの新しい高密度モデルサイズを追加しました。2つのバージョンが用意されており、Instructは対話やツール呼び出しに適しており、Thinkingは長鎖推論と複雑な視覚理解を強化します。Qwen3-VL-32Bは、複数のドメインでGPT-5 miniなどのモデルを凌駕し、わずか32Bのパラメータで235Bモデルと同等のパフォーマンスを発揮します。Qwen3-VL-2Bは、その小さなサイズにもかかわらず、優れたパフォーマンスを発揮し、最先端のエッジデバイスでも動作します。

北京に拠点を置くKuaFuAIは、中国初のAIネイティブなバックエンド・アズ・ア・サービス（BaaS）プラットフォームであるAipexBaseを正式にオープンソース化しました。このプラットフォームにより、開発者は「独自のバックエンドを記述することなく、完全なバックエンドを利用できる」ようになります。データストレージや認証などのバックエンド機能はすべて自動的にカプセル化され、フロントエンドSDKまたはMCPプロトコルを介してワンクリックで呼び出すことができます。AipexBaseはMCPとネイティブに互換性があり、コンテキストとデータレイヤーを統合し、CodeFlyerやCursorなどのAI製品との統合をサポートしています。中国の開発エコシステムに深く適応しており、Lark、DingTalk、WeChatなどのエコシステムとも互換性があります。

テンセントは、Hunyuan World-Mirrorモデル1.1をリリースし、オープンソース化しました。このモデルは、複数のビューとビデオ入力をサポートし、単一のGPUにデプロイ可能で、数秒で3Dワールドを生成します。テキストまたは単一画像入力のみをサポートしていたバージョン1.0の制限を打破し、マルチモーダル事前情報注入と複数のタスクにわたる統一出力によるエンドツーエンドの3D再構築を初めて実現しました。点群、深度マップ、カメラパラメータなど、さまざまな3D幾何学的予測をサポートし、その性能は既存の手法を大幅に上回ります。

OpenAIは、初のAIネイティブブラウザ「ChatGPT Atlas」をリリースしました。GoogleのオープンソースエンジンであるChromiumをベースに構築されたこのブラウザは、ChatGPTの対話機能を統合し、すべてのタブ間で直接チャットを可能にします。ブラウザコンテキストアシスタントを搭載しており、ユーザーはページ上で直接質問できます。また、重要な閲覧コンテンツを記録する内蔵メモリ機能、中国語テキストの編集や校正を可能にする「カーソルチャット」機能、フォームへの入力や予約などのウェブページ操作を自動化するエージェントモードも備えています。

白川は、大規模なエビデンスベースの拡張医療モデルである「Baichuan-M2 Plus」をリリースし、アプリケーションとオープンAPIをアップグレードしました。このモデルは、6つの情報源に基づくエビデンスベースの推論パラダイムを先駆的に採用し、オリジナルの研究から現実世界に至るまでの完全な知識システムを構築しています。エビデンスベースの検索と推論を通じて、医療における誤診率を大幅に低減し、DeepSeekの約3分の1、米国の医療製品OpenEvidenceよりも優れた誤診率を実現し、経験豊富な臨床医に匹敵する信頼性を獲得しています。

ByteDanceのSeedチームは、単一画像から高精度な3Dモデルを生成できる大規模3Dモデルジェネレーター「Seed3D 1.0」をリリースしました。物理シミュレーションの精度とスケーラビリティを兼ね備えたこのジェネレーターは、Diffusion Transformerアーキテクチャをベースとし、大規模データで学習されています。高忠実度アセット生成、物理エンジンとの互換性、スケーラブルなシーン結合機能を備え、ジオメトリとテクスチャ生成において優れたパフォーマンスを発揮します。

LiblibAIは先日、Sequoia China、CMC Capital、および主要な業界投資家が共同で主導するシリーズB資金調達ラウンドで1億3000万ドルを調達しました。これは、今年中国のAIアプリケーション分野で行われた資金調達ラウンドとしては最大規模です。LiblibAIは先月、モデルコミュニティからAIクリエーションスタジオへと進化を遂げたバージョン2.0をリリースしました。

Doubao Programmingが大幅にアップグレードされ、プログラミング経験のないユーザーでも簡単にウェブサイトやアプリケーションを開発できるようになりました。今回のアップグレードでは、テキスト、画像、ファイル、ホワイトボードなど、さまざまな入力形式に対応したマルチモーダル入力機能が導入されました。AIが自動的にロジックを理解し、補完します。また、新しいエージェントマルチツールコラボレーションシステムが追加され、素材や画像を自動的に検索し、オンラインでコードをチェックすることで、生成されるコンテンツの正確性と使いやすさを確保します。

Googleは、Google Cloud、DeepMind、その他のチームのリソースを統合したAIスキル学習プラットフォーム「Google Skills」を発表しました。AIの基礎、生成AI、データ分析などの分野を網羅する約3,000のコース、ラボ、認定資格を提供しています。このプラットフォームは、フルタイムで働く人向けに設計されており、利用開始のハードルはゼロ。実践的な実験のために、毎月35ポイントの無料学習ポイントが付与されます。

凌心喬手は、京国瑞管理有限公司と博佳資本が主導し、既存株主であるアントグループが引き続き出資する、数百万元規模のシリーズA資金調達ラウンドの完了を発表した。今回の資金調達により、同社は量産能力の向上を加速させ、全シナリオ技術の研究開発を加速させ、グローバル展開を拡大していく予定だ。

Alipayは、マルチモーダルAIアプリケーション「Lingguang」をリリースしました。このアプリケーションは現在、Tencent App StoreやVivo App Storeなどのプラットフォームで利用可能で、社内テストへの招待受付を開始しています。その中核機能であるAGIカメラは、レンズを通してシーンの内容を認識し、撮影時に質問を投げかけ、リアルタイムで理解して回答することができます。認知理解を重視し、強力なシーン分析能力とマルチモーダル推論能力を備えています。

OpenAIは、Mac向け自然言語インターフェース「Sky」を開発したSAIを買収した。OpenAIはSkyの技術をChatGPTに統合し、SAIの約12名のチームを吸収する予定だ。SAIの共同創業者3名は全員Apple出身で、CEOとCTOは以前Workflowを創業しており、WorkflowはAppleに買収され、現在のショートカット技術へと発展した。今回の買収は、Skyの技術を高く評価するだけでなく、ChatGPTのOS市場参入への道を開くものとなる。

MiniMaxは、最新の大規模言語モデル「MiniMax M2」をリリースしました。現在、M2をベースとしたエージェントは無料で利用でき、コード開発、研究、PPT作成など様々な機能をサポートし、日常的に使用するプログラミングツールとの連携も可能です。テストデータによると、そのコーディング能力はClaude 4.5 Sonnetに匹敵し、スムーズに動作します。ユーザーはMiniMax-M2-Preview設定を通じてモデルにアクセスできます。