AIニュース

Pretextは、元ReactコアメンバーのCheng Lou氏によって作成された、オープンソースの純粋なJavaScript/TypeScriptベースの複数行テキスト計測・レイアウトライブラリです。DOMのリフローを完全に回避し、純粋な算術演算を用いて複数行テキストのサイズを正確に計測します。

Pascal Editorは、Claude氏の協力を得て開発された、Webベースのオープンソース3D建築エディタです。インストール不要でブラウザ上で動作し、WebGPU技術を利用して高性能なレンダリングを実現します。

Qwen3.5-Omniは、アリババ傘下のTongyi Labが開発したフルモーダルな大規模モデルで、テキスト、画像、音声、音声・動画入力を同時に理解できます。このモデルは、Thinker-Talker協調アーキテクチャとHybrid-MoE技術を採用し、215種類の音声を処理できます。

Mureka V9は、Kunlun Wanweiが開発した最新のAI音楽モデルです。このモデルは、音楽のメロディー、表現力、アレンジ、構成といった主要な指標において、Suno V5などの競合製品を凌駕し、ボーカルや楽器の人工分析においてトップクラスの成績を収めています。

Excellent Vision社が開発したGigaWorld-1は、WorldArenaランキングでトップに輝いた、具現化された世界モデルです。このモデルは、明示的なモーションモデリングと微分可能な物理法則を組み合わせたAC-WM（モーション制御世界モデル）アーキテクチャを採用しています。

MicroCoderは、Microsoft Research Asiaがケンブリッジ大学およびプリンストン大学と共同で立ち上げた、コードベースの大規模モデルトレーニング最適化プロジェクトです。アルゴリズム、データ、評価、経験という4つの側面からトレーニングを包括的に最適化することで、Qwen3などの次世代モデルにおけるトレーニングのボトルネックに対処します。

KAT-Coder-Pro V2は、KuaishouのKwaiKATチームが開発した主力AIプログラミングモデルであり、エージェント型コーディングシナリオ向けに高度に最適化されています。このモデルは、Claude Code、Cline、OpenClawなど、10種類以上の主要なAIコーディング方式とネイティブに互換性があります。

Matrix-Game 3.0は、Skywork AIが開発したリアルタイムインタラクティブワールドモデルで、720p@40FPSでのリアルタイム生成をサポートしています。このモデルは、自己修正のためのエラーバッファリングメカニズムを採用し、カメラベースの認識とメモリ検索を組み合わせることで、...

Star Office UIは、AIアシスタントの作業状況をリアルタイムで視覚化できる、オープンソースのピクセルスタイルのAI搭載ビジュアルステータスダッシュボードです。Star Office UIは、6つのステータスをさまざまなオフィスエリアにマッピングでき、昨日の作業状況も表示できます。

AnyClawは、AIエージェント専用に設計されたオープンソースのスマートアダプターであり、エージェントインターネットと従来のインターネットをつなぐコネクタとして機能します。API、スクリプト、Web自動化ワークフローなど、従来のインターネットに散在するツールを統合できます。

Gemini 3.1 Flash Liveは、Googleの最新の高品質リアルタイム音声モデルで、自然で流暢な会話を実現するために設計されています。このモデルは、イントネーションの理解、推論能力、応答速度が大幅に向上しており、正確な認識が可能です。

Voxtral TTSは、Mistral AIが開発したオープンソースのテキスト音声合成モデルで、40億個のパラメータを持つアーキテクチャに基づき、9つの言語をサポートしています。このモデルは、90ミリ秒という超低遅延と、リアルタイム生成速度の6倍という驚異的な速度を誇り、わずか3～5秒の音声からテキストを生成できます。

MOCR（マルチモーダルOCR）は、華中科技大学と小紅書研究室が共同開発したマルチモーダル文書解析モデルです。わずか30億個のパラメータで、文書解析と画像再構成において画期的な性能を実現しています。

daVinci-MagiHumanは、上海イノベーション技術研究所のGAIR LabとSand.aiが共同開発したオープンソースの音声・映像共生成基盤モデルです。このモデルは、150億個のパラメータを持つシングルストリームTransformerアーキテクチャを採用し、テキスト、音声、映像を均一にモデル化します。

DataChefは、上海人工知能研究所と復旦大学が共同開発したオープンソースのAIデータレシピ生成モデルです。このモデルは、強化学習を通じて、データ選択、クリーニングなどを含む、大規模なモデル適応タスクのための完全なデータ処理パイプラインを自動的に生成します。

Lyria 3 Proは、Googleが開発したAI音楽生成モデルで、最大3分間の完全なオーディオトラックの作成をサポートしています。構造認識機能を備えており、イントロ、ヴァース、コーラス、ブリッジなどのアレンジ要素を正確に処理できます。

TurboQuantは、Google Researchが開発したベクトル量子化アルゴリズムで、大規模モデルのKVキャッシュを32ビットから3ビットに圧縮することができ、メモリ使用量を6分の1に削減し、推論速度を8倍に向上させ、精度を一切損なうことなく実現します。

OpenCLIは、あらゆるWebサイトやElectronデスクトップアプリケーションをコマンドラインインターフェースに変換するオープンソースのコマンドラインツールです。このツールはChromeブラウザ拡張機能を介してローカルデーモンに接続し、ログインしているユーザーのアカウント権限を再利用します。

MiniMax Office Skillsは、Xiyu Technologyが開発したオープンソースのプロダクショングレードのオフィス文書作成エンジンです。このツールは、MiniMax-docx（Word）、MiniMax-xlsx（Excel）、MiniMax-pdf（PDF）、...の4つの主要コンポーネントで構成されています。

Sub2APIは、Claude、OpenAI、Gemini、Antigravityなどの主要なAIサービスへのサブスクリプションの統合アクセスと管理をサポートするオープンソースのAI APIゲートウェイプラットフォームです。このプラットフォームは、マルチアカウント管理、APIキーの配布、...

DeerFlow 2.0は、ByteDanceが開発したオープンソースのスーパーエージェントフレームワークです。「メインエージェント＋11層のミドルウェアチェーン＋動的サブエージェント」というアーキテクチャを採用し、LangGraphを介したマルチエージェント連携を実現しています。このフレームワークには、高度な調査、データ分析などの機能が組み込まれています。

MAI-Image-2は、MicrosoftのAIスーパーインテリジェンスチームが開発した第2世代のテキストベース画像モデルで、現在Arena.aiのリーダーボードで世界トップ3にランクインしています。このモデルは、フォトリアリズムの向上、...という3つの主要な機能に重点を置いています。

新しいAPIは、次世代のAIゲートウェイおよび資産管理システムです。AI基盤プラットフォームとして、世界中の30以上の主要なAIサービス（OpenAI、Claude、Gemini、DeepSeekなど）への統合されたインフラストラクチャアクセスを提供します。

PrismAudioは、アリババ傘下のTongyi Labが開発した動画音声変換フレームワークで、無音の動画に環境音効果を自動的に追加します。このモデルは「分解ベースの思考連鎖」技術を先駆的に採用しており、まず音声コンテンツを考慮することで…