AIニュース

Moonlit Technology Co., Ltd.は、オープンソースのエージェント型コーディングツールであるKimi CLIのテクニカルプレビュー版をリリースしました。シェルライクなユーザーインターフェースを備え、ACPライセンスをサポートしています。GitHubでのフィードバックや議論を歓迎します。

Meituanは、136億個のパラメータを持つ汎用動画生成モデル「LongCat-Video」をオープンソース化しました。このモデルは、テキスト、画像、その他のデータから動画を生成でき、滑らかな映像、安定したキャラクター、論理的な物理的関係を備えた720p、30fpsの長尺動画を数分以内に作成できます。

Google Geminiの無料インタラクティブワークスペースであるCanvasに、プロンプトまたはアップロードされたファイル（ドキュメント、スプレッドシート、研究論文など）に基づいてPowerPointスライドを生成し、テーマや関連画像を自動的に追加する新機能が追加されました。生成されたスライドは、編集、最適化、チームでの共同作業のためにGoogleスライドに直接エクスポートできます。

崑崙科技集団の子会社であるSkywork AIは、ウェブページ複製機能をリリースした。ユーザーはウェブページのリンクを提供するか、ファイルをアップロードするか、テキストによる説明を入力するだけで、AIが数分以内に完全に機能し、明確な構造を持ち、同様のスタイルのウェブページプロトタイプを生成できる。単に見た目をコピーするのではなく、ウェブページの論理と階層を分析する深層学習アルゴリズムによって、構造レベルでの複製を実現している。

Volcano Engineは、Doubaoの動画生成モデル1.0 Pro Fast（Doubao Seedance 1.0 Pro Fast）をリリースしました。Volcano EngineのSeedance 1.0 Proモデルをベースに、生成速度は約3倍、価格は72%削減されています。5秒間の720P動画をわずか10秒で生成でき、5秒間の1080P動画はわずか1.03元で生成できます。

イーロン・マスク氏率いるxAIチームは、AIを活用した百科事典「Grokipedia」をベータ版として正式に公開した。このプラットフォームには88万5000件以上の記事が収録されており、Grok AIモデルによるコンテンツの信憑性自動検証機能など、「偏りのない」性質を強調している。一部の記事はWikipediaから引用されているが、「改変コンテンツ」として明記されている。

MiniMaxは、ダイナミック性能を向上させたビデオモデル「Hailuo 2.3」をリリースしました。身体の動き、スタイル、微表情効果が大幅に改善され、モーションコマンドの応答性も最適化されています。複数のアニメーションスタイルに対応し、より自然な表情表現と優れたオブジェクトモーションレスポンスを実現しています。価格は据え置きながら、コスト削減のため「Hailuo 2.3 Fast」モデルも追加されました。

フランスのAIスタートアップ企業であるMistral AIは、企業がAIをプロトタイプ段階から信頼性が高く拡張性の高い本番システムへと移行するのを支援する、エンタープライズグレードのAIアプリケーション開発プラットフォーム「Mistral AI Studio」を発表しました。このプラットフォームは、高度な可観測性、エージェントランタイム、AIレジストリという3つの主要機能を備えています。ハイブリッド、オンプレミス、VPC環境への展開に対応し、AIアプリケーションに関する企業のセキュリティ、コンプライアンス、プライバシー要件を満たします。

ChatExcelは、新たにアップグレードされたChatDBを導入しました。これにより、ユーザーはデータベースに接続し、SQLの専門知識や複雑なBIツールを必要とせずに、数百万ものデータポイントを迅速に処理して視覚的なレポートを生成できます。chatexcel.comにログインし、ワークベンチにアクセスしてChatDBモジュールを使用するだけです。データベースに接続後、ワンクリックでデータを抽出・分析し、データダッシュボードを生成できます。

Google Labsは、中小企業がブランドアイデンティティに沿ったソーシャルメディアキャンペーンを迅速に作成できるAIマーケティングツール「Pomelli」を発表しました。ユーザーは自社のウェブサイトを提供するだけで、Pomelliが自動的にブランド情報を抽出し、「ビジネスDNA」を確立して、キャンペーンのクリエイティブ素材やビジュアルアセットを生成します。ユーザーはこれらの要素を編集・調整して、そのまま使用できます。

OpenAIは資本再編を完了し、IPOへの道が開かれた。非営利団体はOpenAI Foundationに名称変更され、営利企業であるOpenAIの株式の26%を保有することになった。現在のOpenAIの時価総額は約1300億ドル。従業員と投資家が47%、マイクロソフトが32.5%を保有している。OpenAIはまた、2500万ドル相当のMicrosoft Azureクラウドサービスを購入することに合意し、これによりマイクロソフトの株価は最大3.5%上昇した。

GitHubは、AIプログラミングエージェント向けの統一管理システムを提供し、ワークフローに統合するプラットフォーム「Agent HQ」をリリースしました。その中核となるのは、複数のエージェント間でタスクの割り当てと管理を調整し、クロスプラットフォーム運用をサポートするミッションコントロールコマンドセンターです。プランモード機能はコード品質を向上させます。開発者はAGENTS.mdを使用してカスタムエージェントを作成できます。

テンセント・フンユアンは、中国初のインタラクティブAIポッドキャストをリリースしました。このポッドキャストでは、リスナーはリスニング中にいつでも質問をすることができます。大規模なモデルによる意図認識と長期的な文脈理解機能を活用し、文脈や背景情報に基づいて正確な回答を提供します。ユーザーはポッドキャストのスタイル、ホストの数、音声品質をカスタマイズでき、ポッドキャストコンテンツを迅速に作成できます。

Flowistは、AIエージェント向けに設計された全く新しいオペレーティングシステム「FlowistOS」を正式にリリースしました。FlowistOSは、ウェブページ間や環境間での実行の難しさなど、AIにおける「思考と実行の乖離」という共通の課題に対処します。ブラウザと統合することで、AIエージェントが思考し行動するための環境を提供します。（添付：FlowistOS招待コード）

英国を拠点とするAI動画生成ユニコーン企業Synthesiaは、2億ドル（約14億人民元）の資金調達を実施し、企業価値は40億ドル（約284億人民元）に達した。今回の資金調達ラウンドはGoogle Venturesが主導し、Nvidiaも参加する可能性がある。2017年に設立されたSynthesiaは、企業のマーケティング、研修などのために仮想アバター動画を生成することに注力している。同社のプラットフォームは6万社に利用されており、Fortune Global 100企業の約70%をカバーしている。

Zhipu Qingyanは、ユーザーが効率的かつ詳細な調査を行えるよう、全く新しい「調査モード」を導入しました。このモードでは、特定の質問に対する包括的なオンライン検索と分析が可能になり、学術研究、ビジネス分析、生活上の意思決定、トレンド追跡など、さまざまな場面に適した、構造化された引用可能な調査レポートを自動的に生成します。

Adobeは、ネイティブ4メガピクセル出力に対応し、テキストコマンド編集、レイヤー画像編集、新しいビデオおよびオーディオ生成ツールなどを搭載した、同社最先端の画像生成・編集モデル「Firefly Image 5」をリリースしました。また、Photoshop、Premiere Pro、Lightroomなどのアプリケーション向けに新しい生成型AIツールを導入し、サードパーティ製モデルのサポートも拡大しました。

AIプログラミングプラットフォームのCursorは、バージョン2.0と自社開発のプログラミングモデル「Composer」をリリースしました。Composerは低遅延プログラミング向けに設計されており、同等のモデルと比較して最大4倍の速度を実現し、毎秒200トークン以上を出力、オープンソースのプログラミングモデルのインテリジェンスを凌駕します。新バージョンのインターフェースはエージェント中心で、最大8つのエージェントの並列実行をサポートし、並列タスク処理と最適な選択を可能にします。また、新しいネイティブブラウザツールが追加され、「ポイント＆クリック」によるコード変更が可能になり、コードレビュー機能もアップグレードされ、詳細な変更情報が集約されるようになりました。

MiniMax Speech 2.6がリリースされました。音声エージェントのシナリオ向けに包括的なアップグレードが施されています。エンドツーエンドのレイテンシは250ミリ秒未満で、URLやメールアドレスなどの非標準テキスト形式を複数の言語で直接変換できます。また、Fluent LoRA機能も搭載されており、不完全なオリジナル素材からでも流暢で自然な音声を生成できます。

北京人工知能研究院（BAAI）は、「Emu3.5」をリリースし、大規模マルチモーダル世界モデルの新たな時代を切り開いた。Emu3.5は、340億個のパラメータを持つ高密度自己回帰型Transformerモデルであり、画像、テキスト、動画などのマルチモーダルデータのモデリングを統合し、「次のトークン予測」から「次の状態予測」へと能力を飛躍的に向上させた。

OpenAIは、大規模なコードベースにおけるセキュリティ脆弱性を自動的に発見・修正するGPT-5搭載エージェント「Aardvark」をリリースしました。Aardvarkは、既知の脆弱性および手動で注入された脆弱性の92%を特定でき、複雑な状況下でも問題を特定できます。コードコミットの監視、脆弱性の分析と検証、そして修正案の生成を行うことで、OpenAI Codexと緊密に連携し、脆弱性に対するパッチを生成します。

『Dark Side of the Moon』では、次世代エージェントLLMの基盤技術となることが期待される、新しいアテンションアーキテクチャ「Kimi Linear」が導入されています。その中核を成すのはKimi Delta Attention（KDA）であり、洗練されたゲーティングメカニズムと効率的なハードウェアアルゴリズムによって、性能と効率を大幅に向上させています。

MeituanのLongCatチームは、WOWService大規模モデル連携システムに関する技術レポートを公開し、地域生活サービス分野における大規模モデル導入の「三重苦」に対処するための4つのコア技術フレームワークを提案した。このシステムは、マルチエージェント連携や強化学習などの技術を統合し、人間と機械の協働によるアノテーションを通じてコスト削減を実現している。Meituanのインテリジェントカスタマーサービスをはじめとする数十のビジネスシナリオで既に導入されている。

MiniMaxは最新の音楽モデル「Music 2.0」をリリースしました。このモデルは、音楽の理解と表現において飛躍的な進歩を遂げ、ボーカルの感情表現と楽器の緊張感を正確に捉えます。様々な歌唱スタイルと感情表現に対応し、声質の精密なコントロールと多彩な声のバリエーションを実現します。メロディー制作においては、構成のしっかりしたキャッチーな楽曲を生成し、複数の楽器を個別にコントロールして、重層的なアレンジメントを作り出すことができます。音質も全面的に向上し、臨場感あふれるリスニング体験を提供します。