AIニュース

Qwen3.5-LiveTranslateは、アリババ同義チームが開発した大規模リアルタイム同時通訳モデルです。60言語の入力、29言語の出力、3500以上の翻訳組み合わせをサポートしています。読み取り単位ストリーミング技術を使用してエンドツーエンドの単語遅延を圧縮し、

Composer 2.5は、Cursorが独自開発したエージェント型プログラミングモデルです。特にSWE-Bench Multilingual（79.8%）やCursorBenchベンチマークにおいて、知能と動作性能の面でComposer 2を大幅に上回る性能向上を実現しています。

Chronicles-OCRは、テンセント渾源、中国科学院情報工学研究所、安陽師範大学、南開大学、故宮博物院が共同で開発した業界初の時系列横断型技術であり、漢字の「七つの書体」の完全な進化の軌跡を網羅しています。

ESP-Clawは、Espressif Systems社が開発したIoTデバイス向けAIエージェントフレームワークです。「チャットコーディング」というコンセプトを採用しており、ユーザーは自然言語による対話を通じてハードウェアデバイスの動作を定義・変更できます。

Qwen3.7 Previewは、アリ・トンイー・チエンウェンチームがリリースした次世代フラッグシップモデルのプレビュー版で、Qwen3.7-Max-PreviewとQwen3.7-Plus-Previewの2つのバージョンが含まれています。

MemPrivacyは、MemTensorチーム、Honor AIチーム、および同済大学が共同開発したオープンソースのエッジクラウド協調エージェント向けプライバシー保護フレームワークです。クラウドベースのエージェントにおける長期記憶シナリオでのプライバシー漏洩リスクに対処します。

PPT Masterは、オープンソースのAI駆動型標準化ワークフロー（スキル）であり、PowerPointプレゼンテーションの作成に使用されます。エージェントのような機能を備えたAI IDE上で動作し、PDF、DOCX、XLSX、URL、Markdown、PPTXなど、あらゆるドキュメント形式に対応できます。

Higgs Avatar v1は、BosonAIが開発した音声起動型エージェント向けのリアルタイムAIデジタルヒューマンモデルです。このモデルは、静止画1枚だけで、唇の動き、表情、頭のジェスチャーが同期したリアルタイムのインタラクティブなデジタルヒューマンを生成します。

Violinは、オックスフォード大学の博士研究員であるケビン・リン氏が開発したオープンソースのエンドツーエンドAI動画翻訳ツールで、高品質な動画コンテンツにおける言語の壁を取り払います。Whisper音声認識、大規模言語モデル翻訳、TTS音声合成を統合しています。

Intern-S2-Previewは、上海人工知能研究所が開発した次世代マルチモーダル科学モデルのオープンソースプレビュー版です。わずか35バイトのパラメータで、数兆個のパラメータを持つモデルに匹敵する科学的能力を実現しています。このモデルは、プロセス全体にわたって一般知識と専門知識を統合しています。

OpenHumanは、tinyhumansaiチームが開発したオープンソースのパーソナルAI超知能アシスタントです。「あなたのパーソナルAI超知能」を謳い、プライバシー、シンプルさ、そして圧倒的なパワーを重視しています。従来のチャットボットとは異なります。

Pixal3Dは、Tencent ARC Labsが清華大学およびビクトリア大学ウェリントン校と共同で立ち上げた、単一画像による3D生成プロジェクトです。Pixal3Dは、バックプロジェクションによってピクセルの特徴を明示的に3次元空間にアップスケールし、直接的なピクセル...

HiCADは、3Dプリンティング愛好家向けに設計されたオープンソースのAIパラメトリック3D CADモデリングプラットフォームです。ユーザーは自然言語でニーズを説明するだけで、AIが数秒で編集可能なJSCADパラメトリックコードを生成し、リアルタイムの3Dプレビューも提供します。

Kimi WebBridgeは、Dark Side of the Moonが開発したブラウザ拡張機能で、Kimi Code、Claude Code、Cursor、CodexなどのローカルAIエージェント向けに設計されています。

TencentDB Agent Memoryは、Tencent Cloudデータベースチームが開発したオープンソースのAIエージェント階層型メモリ管理ツールで、MITライセンスの下で提供されています。このツールは、独自のL0-L3 4層プログレッシブメモリアーキテクチャとコンテキストオフロード、Mermaidタスクを組み合わせて利用しています。

General365は、Meituan LongCatチームがオープンソース化した汎用推論ベンチマークです。365のオリジナル問題と1095の拡張版問題が含まれており、推論課題の8つの側面を網羅しています。

AGenUIは、Gaode MapsがAlibabaのQianwen Cエンドアプリケーションチームと共同で開発した、業界初のオープンソースかつクラウド統合型のA2UIフレームワークであり、iOS、Android、HarmonyOSに対応しています。

Xiaomi OneVLは、Xiaomiのエンボディード・インテリジェンス・チームが開発したオープンソースの自動運転モデルです。VLA（視覚・言語・行動）、ワールドモデル、潜在空間推論という3つの主要な技術ルートを単一のフレームワークに統合した、業界初のモデルです。

OpenMontageは、世界初のオープンソースのエージェント型ビデオ制作システムであり、AIプログラミングアシスタントを使用して、コンセプトから完成品までの全工程を自律的に振り付けます。

AI時代において、最も希少な資源は間違いなくトークンであり、特にロブスター（仮想通貨取引に熱中する人々の比喩）に興味のある人々にとってはなおさらだ。彼らはトークンを水のように消費し、それを止めることは不可能だ。

9Routerは、オープンソースのAIプログラミングルーティングプロキシツールであり、Claude Code、Codex、Cursor、Clineなどの主要なAIプログラミングツールのローカルプロキシレイヤーへのアクセスを統合し、40以上のベンダーと100以上のモデルをインテリジェントにスケジュールすることができます。

ELF（Embedded Language Flows）は、Kaiming He氏のチームが発表した初の拡散型言語モデルであり、従来の自己回帰型アプローチに代わる連続拡散パラダイムを採用しています。このモデルは、プロセス全体を通して連続的な埋め込み空間内でノイズ除去を行うことでテキストを生成します。

InsForgeは、AIプログラミングエージェント向けのオープンソースのバックエンドプラットフォームです。MCPサーバーとCLIインターフェースを介して、Cursor、Claude Code、Copilotなどのエージェントが、バックエンドエンジニアのように自律的にデータを操作することを可能にします。

AudioLibは、Yang Yue氏と43Musicチームによって開発されたOpenRouterのオーディオ版です。開発者は、APIを通じて、チームが1年間に制作した10万曲以上のオリジナル楽曲にアクセスできます。SDK、プレーヤー、著作権交渉、音楽ライブラリなどは一切不要です。