AIニュース

GPT-Realtime-2は、OpenAIの第2世代リアルタイム音声モデルであり、現在Realtime APIの中で最も強力な音声エージェントです。このモデルはGPT-5レベルの推論能力を誇り、音声会話中に聞き取りと推論を同時に行うことができます。

SenseNova 6.7 Flash-Liteは、SenseTime社が発表した新世代の軽量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。ネイティブなマルチモーダルアーキテクチャを採用し、実世界のワークフロー向けに設計されています。

Grok Voice Think Fast 1.0は、xAIの主力音声エージェントモデルであり、複雑で多段階の現実世界のシナリオに特化しています。このモデルはτ-voice Benchで1位を獲得し、25言語と全二重対話に対応し、低遅延を実現しています。

Realtime TTS-2は、Inworld AIが開発した次世代リアルタイム音声合成モデルで、特に会話型AIシナリオ向けに設計されています。このモデルはテキストを自然な音声に変換できるだけでなく、さらに重要なことに、会話の文脈における音声の感情、トーンなどを「理解」することができます。

GenericAgent (GA) は、A3 Lab が開発した汎用的な自己進化型 LLM エージェント システムであり、「コンテキスト情報密度の最大化」をコア設計原則としています。GenericAgent は、9 つの基本ツールと 30k のコンテキスト ウィンドウを使用します。

Models.devは、OpenCodeチームによるオープンソースのAIモデルデータベースです。Models.devは、OpenAI、Anthropic、Googleなど数十の主要ベンダーのモデル情報を標準化されたTOML形式で統合し、価格、モデル

Anthropic Skillsは、AnthropicがClaude向けに開発したスキルシステムです。基本的には、Claudeが特定のタスクのパフォーマンスを動的にロードして向上させるための指示、スクリプト、リソースを含むフォルダです。各スキルは…

Kamiは、tw93が開発したオープンソースのAIドキュメントデザインシステムで、Claude Code Skillとして配布されています。AI生成ドキュメントにおける単調なレイアウトや安っぽいビジュアルといった問題を解決するために特別に設計されています。このツールは、厳格な印刷制約セットを使用しています。

Uni-1.1は、Luma AIが発表した新世代の画像生成モデルおよびAPIサービスです。デコーダーのみの自己回帰型Transformerアーキテクチャを採用し、テキスト推論とピクセル生成を統合した単一のプロセスを実現しています。

DeepSeek-TUIは、Hayden Brown氏がRustを用いて開発した、完全にターミナルベースのプログラミングエージェントです。特にDeepSeek V4シリーズモデル（deepseek-v4-pro / deepseek-v4-flash）とのネイティブな使用を想定して設計されています。

GPT-5.5 Instantは、OpenAIがリリースしたChatGPTの次世代デフォルトモデルであり、GPT-5.3 Instantに代わるもので、すべてのユーザーが無料で利用できます。このモデルは、GPT-5.5の基本的な知能と迅速な応答性を兼ね備え、高リスク領域における誤認識を52%削減します。

OpenWhipは、Electronをベースにしたオープンソースのデスクトップユーティリティで、Claude Codeユーザー向けに特別に設計されています。AIが無限ループに陥ったり、同じコード行を繰り返し変更したり、長時間応答しなくなったりした場合、ユーザーはシステムトレイの鞭アイコンをクリックすることで対処できます。

Cube Sandboxは、Tencent Cloudが提供するオープンソースのAIエージェントサンドボックス実行環境プラットフォームで、RustVMMとKVMを基盤としており、ハードウェアレベルのセキュリティ分離とミリ秒以下の起動速度の両方を提供します。各エージェントは独立したカーネルで実行されます。

OfficeCLIは、iOfficeAIチームによって開発された、AIエージェント向けに特別に設計された世界初のオープンソースのコマンドライン型Officeスイートです。たった1行のコードで、あらゆるAIエージェントがWord、Excel、PowerPointを完全に制御できるようになります。

Career-Opsは、Claude Codeをベースに構築されたオープンソースのAI駆動型求人検索システムです。従来の「大量応募ツール」とは異なり、構造化された評価を用いて、求職者が膨大な求人の中から真に価値のある候補者を見つけ出すためのインテリジェントなフィルターです。

Flipbookは、元OpenAIエンジニアのZain Shah氏とYC出身者チームによって開発された、AI搭載の無限ビジュアルブラウザです。すべてのページはリアルタイムでオンデマンドで生成されます。FlipbookはHTML、CSS、JavaScriptを一切使用していません。

gnhf（Good Night, Have Funの略）は、オープンソースのAIエージェント自動オーケストレーターです。その核となるコンセプトは、開発者が就寝前にAIの目標を設定し、開発者が休息している間もAIが継続的に反復作業を行うことを可能にすることです。一度に実行できるタスクは1つだけです。

LongCat-2.0-Previewは、美団が発表した1兆パラメータ規模の大規模モデルのプレビュー版です。MoEアーキテクチャを採用し、合計1.6T個のパラメータと約48B個の活性化パラメータを持ち、1Mの超長文コンテキストをサポートしています。

Vibe-Tradingは、香港大学データサイエンスラボ（HKUDS）が開発した、オープンソースのAI駆動型マルチエージェント金融ワークスペースです。自然言語による指示を実行可能な取引戦略、調査結果、ポートフォリオ分析に変換します。このプロジェクトは、A...

Qwen-Scopeは、アリババ同義千文チームが開発した、解釈可能な大規模モデルのためのオープンソースツールキットです。スパースオートエンコーダー（SAE）技術に基づき、Qwen3/Qwen3.5シリーズモデルの隠れ層から解釈可能な特徴量を抽出します。

MindDR 1.5は、Li Auto Information Agent Teamが開発したマルチエージェント深層学習フレームワークです。わずか約300億個のパラメータで、DeepResearch Benchにおいて52.54というスコアを達成し、業界トップレベルに達しました。

Hy-MT1.5-1.8B-1.25bitは、TencentのHunyuanチームが開発した、モバイルデバイス向けの超量子化・圧縮オフライン翻訳モデルです。このモデルは、Hunyuan翻訳モデルHy-MT1.5-1.8B（18億パラメータ）をベースに、革新的なShear...技術を採用しています。

FlashQLAは、TileLangをベースとした高性能な線形アテンション演算子ライブラリであり、Tongyi Labsによってオープンソース化されています。FlashQLAは、演算子融合、ゲート駆動型カード内シーケンス並列処理、およびHopにおけるWarp特化型最適化によって高いパフォーマンスを実現しています。

Ling-2.6-1Tは、InclusionAIの最新のオープンソース主力モデルで、数兆個のパラメータを持ち、エージェント、コーディング、複雑なワークフロー向けに特別に設計されています。このモデルは、MLAと線形アテンションのハイブリッドフレームワークを採用しています。