AIニュース

PixVerse C1は、PixVerse Technologyが発売した世界初の大型ビデオモデルで、テキストベース、画像ベース、リファレンスベース、および最初/最後のフレームのビデオ生成をサポートし、最大15秒間の1080P同期音声・映像を出力できます。このモデルは、革新的なマルチグリッドインテリジェントストーリーボード機能を備えています。

GLM-5.1は、Zhipuが発表した世界で最も強力なオープンソースモデルであり、8時間にも及ぶ長時間のタスクを実行できます。そのモデルコードの性能は、SWE-Bench Proベンチマークテストで世界第1位にランクされ、GPT-5.4とClaude Opus 4.6を凌駕しています。GLM-5.1は…

OpenHarnessは、香港大学のデータインテリジェンス研究所（HKUDS）がオープンソース化した軽量AIエージェントフレームワークです。完全にPythonで実装されており、わずか11,733行のコード（Claude Codeの44分の1のサイズ）で構成され、…

LLM Wikiは、Karpathyが立ち上げた自己運用型の個人知識ベースであり、クエリごとにデータをゼロから取得する従来のRAGの限界を打破します。LLM Wikiは、スキーマファイルを通じて構造化されたMarkdown Wikiを積極的に維持し、元のデータを変換することで、LLMをガイドします。

EmDashはCloudflareが開発したAIネイティブのコンテンツ管理システムで、WordPressの後継として位置づけられています。EmDashはTypeScriptとサーバーレスアーキテクチャを採用し、AIエージェントによるウェブサイトの直接操作をサポートし、データ処理には構造化されたJSONを使用します。

OmniWeavingは、浙江大学、テンセント渾源、南洋理工大学が共同開発した統合ビデオ生成フレームワークです。このフレームワークは、従来のオープンソースモデルの単一タスクの制約を打破し、マルチモーダルデータの自由な組み合わせと高度な推論生成を可能にし、インターリーブされた...

MAI-Transcribe-1は、Microsoft Azure AI Foundryが開発したエンタープライズグレードの音声認識モデルです。中国語、英語、日本語、フランス語を含む25言語に対応しており、FLEURSベンチマークテストではWhisper-large-v3を上回る性能を発揮します。

Wan2.7-Videoは、アリババ傘下のTongyi Labが開発したAI動画作成モデルで、テキスト、画像、動画、音声など、あらゆる形式の入力に対応しています。このモデルは従来の動画生成の制約を打ち破り、写真編集のように動画のローカル編集を可能にします。

Gemma 4は、Googleが開発したオープンソースのマルチモーダル大型モデルシリーズで、Gemini 3アーキテクチャに基づいています。モデルには、E2B/E4B（携帯電話/Raspberry Piで動作）、26B MoE（3.8Bパラメータのみ有効化）、31B Dense（Arena認定のオープンソースモデル）などがあります。

InternSVGは、上海人工知能研究所などが開発した、統一SVGモデリングのための包括的な「データ評価モデル」スイートです。1600万以上のサンプルを含むSAGoggeデータセット、標準化されたSArenaベンチマーク、そして…という3つの主要コンポーネントで構成されています。

JoyAI-Image-Editは、JD.comが開発したオープンソースのコマンド誘導型画像編集モデルで、JoyAI-Imageマルチモーダルベースモデルをベースに構築されています。このモデルは、自然言語コマンドによる正確かつ制御可能な空間操作とインテリジェントな画像修正をサポートします。

GLM-5V-Turboは、Zhipu AIが開発したネイティブなマルチモーダルコーディング基盤モデルで、ビジュアルプログラミングとAIエージェント向けに特化して設計されています。このモデルは、事前学習段階からビジュアル機能とテキスト機能を深く統合しており、画像、動画、設計図などの理解をサポートします。

Qwen3.6-Plusは、アリババ傘下のTongyi Labが開発したエージェントプログラミングモデルで、エンコードされたインテリジェントエージェントの機能を大幅に強化することに重点を置いています。このモデルは、デフォルトで最大100万トークンの超長文コンテキストをサポートし、SWE-bench、Terminal-Bench、その他のベンチマークにおけるコード修正が含まれています。

Claw-codeは、Claude Codeのソースコードが流出した後に開始されたクリーンルームリライトプロジェクトです。法的リスクを回避するため、開発者はOpenAI CodexのOmXワークフローオーケストレーションを使用し、Typからコアアーキテクチャをリファクタリングしました。

Wan2.7-Imageは、Tongyi Labsが開発したAI画像生成・編集モデルです。顔の形、目の形、骨格など、キャラクター画像の高度なカスタマイズをサポートし、単調な「AI標準顔」に別れを告げ、4000以上のキャラクターを正確に生成できます。

Lightpandaは、AIエージェントと自動化のために特別に設計されたオープンソースのヘッドレスブラウザです。Zig言語でゼロから開発されており、ChromiumやWebKitに依存していません。このツールのメモリ使用量はChromeのわずか1/16で、実行速度は…

Veo 3.1 Liteは、Googleの最新AI動画生成モデルで、Veo 3.1 Fastと同等の生成速度を維持しながら、価格は50%以上低くなっています。このモデルは、テキストや画像からの動画生成をサポートし、縦向きと横向きの柔軟な切り替えが可能です。

TeamClawは、AIを活用した従業員チーム管理プラットフォームであり、「一人AIオフィス」として位置づけられています。このプラットフォームでは、実際の従業員を雇用するのと同様に、AIの役割（CEO、アナリストなど）を定義し、役割を即座に割り当てることができます。また、インストールにも対応しています。

ColaMDはオープンソースのMarkdownエディタです。このツールは、AI編集後のファイルの更新を確認するために手動で更新する必要がある従来のエディタの問題点を解決し、バックエンドの変更とフロントエンドのコンテンツをリアルタイムで同期させ、まるでリアルタイムで閲覧しているかのような感覚を実現します。

Harrier-OSS-V1は、Microsoftが開発したオープンソースの多言語テキスト埋め込みモデルで、Multilingual MTEB v2ベンチマークにおいて最先端（SOTA）のパフォーマンスを実現しています。このモデルはデコーダーのみのアーキテクチャを採用し、最終的なトークンプーリングとL2回帰を利用しています。

LongCat-AudioDiTは、Meituanがオープンソース化した高忠実度拡散ベースのテキスト音声合成（TTS）モデルです。その核となる革新性は、メル周波数スペクトルなどの中間表現を用いるのではなく、波形潜在空間における拡散を通してテキストを直接生成することで、エラーの蓄積を効果的に回避している点にあります。

Vision2Webは、清華大学とZhipu AIが共同で立ち上げた、ビジュアルWebサイト開発評価ベンチマークです。マルチモーダルAIエージェントのエンドツーエンドのWebサイト構築能力を評価するために使用されます。Vision2Webには、難易度が段階的に上がる3つのレベルに分かれた193の実際のWebサイトタスクが含まれています。

wecom-cli（エンタープライズWeChat CLI）は、公式エンタープライズWeChatチームが提供するオープンソースのコマンドラインツールで、人間とAIエージェントが端末からエンタープライズWeChatを操作できるようにします。このツールは、連絡先、ToDoリスト、会議、メッセージ、カレンダー、ドキュメントなど、幅広い機能を網羅しています。

PixVerse V6は、PixVerse Technologyが発表した最新のAI映像生成モデルです。このモデルは、カメラ制御、キャラクター表現、マルチカメラによる映像・音声生成において画期的な進歩を遂げ、より精密なカメラワーク、より滑らかなフレーム間キャラクター感情表現、そしてより洗練された物理的相互作用を実現しています。