AIニュース

Omnilingual ASRは、Meta AIが開発した自動音声認識システムで、500の低リソース言語を含む1600以上の言語をサポートしています。Omnilingual ASRは、wav2vec 2.0エンコーダを70億パラメータに拡張しています。

DeepEyesV2は、Xiaohongshuチームが開発したマルチモーダルインテリジェントエージェントモデルです。2段階のトレーニング方法により、強力なツール呼び出し機能とマルチモーダル推論機能を実現しています。このモデルは、テキスト情報と画像情報を理解し、プロアクティブなコード実行、Web検索などをサポートします。

Doubao-Seed-Codeは、ByteDanceが開発したAIプログラミングモデルで、エージェントプログラミングタスクに最適化されています。このモデルは256Kの長いコンテキストをサポートし、複雑なコードシナリオを処理でき、視覚的な理解能力を備え、さらに…

LazyCraftは、SenseTimeが自社のオープンソースフレームワークLazyLLMをベースに構築した、オープンソースのAIエージェントアプリケーション開発・管理プラットフォームです。開発者は、参入障壁が低く、低コストで大規模なモデルアプリケーションを迅速に構築・展開できます。このプラットフォームは、アプリケーション開発から運用まで、幅広いサービスを提供しています。

Kosongは、Moonshot AIが開発した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で、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構築のための軽量で柔軟性があり、拡張性の高い基盤を開発者に提供します。非同期ツールを活用しています。

ERNIE-4.5-VLは、Baidu Wenxinがオープンソース化した新世代のマルチモーダルAIモデルです。3Bの活性化パラメータを持つERNIE-4.5-VL-28B-A3Bアーキテクチャをベースに、視覚言語理解とクロスモーダル推論に重点を置いています。このモデルは、膨大な量の視覚言語データを使用して学習されています。

KaLM-Embeddingは、テンセントが開発した高性能テキスト埋め込みモデルシリーズで、高度な学習技術と高品質なデータによってテキスト埋め込みの性能を向上させています。最新バージョンのKaLM-Embedding-V2では、アーキテクチャと学習方法に改良が加えられています。

GPT-5.1は、OpenAIのGPT-5シリーズのアップグレード版であり、知能とコミュニケーション能力が向上しています。GPT-5.1には、GPT-5.1 InstantとGPT-5.1 Thinkingの2つのバージョンがあります。

BestBlogsは、プログラミング、人工知能、製品設計、ビジネス技術など、世界中のトップレベルのコンテンツを400以上のRSSフィードに基づいて統合する、AI駆動型のコンテンツ集約プラットフォームです。このプラットフォームは、インテリジェントな大規模言語モデルを使用しています。

Wenxin Big Model 5.0（Wenxin 5.0）は、Baiduが開発したネイティブのフルモーダルビッグモデルで、2.4兆個のパラメータを持ちます。このモデルは、統一された自己回帰アーキテクチャを採用し、テキスト、画像、音声、動画などのマルチモーダルデータを理解・生成します。

Astron Agentは、iFlytekの中核技術に基づいて構築された、エンタープライズグレードのビジネス向けインテリジェントワークフロー開発プラットフォームです。このプラットフォームは、AIワークフローオーケストレーション、モデル管理、インテリジェントRPA自動化などの機能を統合し、高可用性をサポートします。

OpenNof1は、AIを活用した自律型トレーディングシステムであり、ユーザーの自動取引判断とリスク管理をサポートします。OpenNof1は、OpenAIやDeepSeekなどの様々なAIプロバイダーをサポートし、リアルタイムの市場データを処理できます。

Koinaは、プロテオミクス研究向けに特別に設計されたオープンソースの分散型機械学習プラットフォームです。標準化されたインターフェースとオンラインモデルライブラリを通じて、研究者はローカル環境を必要とせずに機械学習モデルを簡単にアップロード、共有、使用できます。

SIMA 2は、Google DeepMindが開発した最新世代のAIエージェントであり、仮想3D世界において強力なインタラクション、推論、学習能力を発揮します。SIMA 2はGeminiテクノロジーを基盤とし、3層構造の「Gemini-SIMA Fusion」アーキテクチャを採用しています。

SmartResumeは、Alibabaが提供するオープンソースのインテリジェントな履歴書解析ツールです。SmartResumeは、OCRテキスト抽出、PDFメタデータ解析、レイアウト検出、LLMインテリジェント構造化を使用して、PDF、画像、Word、その他の形式の履歴書を、さまざまな形式に変換します。

Beeは、清華大学とテンセントのHunyuanチームが共同で立ち上げた、高品質なマルチモーダル大規模言語モデル（MLLM）プロジェクトであり、オープンソースモデルにおけるデータ品質の不足によって引き起こされるパフォーマンスのボトルネックに対処します。このプロジェクトの主な貢献には、Honey-Data-1...が含まれます。

InfinityStarは、ByteDanceが開発した高効率動画生成モデルです。統一された時空間自己回帰フレームワークにより、高解像度画像と動的動画の高速合成を実現します。このモデルは、時空間ピラミッド構造を用いて動画を分解します。

Lumineは、ByteDanceが開発した汎用AIエージェントで、3Dオープンワールドゲームにおけるリアルタイムの知覚、推論、および行動を実現します。Qwen2-VL-7B-Baseモデルをベースに、Lumineは人間のようなインタラクションパラダイムを通して、知覚、思考、および行動を統合します。

EverMemOSは、陳天橋氏率いるShandaチームが開発したオープンソースの長期記憶オペレーティングシステムで、AIアシスタントに永続的かつ検索可能な記憶機能を提供します。人間の脳の記憶メカニズムに着想を得て、エージェント層を含む4層アーキテクチャを採用しています。

DPAI Arenaは、JetBrainsがLinux Foundationと共同で開発したオープンソースのAIコーディングエージェントベンチマークプラットフォームです。複数の言語、フレームワーク、ワークフローにわたるAIツールの実際の開発効率を、複数の基準に基づいて測定します。

ChatTutorは、リアルタイムで同期されたホワイトボードを通して人間のような授業体験を提供する、次世代のビジュアルかつインタラクティブなAI教師システムです。生徒は「説明、描画、推論を同時に行う」ことができます。数学、物理学、論理回路、プログラミング、マインドマップなど、幅広い分野を網羅しています。

WeatherNext 2は、DeepMindとGoogle Researchが共同開発した次世代AI天気予報モデルです。このモデルは機能生成ネットワーク（FGN）アーキテクチャを採用しており、前モデルと比較して大幅に高速な計算速度を実現しています。

Skywork R1V4-Liteは、Kunlun Techが開発した軽量マルチモーダルインテリジェントエージェントです。Skywork R1V4-Liteは、視覚操作、深層推論、タスクプランニングという3つの主要な機能を統合しています。トリミングやズームなどのアクティブな画像操作を実行できます。

Gemini 3は、Googleの最新AIモデルであり、世界で最も高度なマルチモーダル理解・推論モデルとして高く評価されています。このモデルは強力な推論能力を誇り、LMArenaリーダーボードなど、数々のベンチマーク記録を塗り替えています。