AIニュース

Agora-1はOdyssey初のマルチエージェントワールドモデルであり、人間とAIが同じリアルタイム生成ワールドシミュレーション内で相互作用することを可能にします。このモデルは、古典的なFPSゲーム「ゴールデンアイ 007」を研究シナリオとして使用し、最大...

HyperEyesは、Xiaohongshuとケンブリッジ大学が共同開発した並列マルチモーダル検索エージェントです。視覚的な位置特定と検索を単一のアトミックアクションに統合するUGSパラダイムを先駆的に導入し、1回の処理で複数のエンティティを同時に検索することを可能にしました。

ZCubeは、Zhipu AI、Yuhun Networks、および清華大学が共同開発した次世代大規模モデル推論ネットワークアーキテクチャです。特に、個別のPD（電力供給）展開における構造的なネットワーク輻輳を解決するために設計されています。このアーキテクチャは、従来のスパイン層スイッチを排除し、完全にフラットなネットワーク構造を採用しています。

HiDream-O1-Image-Proは、Zhixiang Futureが開発した大規模画像モデルで、ネイティブのフルモーダルUiTアーキテクチャに基づいています。200バイトを超えるパラメータを持ち、テキストから画像へのレンダリング、テキストレンダリング、命令編集などのタスクにおいて最先端（SOTA）のパフォーマンスを実現します。このモデルは、画像ピクセル、テキスト、...

Lanceは、ByteDanceのインテリジェントクリエーションチームがオープンソース化した、軽量でネイティブな統合型マルチモーダルモデルです。わずか30億個のアクティベーションパラメータを使用し、画像と動画の理解、生成、編集といった一連のタスクを単一のフレームワーク内でサポートします。このモデルはマルチモーダルアプローチを採用しています。

Gemini 3.5 Flashは、最先端の知能と行動能力に焦点を当てたGoogleの次世代AIモデルです。このモデルは、Terminal-Bench 2.1コーディングベンチマークで76.2%のスコア、GDPval-AAエージェントタスクスコアで16を達成しました。

Gemini Omni Flashは、Google I/Oで発表されたビデオ生成モデルであり、任意の入力から任意の出力を生成できる、統一されたマルチモーダル生成モデルとして位置づけられています。

Qwen3.7-Maxは、アリババ傘下の同義千文チームが発表した新世代フラッグシップモデルであり、インテリジェントエージェント時代に向けて設計され、包括的なインテリジェントエージェント基盤として位置づけられています。このモデルは、最先端のプログラミング、オフィスオートメーション、長時間の自律実行、およびクロスフレームワーク互換性を特長としています。

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。