AIニュース

Alibabaのオープンソース画像編集モデル「Qwen-Image-Edit-2511」は、ポートレートの一貫性とスタイルの安定性を大幅に向上させ、照明、素材、遠近感の制御にLoRAモジュールを統合しています。実地テストでは、自然なポートレートのブレンドとテキストレンダリング効果が確認されていますが、幾何学的推論と細かなカメラ制御にはまだ課題が残っています。

杭州雲神初科技有限公司は、CITIC証券をアドバイザーとして、新規株式公開（IPO）の準備プロセスを開始した。2017年に設立された同社は、四足歩行ロボットと人型ロボットの研究開発に注力している。創業者である朱秋国氏は浙江大学の准教授であり、現在、同社株式の32.60%を保有している。雲神初科技は最近、5億人民元を超えるシリーズC資金調達ラウンドを完了し、11月初旬に株主構成の改革を完了した。

中国初のAI搭載型大規模計画・資源分野モデル「雲雨星空（プロフェッショナル版）」が先日、上海で正式に発表された。上海市計画資源局とセンスタイム社が共同開発したこのモデルは、あらゆる質問への回答、地図の調整、統計処理、地図の解釈、レポート作成という5つの主要機能を備え、パラメータの総数は6000億個に及ぶ。

ByteDanceのSeedチームは、新世代の形式的数学的推論モデルであるSeed Prover 1.5をリリースしました。このモデルは、全く新しいエージェント型証明器アーキテクチャを採用しており、数学ライブラリの検索やコード実行などのツールを自律的に利用して、段階的な証明を行うことができます。IMO 2025テストでは、42点満点中35点を獲得し、金メダル獲得の基準に達しました。また、パトナム数学コンテストの過去の問題セットでは88%の正答率を達成し、複数の最先端（SOTA）記録を更新しました。

DingTalkは、企業の働き方を変革することを目指し、AI搭載の業務オペレーティングシステム「Agent OS」をリリースしました。AI専用に設計された世界初のインテリジェントオペレーティングシステムとして、様々なAIエージェントのスケジュール管理を一元的に行うことができます。主要コンポーネントには、対話型インターフェース「DingTalk ONE」、汎用インテリジェントエージェント「Wukong」、そしてエンタープライズグレードのAIハードウェア「DingTalk Real」が含まれます。

Facewall Intelligenceは先日、数億元規模の資金調達ラウンドを完了したと発表した。投資家には、Jingguorui、Guoke Investment、CICC Porsche Investorsなどが名を連ねている。今回の資金調達は主に、高効率な大規模エッジモデルの研究開発投資の拡大と、エッジAIの商用化加速に活用される予定だ。

Alibaba Tongyiは、次世代のエンドツーエンド音声対話モデル「Fun-Audio-Chat」を発表しました。このモデルは、革新的なエンドツーエンドのシーケンス・ツー・シーケンス・アーキテクチャを採用しており、音声入力から直接音声出力を生成することで、従来のASR+LLM+TTSといったマルチモジュール連結処理を不要にし、レイテンシーを大幅に削減します。OpenAudioBenchやMMAUなどの複数の権威あるベンチマークにおいて、同規模のモデルの中でトップの成績を収め、GLM4-VoiceやKimi-Audioといった主流製品を凌駕する総合性能を実現しています。

MiniMaxは、次世代大規模モデル「MiniMax M2.1」をリリースしました。このモデルは、多言語プログラミングと複雑な実世界のタスク処理において、画期的な進歩を遂げています。Rust、Java、Golangなど10種類以上のプログラミング言語において、体系的に性能を向上させ、SWE-bench Verifiedベンチマークで74点を獲得し、Claude Sonnet 4.5を凌駕しました。また、革新的なVIBEベンチマークでは、M2.1がフルスタックアプリケーション構築機能において、トップレベルのクローズドソースモデルに匹敵するレベルに達していることが示されています。

Zhipu AIは、コーディング、推論、エージェント機能を大幅に向上させた次世代大規模モデルGLM-4.7を正式にリリースし、オープンソース化しました。複数の主要なベンチマークテストにおいて、そのプログラミング機能はオープンソースモデルの中でもトップレベルに達し、SWE-bench Verifiedで73.8%の最先端（SOTA）スコア、ツール呼び出しタスクτ²-Benchで87.4のスコアを達成し、Claude Sonnet 4.5を上回りました。

Zhipuは香港証券取引所の上場審査を通過し、大規模モデルを専門とする香港初の上場企業となることを目指している。2019年6月に設立されたZhipuは、汎用大規模モデルにおける中国最大の独立系開発企業であり、汎用大規模モデル全体では2番目に大きい開発企業である。同社のMaaSプラットフォームは、言語、マルチモーダル、エージェント、コードの4種類のモデルを提供し、ローカル展開とクラウド展開の両方をサポートしている。2025年11月現在、Zhipuの1日あたりのトークン消費量は4.2兆に達し、約8,000万台のデバイスをサポートしている。

MiniMaxは香港証券取引所の上場審査を通過し、新規株式公開（IPO）を目指して目論見書を公開した。2022年初頭に設立されたMiniMaxは、上場が成功すれば、設立からIPOまで世界最速のAI企業となる。2024年のMiniMaxの売上高は前年比782%増の3,050万ドルで、純損失は4億6,500万ドルだった。収益化方法は、サブスクリプションサービス、トークンベースのアプリ内課金、オンラインマーケティングサービス、使用量に応じた課金方式のエンタープライズレベルのAPIサービスなどである。

NVIDIAのオープンソース汎用ゲームAIモデル「NitroGen」は、ゲーム映像を視聴することでコントローラーの入力信号を直接生成でき、1,000種類以上のゲームジャンルでゼロショットゲームプレイをサポートします。40,000時間分のゲーム動画データセットで学習されたこのモデルは、ロボット工学向けに設計されたGR00Tアーキテクチャを採用しており、ゲーム横断的な汎化能力に優れています。

Volcano Engine Forceカンファレンスにおいて、Vibe開発プラットフォームが正式に「Vibe Coding」へとアップグレードされ、無料の公開テストが開始されました。このアップグレードは、プラットフォームがAIアプリケーション構築ツールから、開発者の創造性を高めるプラットフォームへと変貌を遂げたことを意味し、新たなVibe Coding開発パラダイムの導入となります。ユーザーは、ビジネス要件を自然言語で記述するだけで、インテリジェントエージェント、ワークフロー、クロスプラットフォームアプリケーションを自動的に生成できます。

Appleは、1枚の2D写真をわずか1秒でリアルな3Dシーンに変換できる新しいAIモデル「SHARP」をオープンソース化すると発表した。従来の手法と比較して3桁の高速化を実現し、ほぼリアルタイムの3D変換体験を提供する。このモデルは、高度な3Dガウススプラッター技術に基づいており、ニューラルネットワークを用いて、単一のフィードフォワードで数百万個の3Dガウス球の位置と形状を予測する。

MiniMaxのビデオチームは、同社のビジュアル生成モデルの主要コンポーネントであるVTPをオープンソース化し、トークナイザーのスケーリング特性を初めて提案しました。この技術は、複数の表現学習手法を統合し、潜在的学習可能性と一般的な表現学習を結びつけることで、下流の生成システムのパフォーマンスを大幅に向上させます。

OpenAIは、これまでで最も高度なエージェントコーディングモデルであるGPT-5.2-Codexをリリースしました。このモデルは、複雑なソフトウェアエンジニアリングタスクにおいて大きなブレークスルーを達成しています。新バージョンでは、命令の遵守、長いコンテキストの理解、サイバーセキュリティ性能が大幅に向上し、SWE-Bench ProやTerminal-Bench 2.0などのベンチマークで最先端の結果を実現しています。独自のコンテキスト圧縮技術により、大規模なコードベースを効率的に処理し、複雑なリファクタリングや移行タスクをサポートします。

Meituanは、最先端の仮想人間動画生成モデル「LongCat-Video-Avatar」をリリースし、オープンソース化しました。このモデルは、動きのリアリズム、長時間の動画の安定性、そして人物の同一性の一貫性という3つの主要な側面において、大きなブレークスルーを達成しています。音声と映像の同時生成および動画の連続再生をネイティブにサポートし、革新的なクロスセグメント潜在空間スティッチング技術によって、長時間の動画生成における画質劣化の問題を効果的に解決し、5分間の高品質動画を安定して生成します。

Aishi TechnologyとAlibaba Cloudは、AI動画生成分野における緊密な協力関係を構築する包括的な協力協定を締結しました。Alibaba Cloudは、インフラストラクチャと大規模モデルサービスを含むフルスタックのAIサポートをAishi Technologyに提供し、同社が独自開発した動画生成モデル「PixVerse」のグローバル展開を促進します。

スウェーデンのAIプログラミングスタートアップ企業Lovableは先日、新たな資金調達ラウンドを完了し、企業価値が66億ドルに急上昇した。これは6ヶ月前と比べて3倍以上であり、ヨーロッパで最も価値の高いスタートアップ企業の1つとなっている。今回の資金調達ラウンドには、Accelなどの著名なベンチャーキャピタル企業が参加しており、AIプログラミングツール分野における競争の激化を示している。

Meta社は、テキスト、画像、または時間ベースの手がかりを用いて複雑な音声から目的の音声を正確に抽出できる、初の統合型マルチモーダル音声分離モデル「SAM Audio」をリリースしました。このモデルは知覚エンコーダーを用いたオーディオビジュアル技術に基づいており、ユーザーは動画内のオブジェクトをクリックして対応する音声を分離したり、「犬の鳴き声」などのテキストコマンドを入力してノイズを除去したりすることができます。

Step-Star社が開発したGUIエージェントモデル「Step-GUI」が全面的にアップグレードされました。新モデルは200種類以上のタスクシナリオに対応し、推論ステップの延長、意味理解の強化、汎化能力の向上を実現しています。モバイル端末、PC、自動車など複数のプラットフォームで使用可能で、最短10分で導入できます。同社はAPIを無償公開するとともに、技術レポートとGUI-MCPプロトコルも公開しました。

ByteDanceは、汎用エージェントモデル「Seed 1.8」を正式にリリースしました。このモデルは、検索、コード生成、グラフィカルユーザーインターフェース操作など、多様な機能を統合しており、テキストと画像の両方の入力をサポートし、ネイティブな視覚理解機能を備えています。複数のベンチマークテストで優れたパフォーマンスを発揮し、OSWorld GUIエージェントタスクで61.9、BrowseComp-en検索タスクで67.6のスコアを獲得し、いずれも業界トップクラスの評価を得ています。

Googleは、高速かつ低コストのGemini 3 Flashモデルを正式にリリースしました。このモデルは、複数のベンチマークテストで優れた性能を発揮し、前モデルのGemini 2.5 Proを凌駕するとともに、一部の指標ではGemini 3 ProやGPT-5.2といった最先端モデルに匹敵する性能を実現しています。最新の推論機能とマルチモーダル機能を備え、応答速度は3倍向上し、コストも大幅に削減されています。

テンセントは、リアルタイムのインタラクティブ体験をサポートする中国初のワールドモデル「WorldPlay 1.5」を正式にリリースしました。ユーザーはテキストや画像を入力することで独自の3Dインタラクティブワールドを生成し、キーボード、マウス、ゲームパッドを使って自由に探索できます。このモデルは、24FPSのリアルタイム生成、分単位の3D幾何学的整合性、空間記憶機能を備えており、一度シーンを離れた後も再び戻ってきた際に整合性を維持します。