Open Slide：AIエージェントにReactスライドを書かせるオープンソース基盤
AIエージェント向けのスライド制作フレームワーク「open-slide」がMITライセンスで登場。Claude CodeやCursorと連携し、プロンプトから1080pのReact製スライドを自動生成します。視覚的な微調整やコメント修正に対応し、PDFやPPTX書き出しも可能です。
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
Mocap Anything v2公開：普通の単眼動画から任意の3D骨格アニメーションを生成
任意の骨格に対応したモーションキャプチャモデル「Mocap Anything v2」が公開された。一般的な単眼動画から人間や動物、架空のキャラクターの骨格回転を直接予測可能。完全なエンドツーエンド学習により従来の関節ねじれやブレを解消し、推論速度も大幅に向上させている。
SenseTimeが「SenseNova U1」をオープンソース公開、画像とテキストを単一モデルで統合生成
SenseTimeは統合マルチモーダルモデル「SenseNova U1」をオープンソース公開した。従来の視覚エンコーダを排してピクセルとテキストをエンドツーエンドで統合し、視覚推論や複雑なインフォグラフィック、テキストと画像の連続生成をこなす。ただし、写実的な人物描写には不自然なプラスチック感が残る。
AIターミナル「Warp」がオープンソース化、公開ロードマップも発表
AI搭載ターミナルアプリのWarpはコードベースをオープンソース化し、開発ロードマップを公開したと発表した。従来はクローズドソースとして提供されていたが、開発者がコードを精査して貢献できるようになる。今後の機能優先度も可視化され、透明性が大幅に向上する。
SymphonyGen公開：コード骨格からフルオーケストラ楽曲を生成
映画音楽向けの管弦楽生成フレームワーク「SymphonyGen」のコードとモデルがオープンソース化された。拍単位の和声骨格を生成してから各楽器のパートへ階層的に展開し、GRPO強化学習で不協和音を抑制する。自前のMIDI骨格を取り込んで編曲させることもできる。
Poolsideがプログラミング特化のLaguna XS.2をオープンソース公開、端末エージェントも登場
Poolside はエージェント型コーディングに特化した基底モデル「Laguna M.1」とオープンモデル「Laguna XS.2」を発表した。XS.2 は総パラメータ 33B・活性 3B の軽量設計で Apache 2.0 の下公開され、単一 GPU で動作する。あわせてターミナルエージェント「pool」などのプレビュー版も提供開始した。
OmniShotCut：動画のカットや各種トランジションを高精度検出、164MBの軽量モデル
OmniShotCutは、動画内のカットやディゾルブ、フェード、スライドなどのトランジションを自動検出しタイムスタンプを特定できる軽量AIツールです。モデルサイズはわずか164MBでローカル動作に対応し、Hugging Face Spaceで無料デモも公開されています。
OpenAI、Codex連携仕様「Symphony」公開：課題看板から自律実行、PR数500%増
OpenAI は Codex エージェントのオーケストレーション仕様「Symphony」をオープンソース公開した。Linear などのタスク管理ツールを制御盤とし、起票された課題ごとにエージェントを自律実行させて人間はレビューに専念する。OpenAI 社内の一部チームではマージされた PR 数が 500% 増加した。
復旦大学、テキストからリアルタイムで音声・動画アバターを生成する「Hallo-Live」を発表
復旦大学の研究チームはリアルタイム音声・動画アバター生成フレームワーク「Hallo-Live」を発表した。2 基の NVIDIA H200 で 20.38 FPS、遅延 0.94 秒を達成。テキスト入力から高品質な映像と音声を低遅延で同期生成でき、インタラクティブなデジタルヒューマンの課題を解決する。
Scenema Audio公開：声質と感情を分離、ト書きで演技を指示できる音声クローン
Scenema AIが音声生成モデル「Scenema Audio」をオープンソース公開しました。動画モデルLTX 2.3から抽出され、声の特徴と感情表現を分離。短い音声参照からプロンプトのト書きだけで怒りや方言の変更、台詞の途中での感情変化を表現できます。量子化版は16GB以上のVRAMでローカル実行が可能です。
Alibaba、コーディング特化のオープンソースモデル「Qwen3.6-27B」を公開
AlibabaのQwenチームは270億パラメータのオープンソースモデル「Qwen3.6-27B」を公開した。主要なコーディングベンチマークで巨大な前世代モデル「Qwen3.5-397B-A17B」を上回るスコアを記録したとし、思考モードの切り替えにも対応。ライセンスはApache 2.0を採用している。
OpenAIが「Privacy Filter」公開、個人情報をローカルで検出・マスキング
OpenAIは個人情報を検出・マスキングするオープンウェイトモデル「Privacy Filter」を公開した。総パラメータ数1.5B、アクティブパラメータ数50Mで、最大128,000トークンの文脈に対応する。8つのカテゴリに対応し、データを外部へ送信せず端末内で安全に脱敏処理できる。
Hugging Faceが「ml-intern」公開：論文読解から学習まで自律実行するAI研究員
Hugging Faceは論文調査からデータ収集、モデルのファインチューニングまでを自律的にこなすオープンソースAgent「ml-intern」を公開しました。10時間以内でQwenモデルの科学的推論性能を大幅に引き上げる実力を示しています。
Google、Stitchの「DESIGN.md」仕様を公開：AIがデザイン規則を正しく理解
Google は AI UI デザインツール「Stitch」の DESIGN.md 仕様草案をオープンソース化した。プラットフォーム間でデザインルールを共有可能にし、AI エージェントが配色の意図を把握して WCAG アクセシビリティ基準を満たす UI を生成できるようにする。
Open CoDesign：ローカルで動くオープンソースのAIデザインツール
Open CoDesignは、Claude DesignやFigma AIのローカル代替となるオープンソースのデスクトップアプリです。手持ちのAPIキーやローカルのOllamaを接続し、プロンプトや参考画像からUIプロトタイプやスライドを自動生成し、HTML等で書き出せます。
Moonshot AIが「Kimi K2.6」公開：4000ステップ超の長文コーディングに対応
Moonshot AIはオープンソースのコード特化型モデル「Kimi K2.6」を公開した。4000回以上のツール呼び出しと12時間以上の連続実行に対応し、最大300体の並列エージェントで100以上のファイルを一括処理できる。SWE-Bench Proなどで最高水準を記録し、Hugging Faceで重みも提供中。
プロンプトからWebゲームを丸ごと自律制作、オープンソース基盤「OpenGame」登場
研究チームがテキスト指示からブラウザゲームを自動で構築・テスト・修正できるオープンソースのエージェントフレームワーク「OpenGame」を公開した。過去のテンプレートやデバッグ知見を蓄積して整合性を維持する仕組みで、コードとプレイ可能なデモが提供されている。
LTX HDR LoRA：動画生成を16-bit HDRに引き上げる軽量ツール
Lightricksは動画生成モデルLTX向けにHDR対応IC-LoRAを公開した。約340MBの軽量モデルながら、従来の8-bit SDR出力を16-bit HDRへと拡張し、階調と色彩の再現度を大きく高める。ComfyUI環境にそのまま組み込めるため、映像編集ソフトでの自由なカラーグレーディングが可能になる。
HeyGen、HTMLからMP4動画を作るエージェント向け「HyperFrames」を公開
HeyGenはHTMLをMP4動画に変換するフレームワーク「HyperFrames」をオープンソースとして公開しました。Claude Code内で構築されたエージェント向け仕様で、AIによる動画の自動生成が可能です。公式の発表動画もClaude Code上でこれを用いて作成されました。
Browser Useがvideo-useを公開：Claude Codeで動画編集が可能に
Browser Useは、Claude Codeなどのエージェント向け動画編集ツール「video-use」をオープンソース公開した。大量のフレームを読み込まず、単語単位の文字起こしとオンデマンド画像生成を使い、不要な間や口癖のカット、字幕入れ、色補正まで自動処理する。