マイクロソフト、解説動画からエージェント向け実行可能スキルを抽出する「Resource2Skill」公開
マイクロソフトが「Resource2Skill」をオープンソース公開した。人間向けの解説動画やコードを自動蒸留し、AIエージェントが実行できるマルチモーダルなスキルに変換する。MCPサーバーと連携し、Web制作やExcel、Blenderなどの実務を自律実行させる。
オープンソース
Llama、Qwen、DeepSeekなどオープンソース・オープンウェイトのモデルと、注目のデータセット、フレームワーク、開発ツール。
新しいニュースを見る
BrowserBC公開：ブラウザ操作を「スキルカード」化、Agent版マクロツール登場
Einsia AI傘下のNavers Labがオープンソース基盤「BrowserBC」を公開した。ブラウザ上の操作履歴と画面遷移を記録し、LLMが自然言語の「スキルカード」へ蒸留。座標を機械的になぞるのではなく、任意のエージェントが手順と成否を自律判断して実行できる仕組みを提供する。
Ornithが「Ornith 1.0」を公開：自作足場で動く最大397Bのコーディングモデル
Ornithはエージェント型コーディングに特化したオープンソースモデル群「Ornith 1.0」を公開した。最小9Bから最大397B MoEまで展開し、人間が組んだ枠組みに依存せず独自の足場ワークフローを自ら生成して課題を解く。SWE-benchなどで大型モデルに匹敵し、Hugging Faceにて21GBのGGUF版も配布中だ。
Meta、社内1.3万アプリを支えるデザインシステム「Astryx」をオープンソース化
Metaは社内で8年開発され1万3000以上のアプリを支えるデザインシステム「Astryx」をオープンソース公開した。React 19ベースの150以上のコンポーネントとCLIを備え、人間だけでなくAIエージェントもスムーズにUIを構築できる設計が特徴だ。
Hermes Agentに「/learn」追加：コードや会話から再利用可能なスキルを自動生成
Nous ResearchはHermes Agentに「/learn」コマンドを追加した。コードディレクトリやWeb URL、直前の対話ログを渡すだけで、エージェントが内蔵ツールを使って標準仕様のスキル定義ファイルを自動生成する。追加の専用エンジンを必要とせず、ローカル環境でもリモートでもそのまま動作する。
Krea、画像生成モデル「Krea 2」の重みを公開：微調整用Rawと高速版Turbo
Kreaは画像生成モデル「Krea 2」のモデル重みをオープンソースとして公開した。微調整向けにトレーニング途中の未蒸留モデルとした「Raw」と、多様な表現力を持つ高速な蒸留モデル「Turbo」の2種類を用意。外部の開発者が自前環境で自由にカスタマイズできるようになった。
Domain Shuttle：参照画像の一貫性を保つ動画生成ツール、異種スタイルの混在にも対応
香港科技大学の研究チームは参照画像の一貫性を保ったまま動画を生成できる「Domain Shuttle」をオープンソースで公開した。実写、2D アニメ、3D キャラなど異なる画風の被写体を同一シーンで破綻なく合成できる。Wan 2.2 を基盤とし、GitHub でコードと 35GB のモデルが提供されている。
InternScienceが「Agents A1」公開：35Bで超巨大モデルに迫るエージェント特化MoE
InternScienceが自律的な複数ステップ実行とツール呼び出しに特化した35B MoEモデル「Agents A1」をオープンソース公開した。GAIAなどの主要ベンチマークで超巨大モデルに匹敵する性能を示し、21GBのQ4量子化版を使えば民生用PCでもローカル実行できる。
Liquid AI、11言語対応の軽量検索モデル「LFM2.5」2種を公開
Liquid AIは11言語に対応する350Mパラメータの検索モデル「LFM2.5-ColBERT-350M」と「LFM2.5-Embedding-350M」を公開した。従来のデコーダを双方向エンコーダへ改良し、高速な単一ベクトル型と高精度なトークン単位型を用意。GGUF形式も提供され、CPUやエッジ環境で手軽に多言語検索を実行できる。
Ai2がMolmoMotionを公開：言語指示から物体の3D軌跡を予測
Ai2は言語指示に基づき物体の3D運動を予測するモデル「MolmoMotion」と116万本の動画データセットをオープンソースで公開した。Molmo 2をベースにし、画像内の指定点と指示文から数秒先の3D軌跡を推定する。シミュレーション実験ではロボットのピッキング成功率が76.3%に向上した。
PermaVid：外見と3D構造を分離記憶し、AI動画編集の「忘れ癖」を解消
動画編集フレームワーク「PermaVid」が公開された。動画編集時に後続フレームで変更が消えてしまう一貫性の問題に対し、見た目と3D深度構造を別々に保持する2系統のメモリを導入。全体のスタイル変更や物体編集でも破綻を防ぎ、ローカル環境での実行コードも提供されている。
Moonshot AI、1兆パラメータのコード特化MoEモデル「Kimi K2.7 Code」をオープンソース公開
Moonshot AI がコード特化型モデル「Kimi K2.7 Code」をオープンソースで公開した。総パラメータ 1 兆（活性化 320 億）の MoE 構造で、思考トークン消費を前世代比で約 30% 削減。長時間のコーディングタスクに特化し、GPT-5.5 や Opus 4.8 に迫る性能を持つという。
Zyphra、音声合成モデル「ZONOS2」をオープンソース公開：8B MoEで高精度音声クローン
Zyphra はオープンソースの音声合成モデル「ZONOS2」を公開した。総パラメータ 80 億、アクティブ 9 億の MoE 構造を採用し、600 万時間超の音声データで学習。日本語を含む多言語に対応し、低遅延で 44.1 kHz の高音質音声クローンを Apache 2.0 で提供する。
GoogleがDiffusionGemma公開：テキスト拡散で生成速度が最大4倍に
Googleは実験的オープンモデル「DiffusionGemma」を公開した。従来の1トークンずつの生成から脱却し、テキスト拡散技術で256トークンを並列出力することでGPU推論を最大4倍高速化した。26B MoE設計で量子化時は18GB VRAMに収まるが、生成品質は標準のGemma 4に劣る。
プリンストン大が画像生成モデル「i1」公開：3B構成でコードと学習レシピを全開示
プリンストン大学が30億パラメータの画像生成モデル「i1」を公開した。約12GBで一般的なPCでも動作し、モデルの重みだけでなく学習・推論コードやデータパイプラインまで全てオープン化。ゼロから画像モデルを開発したい研究者にとって貴重な教科書となる。
SCAIL-2公開：複数キャラの激しい格闘や動物への動作移植に対応した動画AI
ZAIが動画の動作移植モデル「SCAIL-2」をオープンソースで公開しました。中間の骨格推定を介さないエンドツーエンド設計により、複数キャラクターの激しいアクションやフラミンゴなどの動物への動作転送も破綻なく処理します。モデル全体のサイズは81GBあり、一般向けPCでは軽量化版の登場待ちとなります。
dots.tts：小紅書が2B音声合成モデルを公開、音声クローンに対応
小紅書（Rednote）が20億パラメータのエンドツーエンド音声合成システム dots.tts をオープンソースで公開した。完全連続型の自己回帰構成と48kHz AudioVAEを採用し、離散トークンを使わずに高い類似度での音声クローンや精密な編集を実現する。Apache-2.0で提供される。
GoogleがGemma 4のQAT版を公開、E2Bモデルはメモリ1GB未満で動作
GoogleはGemma 4シリーズ向けに量子化を考慮した学習（QAT）済みモデルを公開した。訓練中に量子化をシミュレートすることで性能低下を防ぎ、モバイル向け新形式によりE2Bモデルのメモリ使用量を1GB未満に削減。重みはHugging Faceで配布され、ローカル環境で即座に実行できる。
Google、リアルタイム音楽モデル「MRT2」をオープンソース公開：遅延200ms、Macローカルで演奏可能
Googleはリアルタイム音楽生成モデル「Magenta RealTime 2」をオープンソース公開した。Apple Silicon搭載Macのローカル環境で動作し、MIDIやテキスト、音声入力に対して約200msの超低遅延で反応する。従来のオフライン楽曲生成と異なり、DAWに組み込んで即興演奏できる楽器として機能する。
Boson AIがHiggs TTS 3公開：タグで感情や間を演出、重みもオープン
Boson AI は対話型エージェント向け音声合成モデル Higgs TTS 3 を発表し、Hugging Face で重みを公開した。テキスト内にインラインタグを挟むだけで感情や速度、ピッチ、ポーズを即座に制御可能。100 以上の言語に対応し、声優へ演技指導するように声のトーンを細かく調整できる。