AIニュース

GitNexusは、オープンソースのコード知識グラフエンジンであり、Tree-sitter解析を使用してコードリポジトリから完全な依存関係グラフを構築し、MCPプロトコルを使用してこれらのグラフをCursor、Claude Code、CodexなどのAIツールに公開します。

Magenta RealTime 2 (MRT2) は、Google の Magenta チームによってリリースされた、第 2 世代のオープンソースのローカルリアルタイム音楽生成モデルです。MRT2 はフレームごとの生成アーキテクチャに基づいており、各フレームの生成に 40 ミリ秒を要し、実際の制御遅延は約 200 ミリ秒となっています。

html-videoは、OpenDesignチーム（nexu.io）が開発したCapCutのオープンソースHTML版で、hyperframesフレームワークをベースに構築されています。このツールを使用すると、エージェントはHTMLを記述することで、世界クラスの製品プロモーションや説明を作成できます。

Gemma 4 12Bは、Google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です。業界初のエンコーダー不要の統合アーキテクチャを採用しており、視覚データと音声データをLLMのバックボーンに直接入力することで、別途エンコーダーを用意する必要を完全に排除しています。

BrowserAct Skillsは、AIエージェント向けのブラウザ自動化CLIツールであり、エージェントがブラウザを制御する際に生じる主要な課題、例えばCookieのない環境、スクレイピング対策、CAPTCHAのブロック、人間とコンピュータの連携におけるギャップなどに対処します。

Microsoft Scoutは、Microsoftが開発したAIパーソナルアシスタントで、オープンソース技術であるOpenClawをベースに構築されています。このツールはEntra独自のIDを持ち、ユーザーが毎回起動する必要なく、バックグラウンドで継続的かつ自律的に動作します。

Toonflowは、オープンソースのワンストップAI短編ドラマ制作ツールであり、マルチエージェントのコラボレーションを通じて、小説や脚本を構造化された脚本、インテリジェントなストーリーボード、キャラクタービジュアル、アニメーションビデオに自動的に変換し、小説→脚本→ストーリーボード→ビデオというプロセスを実現します。

JoyAI-Echoは、JD.comが開発したオープンソースの長尺動画生成フレームワークで、特に1分単位のマルチショットストーリー生成向けに設計されています。このフレームワークは、クロスモーダルメモリライブラリ、メモリ駆動型ポストトレーニング、Director Agentによる会話型編集、軽量な…

Ideogram 4は、Ideogram初のオープンソースのテキストから画像への生成モデルであり、93億個のパラメータを誇り、既存モデルの微調整ではなく、ゼロから学習されています。このモデルは、特にデザイン、マーケティングなどの分野で高品質な画像を生成するために設計されています。

MAI-Transcribe-1.5は、マイクロソフトのAIチームが開発した音声認識モデルです。43言語に対応し、文脈を考慮したキーワードバイアス機能を備え、FLEURSベンチマークテストにおいて最低の単語誤り率を達成しています。

MAI-Voice-2は、マイクロソフトの次世代テキスト読み上げ（TTS）モデルであり、マイクロソフト史上最も表現力豊かで自然な音声合成モデルです。従来モデルと比較して、忠実度、対応言語、話者の一貫性、感情表現の幅広さにおいて優れています。

MAI-Code-1-Flashは、Microsoftが開発者ワークフロー向けに開発した軽量コード生成モデルで、GitHub Copilotと緊密に統合されています。このモデルは、適応型出力長制御技術を採用し、高い精度を維持しながら最大限の効率を実現します。

Odysseusは、ChatGPT/Claudeに似たチャットインターフェースを提供する、オープンソースのセルフホスト型AIワークスペースです。ツールは完全にローカルで動作し、データはローカルマシン上に保持されるため、プライバシーの漏洩は一切ありません。

PaddleOCR-VL-1.6は、Baidu PaddlePaddleチームが開発した文書解析用ビジュアル言語モデル（VLM）であり、PaddleOCR-VLシリーズの最新アップグレード版です。

BerniniはByteDanceが開発したオープンソースの統合ビデオ生成・編集フレームワークで、MLLMセマンティックプランニングとDiTビジュアルレンダリングの2段階分離アーキテクチャを採用しています。マルチモーダル大規模モデルが指示を理解し、セマンティックスケッチを計画する一方、拡散...

Science Skillsは、Google DeepMindが開発したオープンソースの科学スキル集で、AIエージェント主導の科学研究ワークフローを加速するように設計されています。このツールは、AlphaGenome、AlphaFold Database、UniProなどを統合しています。

MAI-Thinking-1は、マイクロソフトが独自開発した初の高度な推論モデルです。このモデルは、350億個のアクティブパラメータと約1兆個の総パラメータを持つスパースMoEアーキテクチャを採用しており、クリーンな商用ライセンスデータのみを使用して、外部ライブラリを一切使用せずにゼロから完全にトレーニングされています。

OpenClackyは、李亜飛氏のチームが開発したオープンソースのAIエージェントで、ワンクリックインストールとクロスプラットフォーム運用に対応しています。このツールは、合理化されたツールセット、インテリジェントなコンテキスト圧縮、モデルルーティングにより、使用コストを大幅に削減し、プロフェッショナルが24時間体制で運用することを可能にします。

Mellum2は、JetBrainsが開発したソフトウェアエンジニアリングシステム向けの新しいオープンソース機械学習モデルです。このモデルはトークンあたりわずか25億個のパラメータしか使用せず、ソフトウェアエンジニアリングにおけるAIワークフローに最適化されており、コード生成、インテリジェントルーティングなどをサポートしています。

ECC（Everything Claude Code）は、クロスプラットフォーム対応のAIエージェントパフォーマンス最適化システムです。このシステムは、Claude Code、Codex、Cursorなど7種類以上のAIプログラミングツールに対応した、63種類のプロフェッショナルエージェントと249種類のオンデマンドエージェントを提供します。

Polarは、NVIDIAが開発したオープンソースのエージェント強化学習（ARL）トレーニングフレームワークです。その最大の特長は、既存のエージェントフレームワークの内部コードを変更することなく、GRPOなどの強化学習アルゴリズムと統合してトレーニングできる点にあります。

Qwen3.7-Plusは、同義千文が開発した新世代のマルチモーダル大規模モデルであり、視覚と言語を統合したインテリジェントエージェント基盤を構築しています。このモデルは、現実世界のシーンを認識し、画面を読み取ってGUIを操作したり、視覚的な参照に基づいてモデルを生成したりすることができます。

Hermes Desktopは、sir1stによって開発されたHermes Agent用のコミュニティ版デスクトップアプリケーションです。Pythonランタイム、hermes-agentコア、およびhermes-web-uiビジュアルインターフェースを単一の実行ファイルにパッケージ化しています。

Gamma-Worldは、NVIDIAが開発したマルチエージェント世界モデルであり、複数のエージェントが同じシミュレーション世界内で平等かつグローバルに相互作用するという問題を解決できる。