AIニュース

Grok Voice Think Fast 2.0は、SpaceXAI（xAI）が開発したエンドツーエンドの音声間通信モデルです。ネイティブな音声間通信アーキテクチャを採用しており、認識、推論、合成といった多段階のプロセスを経ることなく、音声を直接理解して応答します。

Qwen-Audio-Agentは、アリババの音声AIチームが開発したオープンソースのリアルタイム音声エージェントフレームワークで、Qwen-Audio-3.0-Realtimeモデルをベースに構築されています。このフレームワークは、統一されたリアルタイム音声入力レイヤーとして機能し、ユーザーが自然言語処理を通じてシステムと対話することを可能にします。

Metasequoia Input Methodは、WindowsネイティブのTSFフレームワークに基づいた、無料のオープンソース中国語入力メソッドで、特にWin10/Win11向けに設計されています。ほとんどのRIMEベースのソリューションとは異なり、このツールは完全に独自開発されており、UWPおよび高解像度ディスプレイとネイティブに互換性があります。

PerceptionBenchは、Dark Side of the Moonが開発したオープンソースの視覚認識診断ベンチマークです。PerceptionBenchは、既存の42の評価セットにおける最先端モデルの失敗事例から10個の基本的な視覚認識能力を要約し、3.0...を構築します。

Instella-MoEは、AMDが開発したオープンソースのハイブリッドエキスパート言語モデルシリーズで、合計160億のパラメータ、28億のアクティベーションパラメータ、27層のデコーダアーキテクチャを備えています。このモデルは、AMD Instinct MI300X/MI325X GPUとR...に基づいています。

JiuwenSwarmは、ファーウェイの2012 Labs、Huawei Cloud、およびXiaoyi（モバイルAIアシスタント）が共同で構築したオープンソースのAIエージェントプラットフォームであり、HarmonyOS PC向けの初のオープンソース統合AIワークベンチです。このプラットフォームはマルチエージェント協調アーキテクチャを採用し、…をサポートしています。

LLaDA2.2-flashは、InclusionAIが開発したオープンソースの拡散言語モデル（dLLM）で、約100バイトのパラメータと128Kコンテキストのネイティブサポートを備えたMoEアーキテクチャを採用しています。このモデルは、マルチラウンド並列ノイズ除去によって回答を適合させ、Levinsteinアルゴリズムを組み込んでいます。

SearchOSは、中国人民大学のヒルハウス人工知能研究所とAnt Groupが共同で開発したオープンソースのマルチエージェント検索コラボレーションフレームワークです。このフレームワークは、リレーショナルデータベースの設計原則に基づいており、オープンドメインの情報検索を動的なリレーショナルスキーマに抽象化しています。

UniWorld-Viewは、RabbitShow Intelligenceが北京大学および鵬城実験室と共同開発したオープンソースの世界モデルです。Fei-Fei Li氏のチームによるWorldScore世界モデル評価リストでトップを獲得しました。このモデルは単一の画像またはビデオクリップに基づいており、ボタンを押すことでアクセスできます。

AlphaEvalは、Cross-Techが共同で開発した、実運用レベルのエージェント評価フレームワークです。このフレームワークは、7つの実際の企業シナリオにおける94の運用タスクを網羅し、要件の明確化からアプリケーションの配信まで、完全かつ再現可能なプロセスを構築します。

MAI-Cyber-1-Flashは、マイクロソフトがサイバーセキュリティ専用にゼロから構築した初のAIモデルです。マルチエージェントシステムMDASHと統合されており、CyberGymベンチマークで実証されているように、サイバーセキュリティタスクの約90%を効率的に処理できます。

Nanbeige4.2-3Bは、BOSS ZhipinのNanbeige Labが開発した汎用エージェントモデルです。パラメータ数はわずか30億個ながら、コードベースのインテリジェントエージェント、オフィスワークフロー、複雑なツール呼び出しといったエージェントタスクにおいて、Qwen3.5-9BやGemma4-12Bを凌駕する性能を発揮します。

OpenWorkerは、Andrew Ng氏がリリースしたオープンソースのAIデスクトップエージェントで、MITライセンスの下で完全に無料で利用できます。チャットボットではなく、結果を出すためのローカルファーストのAIアシスタントです。ユーザーが希望する結果を指定すると、OpenWorkerは直接使用可能なドキュメントやSLACファイルなどを生成します。

`last30days-skill`は、オープンソースのAIエージェントリサーチスキルで、エージェントが過去30日間の海外主要ソーシャルメディアプラットフォームから実際の議論を自動的に収集し、引用文献に基づいたレポートをまとめることができます。このツールは、Redditのコメント、X High...を詳細にクロールします。

WorkBuddy Benchは、Tencentが提供するオープンソースのコーディング能力評価スイートで、コーディング、Web開発、オフィスワーク、セキュリティという4つの実世界のシナリオを網羅しています。タスクは、実際のコミット、プルリクエスト、ビジネスシナリオからリバースエンジニアリングされ、会話形式のリクエストに書き換えられます。

Meituan LongCatチームが開発したMineExplorerは、Minecraftをベースとした、分単位の長時間オープンワールドタスクを評価するための初のベンチマークです。MineExplorerには、1～4回のジャンプを含む813の手動検証済みインスタンスが含まれており、タスクには隠された前提条件があります。

Claude Opus 5は、Anthropicの最新フラッグシップモデルであり、「Fable 5に近い最先端のスマートデバイスでありながら、価格はFable 5の約半額」と位置づけられています。Opus 4.8と比較すると、価格は据え置きながら性能が大幅に向上しています。

BigMacは、XiaohongshuのDots Infraチームが開発した、オープンソースのマルチモーダル大規模モデルパイプライン並列トレーニングフレームワークです。安全なネスト型パイプラインパラダイムを提案することで、MLLMトレーニングにおける計算効率とメモリ使用量のバランスを取るという課題に取り組んでいます。

Cosmos 3 Edgeは、NVIDIAが開発した40億パラメータのオープンソース世界モデルであり、ロボット工学やエッジAIにおけるリアルタイム推論向けに設計されています。このモデルはNemotronアーキテクチャに基づいており、自己回帰型と拡散型の両方のTransformerタワーを組み込んでいます。

CodeBuddy NPCは、Tencent Cloudが企業向け研究開発プロセス向けに開発したクラウドベースのAIエージェントです。CNBプラットフォームを活用することで、コードリポジトリ、課題、プルリクエスト、CI/CDプロセスに直接介入します。

Cursor Routerは、Cursorがチームや企業向けに開発したインテリジェントなモデルルーターです。60万件以上の実際のリクエストに基づいて学習されており、各プログラミングリクエストを最適なモデルに自動的にルーティングします。

MAI-Image-2.5-Proは、マイクロソフトのAIチームが開発した高精度画像生成モデルです。このモデルは、高品質なメインビジュアルの生成、詳細な編集、画像内テキストのレンダリングに重点を置いており、自然言語コマンドによるコンテンツ調整にも対応しています。

MAI-Voice-2-Flashは、マイクロソフトのAIチームが開発した高速音声合成モデルです。このモデルは、高並列処理と低遅延の音声シナリオに特化して最適化されており、前身のMAI-Voice-2と比較して約2倍の速度と32%低いコストを実現しながら、...

Ling-3.0-Flashは、アントグループのBailing Big Modelが開発した軽量なMoE推論モデルです。パラメータ総数は1240億個で、トークンごとに51億個のパラメータが有効になっています。25万6千の超長文コンテキストと、思考モードと非思考モードのデュアルモードをサポートしています。