Google DeepMindがDetectorScope公開:AI判定の根拠と該当箇所を可視化
Google DeepMind は AI テキスト検出ツール「DetectorScope」をオープンソースで公開した。従来のブラックボックスなスコア提示とは異なり、判定理由を自然言語で説明し、根拠となったテキスト箇所を直接ハイライト表示できる。
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。
Google DeepMind は AI テキスト検出ツール「DetectorScope」をオープンソースで公開した。従来のブラックボックスなスコア提示とは異なり、判定理由を自然言語で説明し、根拠となったテキスト箇所を直接ハイライト表示できる。
Alpha Innovatorは科学研究向けに最適化された350億パラメータのMoEモデル「Sage A1.5」を公開した。複数エージェントが協調して分子設計やデータ分析、引用付きレポート作成をこなすほか、推論途中で自律的に自己修正を行う。フル版は約72GB、最小のQ4 GGUF版は22GBで提供される。
テンセントは自然言語やカメラ操作でリアルタイムに探索できる動画世界モデル「Hy-Nomas」をオープンソース公開した。720p/24fpsの映像を生成しながら過去の記憶を保持してシーンの一貫性を保ち、9GBの蒸留版なら単一のRTX 4090で動作する。全コードと重みがApache 2.0で提供される。
今週、Underdogが音声認識モデル「Bark 3.0」をHugging Faceで公開した。サイズはわずか163MBながら、Apple Silicon上で5分の音声を半秒で処理できる。Whisper Largeを上回る精度を誇り、不要な相槌を自動除去するバージョンも用意されているが、現在は英語のみの対応となる。
オープンソース動画モデルMiniMax H3向けの高速化技術「Fast H3 Omni」が公開された。参照素材からの生成に特化して一貫性を保ちつつ、サンプリングを従来の50歩から8歩へ短縮し、最大12倍の高速化を実現。ComfyUIやApple Silicon対応版も提供されている。
3Dキャラクターアニメーションの制作を簡略化するツール「GaussiAnimate」のコードが公開された。内部の骨格と柔軟な表面構造を組み合わせることで、従来の剛性ボーンでは難しかった衣服や動物の複雑な軟体変形を自然に再現できるのが特徴だ。
Ant Group は音声合成モデル「Ming 3.0 TTS」を MIT ライセンスでオープンソース公開しました。自然言語によるトーン調整や音声クローンに対応し、約 3GB の軽量版は一般向け GPU で動作します。
単一のキャラクター画像から、スプリングボーン入りの3Dヘアカードを生成できるモデル「HairDeck」がオープンソースで公開されました。生成速度は約1秒と従来手法より33倍高速で、そのままVRM形式で書き出せます。モデルサイズは約2.45GBと軽量で、一般的なGPUでも物理演算対応の髪を作成可能です。
中国の小中学校数学カリキュラムを体系化したナレッジグラフ「cn-math-taxonomy」がオープンソースで公開された。531の知識ノードと909の依存関係、2271問の診断問題を収録し、AIが学年を越えてつまずきの原因を逆引きできる。非商用利用は無料、商用利用は要ライセンス。
複数のAIエージェントを束ねて協調動作させるオープンソースフレームワーク「AutoSwarm」が公開された。CodexやClaude Codeなどの既存ツールの上位レイヤーとして機能し、コンテキストを共有しながらタスクを並列処理できる。ツール間を行き来して手動で結果を移す手間がなくなり、1つの指示で複数のAIがチームとして動く。
開発者のGathin23がオープンソースプロジェクト「CleanYourTV」を公開しました。Claude CodeなどのAIアシスタントを活用し、同一Wi-Fi経由のADBデバッグだけで、root化不要でAndroid/Google TVの広告や不要アプリを停止できます。Apple TV風の軽量ランチャーに置き換えられ、元に戻すのも簡単です。
Perplexityはマルチモーダル意思決定モデル「pplx-decider-flash-v1.2」(4B)と「pplx-decider-v1.2」(27B)をオープンソース公開した。価格は百万トークンあたり1セントおよび2セントで、推論速度は最大5倍に向上した。重みはHugging Faceで提供され、APIからも利用できる。
OpenMOSS は 50 億パラメータの軽量画像生成モデル「MOSS-Image」を公開した。境界ボックスによる構図制御や正確な文字描画に対応し、Transformer 部分は約 10GB で民生用 GPU でも動作する。ただし現状はテキスト生成のみで、自然言語による画像編集には非対応だ。
Tencentは異なるAI Agent間で記憶を共有できる「Hy-Memory 2.0」をオープンソース公開した。専用30Bモデルと連携アプリ「MemHub」を提供し、CursorやCodex間で作業文脈を引き継げる。ツールを切り替えるたびに前提を説明し直す手間が省ける。
DeepSeekはDeepSeek-V4.1-Flashを支える推論基盤「DeepInfer」をオープンソース公開した。NVIDIA SM100に加えHuawei Ascend 950 NPUにも対応し、NVIDIA製GPUなしでの配備を可能にする。完全な運用にはKVキャッシュの別途構築が必要だが、脱NVIDIAの選択肢として注目される。
コーディングエージェント向け音響ツール「Earshot」がオープンソースで公開された。AIが映像やゲームの音声を分析し、画面とのズレや意図との一致を判定してコードで自動修正できる。CPU上で動作し、人間が手作業で試聴・調整する手間を大幅に削減する。
NVIDIAはエージェントAI向けモデル群「Nemotron 3.5」を発表した。120Bパラメータの「Super VL」は同級モデルと比べ最大5倍のスループットを誇る。さらに2ビット量子化で24GBメモリ環境でも動く「Bolt 74B-A9B」も公開し、企業が高度なエージェントをローカルで安全に運用できるようにする。
Black Forest Labsは5.6Bパラメータの画像生成モデルFLUX 3 Image Kleinの重みをオープンソースとして公開しました。ネイティブ4K生成や高精度編集に対応し、INT8版により8GBのGPUメモリ環境でもローカル実行できます。
Metaは総パラメータ数816B(アクティブ42B)、1Mコンテキストを備えるオープンモデル「Muse Spark Open」を公開した。最大の注目点は、MLXを用いて2台のApple M5 Ultra Mac Studio上で完全にローカル動作し、高度なコーディングやエージェント処理をこなせる点だ。
AI長尺動画の一貫性を保つオープンソースフレームワーク「Any Time, Any Space」が公開された。シーンを3D再構築して記憶に保持することで、カメラが戻っても元の部屋を忠実に再現する。Wanなど複数の動画生成モデルに対応し、ローカル環境で動作する。