AIニュース

アリババのQwenチームは、Qwen ChatでQwen3-Max Thinkingの提供開始を発表しました。このモデルは数兆個のパラメータを持つMoEモデルで、AIME25とHMMT25の数学テストで満点を獲得しています。ユーザーはQwen Chatでこのモデルを選択し、Thinkingモードを有効にすることで、無料で試用できます。

MeituanのLongCatチームは、LongCat-Flash-Omniモデルを正式にリリースし、オープンソース化しました。LongCat-Flashシリーズのアーキテクチャをベースにしたこのモデルは、マルチモーダル知覚モジュールと音声再構成モジュールを統合しており、合計5600億個のパラメータと270億個のアクティベーションパラメータを備え、低遅延のリアルタイム音声・映像インタラクションを実現します。

01AIとOpen Source Chinaは共同で「Open AgentKit Platform」（OAK）をリリースし、エージェントの世界における「エコシステムアダプター」を構築しました。OAKプラットフォームは様々なオープンソースモデルをサポートし、開発者が「エージェント開発の自由」を実現するためのワンストップソリューションを提供します。プラットフォームの中核となる4つのモジュール、OAK Framework、Builder、Runtime、Studioは順次リリースされ、コミュニティの参加が呼びかけられています。

OpenAIとAmazonは、OpenAIが今後7年間でAmazonから総額380億ドル（約2704億6000万元）相当のクラウドコンピューティングサービスを購入するという提携を発表した。Amazon Web ServicesはOpenAIにAmazon Elastic Compute Cloudのスーパーサーバーを提供し、導入は来年末までに完了する予定だ。

Kunlun TechのAI動画制作プラットフォーム「SkyReels」がリニューアルされ、リリースされました。ウェブ版とモバイルアプリ版が利用可能となり、世界トップクラスのAIマルチモーダルモデルを統合し、画像生成、動画生成、デジタルヒューマン生成、音楽生成など、多様な制作方法を提供します。SkyReels V3モデルへのアップデートでは、無制限のキャンバス、デジタルヒューマン生成、テンプレート機能、エキスパートエージェント、動画拡張機能、スタイル設定などの機能が追加され、プロフェッショナルな制作がより簡単になりました。

ソフトバンクグループとOpenAIは、合弁会社「SB OAI Japan」を設立し、2026年に企業向けAIソリューション「Crystal Intelligence」の提供開始を目指すと発表した。このソリューションは、OpenAIの技術とカスタマイズされたサービスを組み合わせることで、日本企業の生産性向上と経営効率化を支援する。ソフトバンクはまず自社でこの技術を導入し、経験を積んだ後、他の企業への展開を進めていく予定だ。

米国を拠点とする生成型AIヘルスケア分野のユニコーン企業、ヒポクラティックAIは、シリーズC資金調達ラウンドで1億2600万ドルを調達し、企業価値は35億ドルに達した。これは年初からの企業価値の2倍以上となる。今回のラウンドは、Googleの親会社であるアルファベットの子会社であるキャピタルGが主導し、調達資金は合併・買収、製品開発、および海外展開に充当される予定だ。

Galaxy Generalは、複数の大学と共同で、世界初のクロスエンティティ・フルドメイン・サラウンドビューナビゲーションプラットフォームモデルであるNavFoMを発表しました。あらゆるシナリオ、マルチタスク、クロスエンティティ操作に対応し、ロボット犬や車輪型ヒューマノイドなど、様々なロボット形態に適応可能です。NavFoMは、革新的なTVIトークンとBATS戦略により、時空間認識と効率的な計算能力利用を実現します。大規模なトレーニングデータシステムに基づき、複数の国際ベンチマークで最先端（SOTA）性能を達成し、タスク固有の微調整なしに実機ロボットに直接展開できます。

360のFG-CLIP2モデルは、画像とテキストのクロスモーダル通信の分野で大きなブレークスルーを達成しました。このモデルは、8つのタスクカテゴリと29のテストすべてにおいてGoogleとMetaを凌駕し、現在までに最も強力な画像とテキストのクロスモーダルVLMモデルとなりました。FG-CLIP2はピクセルレベルの画像理解を実現し、髪の毛、斑点、色などの詳細を正確に識別するとともに、中国語と英語の両方において強力なきめ細かな理解能力を備えています。

2025年グローバル1024開発者フェスティバルにおいて、iFlytekは深層推論大規模モデル「iFlytek Spark X1.5」を発表しました。このモデルは、完全国内のコンピューティングパワーを基盤とし、MoEモデルのエンドツーエンド学習効率の課題を克服し、国際的な競合製品のエンドツーエンド性能の93%以上を達成しています。言語理解およびテキスト生成能力は、主流の国際的な大規模モデルに匹敵し、数学的能力は国際的にトップレベルであり、130以上の言語をサポートする多言語対応能力は、GPT-5の95%以上の性能を実現しています。

MeituanのLongCatチームは、マルチモーダル大規模モデルを評価するためのベンチマークであるUNO-Benchを発表しました。このベンチマークは、画像、音声、動画、テキストなどの単一モーダルおよびマルチモーダルタスクにおけるモデルのパフォーマンスを正確に測定します。高品質で多様なデータを用いて構築されたこのベンチマークは、マルチモーダル大規模モデルの「組み合わせ法則」を検証する初のベンチマークであり、単一モーダル機能とマルチモーダル機能の複雑な関係性を明らかにします。

Moonlit Dark Sideがリリースした最新のAIモデル「Kimi-k2 Thinking」は、汎用エージェント機能と高度な推論能力を備えています。複数ターンにわたるツール呼び出しと256kのコンテキスト長に対応しています。このモデルは、新たに追加されたreasoning_contentフィールドを通じて思考プロセスを表示し、タスクの自律的な計画や外部ツールの呼び出しによる複雑な操作（指示の自動分解、データ分析、レポート生成など）の実行を可能にします。

Jimeng AIは、より自由な創作空間を提供する無制限キャンバスをリリースしました。新機能には、無制限のスペース、エージェントとの共同制作、複数会話による並行制作、マルチモーダル制作などが含まれます。ユーザーはキャンバスを自由に拡張して複雑なプロジェクトを容易に処理したり、対話を通じて制作したり、一文からインスピレーションを得たり、プロジェクト内で複数の会話を並行して制作したり、画像や動画などの様々な素材を組み合わせた制作をサポートして統合的な完成を実現したりできます。

AI動画スタートアップのVideo Rebirthは、Qiming Venture Partnersや韓国のゲーム会社Actoz Softなどから5,000万ドルのシード資金調達ラウンドを完了したと発表した。テンセントの元著名科学者である劉偉氏が設立した同社は、「動画ネイティブな世界モデル」の構築に注力しており、12月にバージョン1.0製品をリリースする予定だ。同社の目標は、プロのクリエイター向けに高精細で高度な制御が可能な動画生成プラットフォームを提供し、既存の市場環境に挑戦することである。

Meituanは、PythonやJavaなどの主要言語に対応したAI搭載プログラミングツール「CatPaw」をリリースしました。リアルタイムのコード補完、Q&A形式のコード生成、プレビューとデバッグ、プロジェクトレベルの分析といった機能を備えています。現在はmacOSに対応していますが、Windows版も近日中にリリース予定です。新規ユーザーは登録時に500回の無料チャットセッションを受け取ることができ、開発効率の向上を目指しています。

Step-Audio-EditXは、Step-Leap Starチームが開発した大規模言語モデルを基盤とする初のオープンソース音声編集ツールです。反復的な手法を用いて、音声の感情、話し方、および非言語的特徴を制御することに重点を置いています。そのコア技術は大規模な合成データで学習されており、組み込みの事前知識や補助モジュールを必要としないため、ゼロショットのテキスト音声合成機能を実現できます。

OpenAIは、GPT-5-Codexの「コスト効率の良い」バージョンであるGPT-5-Codex-Miniをリリースしました。開発者は、通常の約4倍の利用クレジットを受け取ることができます。SWE-bench Verifiedテストでは、GPT-5-Codex-Miniは71.3%のスコアを記録しました。このバージョンは、軽量なエンジニアリングタスクや、処理速度が制限に近い状況に適しています。

Baidu Wenxin 5.0プレビュー版は、LMARaenaグローバルテキストライティング部門において、世界第2位、中国国内第1位のスコア1432を獲得し、OpenAI GPT-4.5やAnthropic Claudeといったトップモデルに匹敵する性能を示しました。実地テストでは、創造的な文章作成、長文理解、複雑な指示への対応において優れたパフォーマンスを発揮し、詩的かつ論理的に厳密なコンテンツを生成することが実証されています。

Duiyou AI Reactorは、AIを活用したオールインワンのクリエイティブキャンバスを正式にリリースしました。Duiyouユーザーは無料で利用できます。Duiyou AIは、テキストから画像への変換、画像から画像への変換、インテリジェントフィルター、ベクター編集、フォントデザイン、高解像度ズーム、インテリジェント背景除去、部分的な再描画などの機能を統合し、インスピレーションから納品までの全プロセスを自動化するワンストップのAIデザインソリューションを提供します。

BaiduのXiaodu AI Glasses Proが正式に発売され、価格は2299元。中国の大手インターネット企業としては、AlibabaのQuark AI Glasses S1に続き、AIメガネを正式に発売した2社目となる。Xiaodu AI Glasses Proは、Xiaomi AI Glassesと同様のタイプのAI写真撮影用メガネだ。現在入手可能なAI+ARメガネのより「完全な」バージョンではない。マルチモーダルAIモデルを統合しており、写真撮影、楽曲識別、プレイリストのインテリジェントマッチング、AI翻訳、AI物体認識、AIメモ、AI録音などの機能を備えている。

Meta AIは、1,600以上の言語をサポートする世界初の自動音声認識システム「Omnilingual ASR」を発表しました。このうち500言語は、AI音声認識が初めてサポートされる言語です。大規模な事前学習済みモデルと文脈学習技術により、このシステムは少数の音声テキストサンプルだけで新しい言語に対応でき、78%の言語で文字エラー率を10%未満に抑えています。

SenseTimeは、SenseNova-SIシリーズモデルを正式にリリースし、オープンソース化することで、空間知能の分野で大きなブレークスルーを達成しました。空間理解と推論タスクに関する複数の権威ある評価において、SenseNova-SIは、同規模のオープンソースのマルチモーダルモデルを大幅に上回るだけでなく、GPT-5やGemini 2.5 Proといった国際的なトップレベルのクローズドソースモデルの性能をも凌駕しています。

Moonshot AIは、新しいオープンソースのAIエージェント開発フレームワーク「Kosong」をリリースしました。「複雑さを簡素化し、創造性を解き放つ」という基本理念に基づき、次世代のインテリジェントエージェントアプリケーション向けに、軽量かつ拡張性の高い基盤を提供します。このフレームワークは、統一されたLLM抽象化レイヤーを通じて標準化されたコンポーネントをカプセル化し、非同期ツールオーケストレーションエンジンを組み込むことで、ツールの断片化やインターフェースの非互換性といった開発上の課題を効果的に解決します。

ByteDanceは、複雑なプログラミングタスクに最適化されたDoubao-Seed-Codeを正式にリリースしました。このモデルは256kのコンテキストをサポートし、Anthropic APIおよび主要なIDEと互換性があり、そのパフォーマンスはClaude Sonnet 4.5に次ぐものです。全体的な使用コストは62.7%削減され、SWE-Bench Verifiedのリーダーボードでトップに立っています。