AIニュース

人型ロボット企業Star Ageは、Geely Capital主導による約10億元のシリーズA+資金調達ラウンドを完了した。同社の受注総額は5億元を超え、物流分野における最大受注額は5000万元近くに達している。海外事業は総収益の50%を占めている。今回の資金調達により、技術革新と商業化が加速される見込みだ。

OpenAIは、GPT-5.1-Codexに代わるプログラミングモデル「GPT-5.1-Codex-Max」をリリースし、Codex統合インターフェースのデフォルトモデルとなりました。このモデルは、SWE-Bench Verifiedテストで77.9%の精度を達成するなど、複数のプログラミングベンチマークでGoogle Gemini 3 Proを1.7ポイント上回る性能を発揮しました。また、「圧縮」メカニズムを組み込むことで、24時間以上の連続動作を可能にし、トークン効率を約30%向上させています。

AI動画スタートアップのLuma AIは、シリーズCラウンドで9億ドルの資金調達を行い、企業価値は40億ドルに達した。このラウンドは、サウジアラビアの公共投資基金の子会社であるHumainが主導した。調達資金は、マルチモーダルAIシステムの開発と、2GW規模のインテリジェントコンピューティングクラスター「Project Halo」の構築に活用される。

AI音楽プラットフォームのSunoは、シリーズC資金調達ラウンドで2億5000万ドルを調達し、企業価値は昨年の約5倍にあたる24億5000万ドルに達した。このラウンドはMenlo Venturesが主導し、NVIDIAのNVenturesをはじめとする複数の機関投資家が参加した。Sunoの主力製品はテキストから楽曲全体を生成するもので、最新バージョンのv5では音声の自然さとコマンド実行精度が大幅に向上している。

Meta社はSAM 3DとSAM 3モデルをリリースし、2D画像からの3D再構成において大きなブレークスルーを達成しました。SAM 3Dは、物体シーン再構成と人体姿勢推定の2つのモデルで構成されています。革新的なデータエンジンにより、約100万枚の画像から3Dラベル付きデータを生成し、複数のベンチマークテストで既存の手法を凌駕する性能を発揮します。

シンガポールを拠点とするAIフィンテック企業RockFlowは、Ant Group主導による数百万ドル規模の資金調達ラウンドを完了した。同社は、自然言語を通じてユーザーの投資意図を理解し、データ分析からリアルタイム取引まで全プロセスを自律的に実行できる、世界初の金融取引向けAIエージェント「Bobby」を発表した。今回の資金調達ラウンドは、金融サービスにおけるAI技術の革新的な応用を加速させ、複雑な金融サービスへのアクセス性とパーソナライゼーションの向上を推進するだろう。

Xiaomiは、自動運転と身体化インテリジェンスを統合した業界初のクロスドメインモデル「MiMo-Embodied」をリリースし、完全オープンソース化しました。このモデルは、身体化インテリジェンスの3つのコアタスクと自動運転の3つの主要タスクを統合し、屋内インタラクションと道路意思決定機能間の双方向の知識伝達を可能にします。29のコアベンチマークテストで優れた性能を発揮し、既存のオープンソースモデルや専用モデルを総合的に凌駕しています。

テンセントのオープンソース動画生成モデル「HunyuanVideo 1.5」は、わずか83億個のパラメータで5～10秒の高精細動画を生成できます。DiTアーキテクチャをベースとしたこのモデルは、中国語と英語の両方でテキストベースおよび画像ベースの動画生成をサポートしています。強力なコマンド理解能力を備え、カメラの動き、表情、身体の動きを正確に制御できます。ネイティブで480p/720p出力に対応しており、超解像処理により1080pにアップスケールすることも可能です。14GBのVRAMを搭載した一般消費者向けグラフィックカードでもスムーズに動作するため、ユーザーにとっての参入障壁が大幅に低減されています。

Googleは、Gemini 3のマルチモーダル機能と深く統合されたプロ仕様の画像生成モデル「Nano Banana Pro」をリリースしました。このモデルは2K/4Kの高解像度出力に対応し、最大14枚の参照画像を融合しながら5人の人物間で一貫性を維持できます。また、高精度なローカル編集、多言語テキストレンダリング、映画のような色彩と明るさのコントロールといった機能を備えています。Gemini 3の知識推論機能と検索エンジンと組み合わせることで、非常に精度の高いインフォグラフィックを生成できます。

アレン人工知能研究所（AI2）が発表したオープンソースの大規模言語モデルであるOlmo 3シリーズには、Olmo 3-Base（7Bおよび32Bパラメータ）、Olmo 3-Think、Olmo 3-Instruct、Olmo 3-RL Zeroが含まれており、それぞれプログラミング、読解、数学的問題解決、複雑な推論、複数ターン対話、強化学習などのタスクに優れています。

アリババのAIアシスタント「千文（Qianwen）」が、新しいドメイン名「qianwen.com」を正式に公開し、ユーザーのアクセス利便性をさらに向上させました。ユーザーはウェブブラウザから直接千文を利用できるようになり、アプリと一貫したシームレスなユーザーエクスペリエンスを実現しています。また、千文ウェブブラウザでは、プロフェッショナルユーザー向けにQwen3シリーズのモデルオプションも拡充されています。

Meta社は、テキストプロンプト一つでインタラクティブかつナビゲーション可能な3Dワールドを生成するWorldGenシステムを発表しました。このシステムは、手続き型論理推論と拡散モデルを統合し、ゲームやシミュレーションなどに適した、幾何学的に厳密で視覚的に豊かな3Dシーンを出力します。スタイルと構造の一貫性が高く、50m×50mのフルテクスチャシーンを生成可能です。

マイクロソフトは、PC操作専用に設計された初のオープンソースインテリジェントエージェントモデル「Fara-7B」をリリースしました。70億個のパラメータで構成され、Windows 11をサポートし、クラス最高のパフォーマンスを誇ります。このモデルは、追加のアクセシビリティツリーや複数の大規模モデル間の連携に頼ることなく、ウェブページのスクリーンショットを視覚的に分析することで、クリックや入力などのアクションを実行します。マイクロソフトは、ウェブページのタスクをシミュレートするための新しい合成データ生成プロセスを構築しました。Fara-7BはQwen2.5-VL-7Bプラットフォームをベースとしており、128kコンテキストをサポートしています。

OpenAIは、ChatGPT向けに新たな「ショッピングリサーチ」機能を発表しました。これは、従来のeコマースプラットフォームやコンテンツコミュニティにおける消費者の意思決定プロセスに取って代わるものです。この機能はGPT-5ミニモデルをベースに最適化されており、対話型の質問を通してユーザーの嗜好を理解し、記憶機能を組み合わせてパーソナライズされた購入ガイドを生成し、商品リンクや視覚的な比較インターフェースを直接提供します。

AMDは、IBMおよびAIスタートアップ企業のZyphraと共同で、1年以上にわたる開発期間を経て、AMDハードウェアを使用した初の大規模ハイブリッドエキスパート（MoE）モデル「ZAYA1」のトレーニングに成功しました。このモデルは完全にAMDハードウェアエコシステム上に構築されており、トレーニングはAMD Instinct MI300X GPUなどの技術を用いてIBM Cloud上で実施されました。トレーニングクラスタは128ノード、合計1024個のGPUで構成され、750 PFLOPsを超えるパフォーマンスを実現しています。

テンセントのオープンソース軽量OCRモデル「HunyuanOCR」は、わずか10億個のパラメータしか持たないにもかかわらず、いくつかのコア機能において最先端（SOTA）の性能を実現しています。Hunyuan独自のマルチモーダルアーキテクチャに基づき、エンドツーエンド設計を採用したこのモデルは、複雑な文書解析ベンチマークであるOmniDocBenchで94.1のスコアを獲得し、Gemini 3 Proなどの主流モデルを凌駕しました。

Anthropic社は、大規模モデルの次世代版であるClaude Opus 4.5をリリースし、プログラミング機能において大きな飛躍を遂げました。SWE-Bench Verifiedによる実世界のソフトウェアエンジニアリングテストで80%を超えるスコアを獲得した初のモデルとなり、8つのプログラミング言語のうち7つで1位を獲得しました。主なアップグレードには、曖昧な要件の正確な理解、自律的なバグ特定機能、そしてパフォーマンスを維持しながらトークン消費量を大幅に削減する革新的な「努力」パラメータ制御システムが含まれています。

AIプログラミングプラットフォーム「TRAE」の中国版が、SOLOモードを正式にリリースし、無料で提供開始した。このモードは、SOLO Coderエージェントを内蔵しており、開発計画を事前に作成してから実行に移す共同作業ワークフローをサポートし、複数のエージェントをスケジュールして複雑なタスクを処理することができる。また、新しい3列レイアウトを採用することで、複数のタスクを並行して開発することが可能になり、コード変更比較ツールやコンテキスト管理機能も内蔵されている。

テンセントのHunyuan 3D Creation Engineが、同社の国際プラットフォームで正式にリリースされました。同時に、APIもテンセントクラウドの国際サイトで公開され、世界中の開発者が利用できます。このエンジンは、テキストから3D、画像から3D、スケッチから3D、インテリジェントトポロジーなどのコア機能をサポートしており、テキスト、画像、スケッチを使用して、数分で高品質な3Dモデルを生成できます。

国内AIコンテンツ制作プラットフォームであるLiblibAIは、次世代画像生成アルゴリズム「F.2」を正式にリリースした。このモデルは、テキストから画像への生成、複数画像参照、画像編集という3つの主要機能において包括的なアップグレードを実施し、文字やスタイルの一貫性、複雑な指示への対応能力、そしてきめ細やかなテキストレンダリング効果を大幅に向上させた。

Black Forest Labsは、テキストから画像への生成、複数画像の参照、画像編集をサポートするオープンソースの画像生成・編集モデル「FLUX.2」をリリースしました。FLUX.2は、より豊かなディテール、より鮮明なテクスチャ、そして安定したライティングを提供します。バージョンは4種類あり、FLUX.2 [pro]（トップクラスのクローズドソースモデルに匹敵）、FLUX.2 [flex]（パラメータ調整可能）、FLUX.2 [dev]（オープンソースの32B加重モデル）、そしてFLUX.2 [klein]（近日公開予定の軽量モデル）です。

清華大学傘下のAIインフラ企業である武文新瓊（WuwenXinQiong）は、約5億元のシリーズA+資金調達ラウンドを完了し、設立から2年半で総額約15億元を調達した。今回の資金調達は、ソフトウェアとハードウェアの連携技術における同社の優位性を強化し、デジタル世界と物理世界におけるインテリジェントエージェントの大規模かつ広範な応用を加速するために活用される。

ByteDanceのSeedチームは、あらゆる視点からの空間認識を実現するために単一のTransformerアーキテクチャを革新的に採用した視覚空間再構成モデル「Depth Anything 3」をオープンソース化しました。このモデルは、統一された「深度光線」表現手法を用いて、カメラ姿勢推定や幾何学的再構成などのタスクを簡潔なフレームワークに統合し、主流モデルであるVGGTと比較して、カメラ姿勢精度と幾何学的再構成においてそれぞれ35.7%と23.6%の向上を実現しています。

Alibabaは、6バイトのパラメータで高効率な画像生成モデルであるZ-Imageをオープンソース化しました。このモデルはシングルストリームDiTアーキテクチャを採用し、テキストとビジュアルセマンティックトークンを均一に処理することでパラメータ効率を向上させています。リリースされたバージョンは3つあります。Z-Image-Turboは、8ステップの高速生成をサポートする軽量蒸留バージョンで、リアルな画像生成とバイリンガルテキストレンダリングに優れています。Z-Image-Baseは、コミュニティによる微調整とカスタマイズのためのベースモデルです。Z-Image-Editは画像編集に特化しており、自然言語コマンドに基づくクリエイティブな編集をサポートしています。