AIニュース

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。

img2threejsは、単一の参照画像をインタラクティブなThree.js 3Dモデルに自動的に変換するオープンソースのAIスキルです。ユーザーは画像を提供するだけで、AIがオブジェクトの輪郭、比率、材質、詳細を分析してモデルを生成します。

SciReasonerは、上海人工知能研究所が香港中文大学、中国科学院薬物研究所、スタンフォード大学、オックスフォード大学などの研究チームと共同で開発した次世代マルチモーダル科学推論モデルです。このモデルは、ネイティブな構造化推論パラダイムを提案し、egg...

OpenAI Presenceは、OpenAIが提供するエンタープライズグレードのAIエージェント展開・管理プラットフォームであり、企業がインテリジェントエージェントを実験段階から本番環境へと移行させるのに役立ちます。

SenseNova U1 Proは、SenseTimeのフラッグシップ画像作成モデルであり、理解、生成、アクションをネイティブに統合することに重点を置いています。このモデルはネイティブ8K出力に対応し、テキストと画像を統合する機能を備え、ターゲットを中心としたタスクを継続的に実行できます。

Macaron V1は、MindLabが開発した事後学習済みの多機能モデルシステムです。GLM 5.2プラットフォームをベースとし、強化学習を用いてLoRAによりコアパラメータの約0.5%を微調整します。このシステムは、独自のMixture-of-LoRA（MoL）手法を採用しています。

UnifoLM-OminiA-0.3は、Unitree Robotics社が開発したマルチモーダルな対話型理解モデルで、特にヒューマノイドロボットG1向けに設計されています。このモデル1台で、家庭や高齢者介護の現場で複数のタスクを調整でき、視覚認識、音声対話、微細運動能力、機器制御などをサポートします。

Gemini 3.6 Flash は、大規模な AI エージェント シナリオ向けに設計された Google DeepMind の最新の主力作業モデルです。これには、Gemini 3.6 Flash、3.5 Flash-Lite、および 3... の 3 つの新しい Gemini モデルが含まれています。

Gemini 3.5 Flash-Liteは、GoogleのGemini 3.5シリーズの中で最も高速かつ安価なモデルであり、高スループットかつ低遅延のプロダクショングレードのエージェントワークフロー向けに設計されています。

Gemini 3.5 Flash Cyberは、GoogleがGemini 3.5 Flashをベースに最適化した専用のサイバーセキュリティモデルです。CodeMenderコードセキュリティエージェントと連携して使用され、脆弱性の発見と修復に特化しています。

Qwen-Image-3.0は、アリババ同義千文チームが開発した第3世代の画像生成モデルです。このモデルは、最大4,500トークンの超長文入力に対応し、複雑な9グリッドの知識グラフを一度にレンダリングできます。また、10ピクセルの小さなテキストの正確な組版にも対応しています。

Audio-Visual Flamingo（略称AV-Flamingo）は、NVIDIAとメリーランド大学が共同開発したオープンソースのオーディオビジュアル大規模言語モデルです。特に、長尺動画や複雑な実世界のオーディオビジュアルコンテンツの共同理解と推論を目的として設計されています。

Hyra（Hunyuan Research Agent）は、Tencent Hunyuanが開発した再帰的で自己改善型の研究エージェントです。最初のバージョンであるHyra-1.0が正式にリリースされました。Hyraは軽量なHarnessフレームワークを使用し、Context Agentを活用しています。

AskXiaoBai 5 Proは、YuanShi Technologyが開発した新世代の長文コンテンツ生成エンジンです。YuanShiが独自開発した大型モデルとDeepSeek-R1 671Bのフルバージョンをベースに構築されており、長文コンテンツ、安定性、検索性という3つの主要機能に重点を置いています。

MiniCPM-Robotは、Wallfacer Intelligence社が提供する軽量の組み込み型インテリジェンス（VLA）モデルシリーズで、15億個のパラメータを持つ汎用操作モデルMiniCPM-RobotManipと、9億個のパラメータを持つ追跡・ナビゲーションモデルMiniCPM-RobotTrackが含まれています。

Qwen-Audio-3.0-TTSは、アリババ傘下の同義千文が開発した大規模音声合成モデルで、リアルタイム対話向けのFlash版と、高品質な音声生成を実現するPlus版が用意されています。

LoHoSearchは、MeituanのLongCatチームが開発した次世代検索インテリジェンスベンチマークです。762万件のWikipediaエンティティと2億6500万件の関係エッジを網羅するナレッジグラフに基づいて質問を自動的に生成し、従来の手動による質問生成に取って代わります。

Vivago R1は、Zhixiang Futureが開発した世界初の無制限時間マルチモーダルクリエイティブインテリジェントエージェントです。独自開発のHD-AgentOSをベースとし、マルチエージェント協調スケジューリングを実現し、あらゆる長さの動画の連続生成と編集をサポートし、長時間タスク処理能力を備えています。

Matrix-Game 3.5は、Kunlun Wanwei Riemann Powerチームが開発したオープンソースのリアルタイムストリーミング型インタラクティブワールドモデルです。Patch MemoryとWarped ProPEに基づき、3次元空間長期記憶と幾何学的整合性モデリングを実現しています。

Tempolor v4.7は、Quwan Technologyが発売したフラッグシップAI音楽生成モデルです。第4世代の階層型プログレッシブアーキテクチャを採用し、48kHzデュアルチャンネルの高音質出力に対応しています。

Qwen3.8-Max-Previewは、アリババ傘下の同義千文が発表した最新世代の基本モデルのプレビュー版で、2.4T個のパラメータを備えています。Qoder、Token Plan、QoderWorkプラットフォームで既に公開されています。

MuScriptorは、KyutaiとMireloが共同開発したオープンソースのマルチ楽器音楽文字起こしモデルで、様々なジャンルの実際の音楽オーディオを自動的にMIDIに変換することができます。