AIニュース

DLCM（Dynamic Large Concept Models）は、ByteDance Seedチームが発表した新しい大規模言語モデルアーキテクチャです。このフレームワークは、モデルの推論単位を従来のトークン（単語）レベルから概念（コンセプト）レベルへと引き上げ、…

Paper2Anyは、北京大学DCAI研究グループが開発したオープンソースのマルチモーダルAI支援プラットフォームです。自動データガバナンスエージェントフレームワークであるDataFlow-Agentをベースとしており、研究論文を編集可能なPPTファイルとSVGファイルに自動的に変換できます。

OpenCodeは、開発効率とコード品質を向上させるオープンソースのAIプログラミングアシスタントです。このツールは、ターミナルインターフェース、デスクトップアプリケーション、またはIDEプラグインとして存在し、さまざまな言語モデル（LLM）プロバイダーと統合して開発を支援します。

StoryMemは、ByteDanceと南洋理工大学が共同でリリースしたオープンソースの動画生成フレームワークで、AI動画生成におけるショット間の一貫性という長年の課題に取り組んでいます。明示的な視覚記憶メカニズムを利用して、単一ショットの動画を拡散します。

Voquillは、従来のキーボード入力を音声入力に置き換えるオープンソースの音声入力ツールで、文章作成やメモ取りの効率を向上させます。macOS、Windows、Linuxシステムに対応しており、あらゆるテキストボックスやアプリケーションで使用できるため、…

XVERSE-Entは、Yuanxiang Technologyがエンターテインメント業界全体向けに特別に設計した、オープンソースのバイリンガル（中国語と英語）大規模モデルです。中国語モデルXVERSE-Ent-A4.2Bと英語モデルXVERSE-Ent-A5.7Bが含まれています。これらのモデルは、キャラクターの一貫性や長編ストーリーなどを重視しています。

Vibe Kanbanは、Claude Code、Gemini CLI、CodexなどのAIコーディングエージェントを効率的に管理するのに役立つオープンソースのカンバンツールです。視覚的なカンバンボードを通して、ユーザーは複数のコーディングエージェントを簡単に切り替え、連携させることができます。

ClipSketch AIは、動画クリエイター、ソーシャルメディア運営者、コンテンツクリエイター向けに設計された、オープンソースのAI駆動型コンテンツ作成ツールです。BilibiliやXiaohongshuの動画リンクを解析し、キーフレームを自動的に抽出し、変換することができます。

IQuest-Coder-V1は、IQuestLabが開発した高度なAIモデルで、コード生成、理解、最適化に特化しています。7B、14B、40Bといった様々なパラメータスケールと、Instruct、Thinking、Loopといったバージョンを提供しています。

RedInkは、小紅書（Xiaohongshu）向けのオープンソースのAI搭載コンテンツ作成ツールで、コンテンツ作成プロセスの簡素化に特化しています。ユーザーがテーマを入力すると、このツールは目を引くタイトル、高品質なテキスト、美しい画像を素早く生成し、「一文で完全なセットを生成…」を実現します。

mHC（Manifold-Constrained Hyper-Connections）は、DeepSeekチームが提唱した新しいニューラルネットワークアーキテクチャ設計手法であり、大規模トレーニングにおける従来のハイパーコネクション（HC）アーキテクチャの問題を解決します。

AutoMVは、M-A-P、北京郵電大学、南京大学NJU-LINK研究所、その他の機関によって開発された自動化されたマルチエージェントシステムです。楽曲を一貫性があり、リズムが揃ったミュージックビデオに変換する機能をサポートしています。このシステムは音楽情報を検出し…

HY-Motion 1.0（Hunyuan Motion 1.0）は、TencentのHunyuanチームが開発した、数十億パラメータを持つオープンソースのテキストから3Dモーションを生成するモデルです。拡散トランスフォーマー（DiT）アーキテクチャとストリームマッチングメカニズムに基づいており、必要なコードはわずか1行です。

Tencent-HY-MT1.5は、TencentのHunyuanプラットフォームのオープンソース翻訳モデルで、Tencent-HY-MT1.5-1.8BとTencent-HY-MT1.5-7Bの2つのバージョンがあります。このモデルは、33の国際言語と5つの少数言語/方言間の翻訳をサポートしており、…

Computer Use Previewは、Googleが提供するオープンソースのAI搭載ブラウザ自動化ツールです。Geminiモデルの視覚認識機能を基に、「スクリーンショット→分析→アクション」のプロセスを通じて、固定されたモデルに頼ることなく、ウェブページに対する人間の操作をシミュレートします。

PersonaLiveは、マカオ大学とGVC Labsが開発したオープンソースのリアルタイムデジタルヒューマンライブストリーミングツールです。このツールは、12GBのVRAMを搭載した一般消費者向けグラフィックカード1枚で動作し、無制限のポートレートアニメーション生成と低遅延のインタラクションを実現します。

Yume 1.5は、上海人工知能研究所や復旦大学などが開発したインタラクティブな世界生成モデルです。単一の画像やテキストプロンプトから、リアルで連続的、かつ探索可能な仮想世界を生成できます。

Step-DeepResearchは、Step-Leap Star Technologyが開発した32億パラメータの深層学習AIモデルです。複雑な研究タスクを単一の推論反復で完了し、専門的なレポートを生成できます。このモデルは、プランニング、深層探索、逆推論を活用したモノリシックアーキテクチャ設計を採用しています。

MAI-UIは、Tongyi Labsが開発した本格的なGUIインテリジェントエージェント基盤モデルであり、ユーザーインタラクション、ツール呼び出し、エッジクラウド連携という3つのコア機能を備えています。このフレームワークは、自律的に進化するデータパイプラインと大規模オンライン強化学習技術を活用しています。

Zhipu社の新世代大規模基盤モデルは、合計355バイトのパラメータと32バイトの活性化パラメータを誇ります。このモデルは、実世界プログラミング、長コンテキスト処理、推論能力、情報検索、記述能力、インテリジェントエージェントアプリケーションなどの分野で包括的な進歩を遂げています。

InstanceAssembleは、Xiaohongshuと復旦大学が共同開発した軽量レイアウトから画像生成へのフレームワークです。革新的な「インスタンスアセンブリアテンション」メカニズムにより、このフレームワークは、単純なレイアウトから複雑なレイアウトまで、また疎なレイアウトから密なレイアウトまで、高精度なレイアウト生成を実現します。

Zen Browserは、Firefoxカーネルをベースにしたオープンソースのブラウザで、効率的なデザインと強力な機能によってユーザーの生産性を向上させるように設計されています。Zen Browserは、縦型タブレイアウトとサイドバーにより、ワイドスクリーンディスプレイでのユーザーエクスペリエンスを最適化しています。

QwenLong-L1.5は、アリババ同義研究所が開発した大規模言語モデルで、長文推論に特化しています。Qwen3-30B-A3Bアーキテクチャをベースに、体系的な事後学習スキームによって長文推論能力を大幅に向上させています。

FrontierScienceは、OpenAIが立ち上げた科学AI能力評価ベンチマークであり、物理学、化学、生物学の分野における大規模モデルの専門家レベルの推論能力をテストするために特別に設計されています。これには2つのサブセットが含まれています。オリンピックトラック（競技レベルの短い質問100問）...