AIニュース

Ling-2.6-flash（OpenRouterプラットフォーム上での匿名名：Elephant Alpha）は、アリババの百霊ビッグモデルチームが開発した次世代高効率命令モデルです。総パラメータ数は104B、アクティベーションパラメータはわずか7.4Bです。このモデルは1:7 MLを使用しています...

Open CoDesignは、Electron上に構築されたデスクトップAIデザインツールであるClaude Designのオープンソース代替ツールです。Claude、GPT、Gemini、DeepSeek、K...とのBYOK（組み込みAPIキー付き）統合をサポートしています。

Sageは、SenseTime Jueyingが開発した大規模なエッジサイドマルチモーダルインテリジェントエージェントベースモデルです。MoEアーキテクチャを採用し、パラメータ総数は320億個、活性化パラメータはわずか30億個です。このモデルはNVIDIA Orin Xプラットフォームに展開されています。

AgentScope Tunerは、Alibaba Tongyi LabsがAgentic AI向けに開発した、ワンストップの自動最適化エンジンです。AgentScopeエコシステムに深く統合されており、開発、チューニング、デプロイ、回帰テストといったプロセス全体を連携させます。

Lyra 2.0は、NVIDIAが開発した探索可能な生成型3Dワールドフレームワークです。このフレームワークは、1枚の画像から始まり、カメラ制御によるビデオ生成とフィードフォワード3D再構築技術を組み合わせ、反復的な「取得-生成-更新」ループを通して探索可能な生成型3Dワールドを構築します。

Yoyoは、サイバースペースに存在する自己進化型AIプログラミングエージェントです。Yuanhaoによって200行のRustコードで開発されたYoyoは、AIによって完全に自律的に反復され、人間からの提出がゼロの状態から47日間で47,000件以上にまで成長しました。

Kimi K2.6は、Dark Side of the Moon社の最新フラッグシップモデルであり、業界をリードするコード生成、長期タスク実行、エージェントクラスタリング機能を誇ります。このモデルは、Humanity's Last Exam、SWE-Bench Pro、DeepSearchなどのベンチマークでテストされています。

Qwen3.6-Max-Previewは、アリババ傘下の同義千文チームがリリースした次世代フラッグシップ大規模モデルの早期プレビュー版です。Qwen3.6-Plusと比較して、このモデルはエージェントプログラミング、世界知識、指示遵守という3つの主要な側面で大幅な改善を実現しています。

AI Fusion Videoは、オープンソースのエンドツーエンドAIビデオ制作プラットフォームであり、エージェントベースのアーキテクチャを使用して、脚本作成からビデオ生成までのワークフローを自動化します。

Fun-ASR 1.5は、アリ・トンイーチームが開発したエンドツーエンド音声認識モデルの次世代版です。単一のモデルで30言語の高精度認識をサポートし、7つの主要な中国語方言体系と20以上の地域方言を網羅しています。また、中国古典詩に特化した最適化も施されています。

LenovoのTianxi AI Clawは、OpenClawアーキテクチャをベースにした、すぐに使えるAIアシスタントです。ハイブリッドエッジクラウド展開モデルを採用し、PC、スマートフォン、タブレット間でのシームレスなコラボレーションをサポートします。このツールはローカル環境の設定を必要とせず、24時間365日稼働可能です。

HyperFramesは、HeyGenが開発したオープンソースのAIネイティブビデオレンダリングフレームワークです。「HTMLを書き込み、ビデオをレンダリングする」という原則を採用し、AIエージェントと開発者向けに特化して設計されています。このフレームワークは、data-*属性を使用してビデオをHTMLファイルとして定義します。

Audio Flamingo Nextは、NVIDIAとメリーランド大学が共同でオープンソース化した次世代オーディオ言語モデル（LALM）です。Audio Flamingoシリーズの最新バージョンとして、最大30分の長さの複雑なオーディオ入力をサポートし、…

Voiceboxは、オープンソースのネイティブ音声合成ツールであり、Tauri（Rust）とReactをベースに構築されたクロスプラットフォームのデスクトップアプリケーションです。このツールは、音声クローン、テキスト読み上げ、音声後処理、マルチトラックナレーション編集機能を提供します。

LingBot-Mapは、Antminer Lingbo Technology社が開発したオープンソースのストリーミング3D再構築モデルです。通常のRGBカメラでも、動画撮影中にリアルタイムでカメラ姿勢推定とシーンの3D構造再構築を行うことができます。

Claude Opus 4.7は、Anthropic社の最新の主力大規模モデルであり、Claude Opus 4.6からの直接的なアップグレード版です。このモデルは高度なソフトウェアエンジニアリングタスクに優れており、SWE-bench Proスコアは64.3を達成しています。

Qwen3.6-35B-A3Bは、アリババの同義千文チームが開発したオープンソースのハイブリッドエキスパート（MoE）モデルです。パラメータ総数は350億個、活性化パラメータは30億個です。このモデルは、極めて高い推論効率とエージェントプログラミング機能に重点を置いており、複数のプログラミングベンチマークで高いパフォーマンスを実現しています。

GPT-Rosalindは、OpenAIが開発した生命科学に特化した推論モデルで、DNA二重らせん構造の発見者であるロザリンド・フランクリンにちなんで名付けられました。このモデルは50種類の生物学的ワークフローに最適化されており、仮説生成や実験計画などの機能を備えています。

GPT-image-2はOpenAIの次世代ネイティブ画像生成モデルで、内部コードネームは「Spud」と噂されており、現在ChatGPT上でグレースケールテストが行われている。このモデルは「maskingtape-alpha」などのコードネームで2026年4月上旬に正式リリースされる予定だ。

Relaxは、Xiaohongshu AIプラットフォームチームが開発したオープンソースの強化学習トレーニングエンジンで、あらゆるモダリティとエージェントのシナリオにおける大規模モデル強化学習向けに設計されています。Megatron-LMとSGLangをベースに構築されており、サービス指向の耐障害性アーキテクチャ（Ray Service...）を採用しています。

Gemini 3.1 Flash TTSは、Googleの次世代テキスト読み上げモデルであり、操作性、表現力、音質が向上しています。このモデルは70以上の言語に対応し、音声タグ付け技術を組み込んでおり、自然言語コマンドで正確に制御できます。

HY-World 2.0は、Tencent Hunyuanが開発したオープンソースのマルチモーダルワールドモデルです。テキスト、単一画像、複数ビュー、またはビデオから、移動可能な3Dガウススパッタリング（3DGS）シーンの生成をサポートしています。このモデルは4つの要素を使用しています...

HappyOysterは、アリババのATHイノベーション事業部が立ち上げたオープンワールド型製品で、リアルタイムでの構築とインタラクションが可能なAI生成型体験プラットフォームとして位置づけられています。ワールドモデル技術に基づき、無限に拡張可能なリアルタイムコンテンツ生成をサポートします。

StepAudio 2.5 TTSは、StepAudioが発表したコンテキスト認識型音声合成モデル（Context-Aware Speech Synthesis Model）であり、音声生成プロセス全体に初めてコンテキスト理解機能を導入したものです。