写真から探検可能な3D空間を構築する「InfiniSplat v2」がオープンソース化
複数枚の写真や長尺の走行動画から探索可能な3Dシーンを再構築するモデル「InfiniSplat v2」が公開された。幾何構造と外観の予測を分離することで不正確な領域を抑制し、高精度な描画を実現する。コードと重みが無償公開されており、約6.6GBと軽量なため一般的なコンシューマー向けGPUで動作する。
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
Fish AudioがDrama 3を公開：1つの文章で最大16役を演じ分け
Fish Audioはオープンソースの次世代音声モデル「Drama 3」を公開した。35BのMoEテキスト骨幹を備え、1つの文章内で最大16人のキャラクターの音声を使い分けることが可能。溜め息などの感情表現や、間違えた箇所だけを文脈に合わせて差し替える編集機能も備える。
テンセントら、複数プレイヤーが同期する世界モデル「Multix」をオープンソース公開
テンセントと香港大学の研究チームがマルチプレイヤー対応の世界モデル「Multix」を公開した。各プレイヤーの視点を個別に生成しつつ環境と動作を同期させる仕組みで、階層的通信により計算コストを86％以上削減。4人分のデータ学習のみで最大10人まで拡張できる。
エンジニアがAIでMS Officeを再現：Word・Excel・パワポの代替アプリをオープンソース公開
エンジニアのBrandon Thomas氏が、AnthropicのOpus 5.5を活用してMicrosoft Officeをリバースエンジニアリングし、互換アプリのWordCraft、GridCraft、DeckCraftを公開しました。macOS、Windows、Linuxに対応し基本機能は無料ですが、生成AI機能のみ有料サブスクが必要です。
SkyworkがMatrix Game 4.0を公開：単一GPUで83fpsのリアルタイム3Dゲーム生成
Skywork はリアルタイムで遊べる 3D ゲーム世界モデル「Matrix Game 4.0」をオープンソースで公開した。物理演算をゲームエンジンに任せ、AI が画面をリアルタイムに高精細化することで、単一の消費者向け GPU で最大 83fps を実現。画面の歪みや破綻を防ぎ、自然言語でコードを修正できるエージェントも備える。
d2r-mobile：Switch 版『ディアブロ II』をスマホでネイティブ 60fps 動作
オープンソース互換レイヤー「d2r-mobile」が公開され、ユーザー自身が所有する Switch 版『ディアブロ II リザレクテッド』を iPhone や Android でネイティブ実行可能になった。エミュレータを使わず直接コードを実行し、タッチ操作対応と安定した 60fps 動作を実現している。
NVIDIAが「Stream Render H3」公開：ゲーム画面をAIでリアルタイムに映画級へ
NVIDIA は MiniMax H3 ベースの映像生成システム「Stream Render H3」をオープンソースで公開した。ゲームエンジンが生成した簡易マップから AI がリアルタイムに高品質な描画を行う。ただしリアルタイム動作には 8 基の GP200 GPU と 200GB 以上の容量が必要となる。
UniForge 3Dがオープンソース化：数枚の写真から死角まで補完した3Dモデルを生成
わずか数枚の写真から完全な3Dアセットを復元・生成する「UniForge 3D」のコードとモデルが公開された。可視部分の精密な再構成と未撮影部分の生成補完を同時に走らせることで、元の質感を保ちながら欠損領域をきれいに埋められる。
Pure：普通の動画から動的な3D空間を丸ごと再構築するオープンソースモデル
3D再構築モデル「Pure」がオープンソースで公開された。高価な3Dアノテーションを使わず、一般的な動画から深度や物体の動きを抽出して事後学習し、動的な3Dシーンを復元する。モデル容量は13.2GBとコンパクトで、訓練スクリプトも同梱されており、ローカル環境で手軽に動かせる。
Harness²：モデルの重みを変えずにエージェントを進化させるGoogleのOSS
Google Researchはエージェント最適化フレームワーク「Harness²」をオープンソース公開した。モデルの重みを変更せず、プロンプトやツールガイドなど8つの周辺コンポーネントを2層の再帰構造で自動調整し、Gemini 3.5 Flashなどの性能を最大11.5ポイント引き上げる。
オープンソース「REA」登場：リバースエンジニアリングを MCP 経由で AI エージェントに統合
リバースエンジニアリングを AI エージェントから呼び出せるオープンソースツール「REA」が公開された。ネイティブバイナリや Electron、APK などをローカル環境で解析し、推測ではなくアセンブリや呼び出し履歴などの証拠を添えて結果を提示する。
CopilotKit、ChatGPT風の動的UIを自作アプリに組み込める「Open Intelligent UI」をOSS公開
CopilotKitはChatGPTの動的UI機能を自社アプリに導入できるOSS「Open Intelligent UI」を公開した。エージェントがタスクに応じて既存コンポーネントやサンドボックス内での動的UI生成を使い分ける。OpenAIに縛られず、独自デザインを保ったまま生成UIを導入できるのが特徴だ。
Metaが「GenIA」を発表：画像や動画から整合性の高い3Dモデルを再構築
Metaは画像や動画から完全な3Dオブジェクトを生成する「GenIA」を発表した。SAM 3Dをベースに生成結果と元画像をリアルタイムで照合・補正する仕組みを取り入れ、外観や位置の再現度を高めている。非商用ライセンスでコードが公開されており、ローカル環境で実行できる。
オープンソースのAI作曲ソフト「Tonefold」登場、全音符をピアノロールで自由に編集可能
オープンソースのAI音楽制作ソフト「Tonefold」がリリースされた。ClaudeやローカルのOllamaを使い、テキスト指示から和音やメロディなど11種類トラックを自動生成する。完成音源ではなくピアノロール上にノートとして書き込まれるため、1音単位での手動修正やMIDI書き出しが可能だ。
Claude Opus 5.5でAdobe全ツールを再現、7つのオープンソースRust代替アプリが登場
開発者のBrandon Thomas氏がAnthropicのClaude Opus 5.5を活用し、PhotoshopなどAdobeの主力7製品をRustでゼロから再現したオープンソース代替スイートを発表した。MIT/Apacheライセンスでローカル稼働に対応。複雑なPSD互換やプラグイン対応には課題が残るものの、商用ソフトの代替として注目を集めている。
Liquid AI、エッジ向け意思決定モデル「d1-3B」をオープンソース公開
Liquid AIはマルチモーダル意思決定モデル「d1-3B」をオープンソースで公開した。テキスト生成を行わず、分類や評価などの判定に特化した設計で、RTX 4090で8ミリ秒、Jetson Orin Nanoでも50ミリ秒という超高速な単一パス応答を実現している。
MusubiがPolicyLM-1.7Bをオープンソース公開：独自ルールを即時反映、判定は100ms未満
Musubiがコンテンツモデレーション用分類モデル「PolicyLM-1.7B」をApache 2.0でオープンソース公開しました。メッセージごとに独自の運用ポリシーを直接読み込んで判定するため再学習が不要で、L4 GPU上の中央値35msで動作し、リアルタイムチャットの監視やAIガードレールに適しています。
Google、端末向け多面埋め込みモデル「EmbeddingGemma 2」をオープンソース公開
Googleは7.4億パラメータの端末向けマルチモーダル埋め込みモデル「EmbeddingGemma 2」をApache 2.0で公開した。テキスト、コード、画像、音声、動画を同一空間に統合。Pixel 11 Pro上なら567MBのRAMで動作し、完全オフラインな検索やRAGをローカル環境で構築できる。
テキストから人体動作を生成する「MSFlow」公開 関節の固定制御にも対応
テキストから人体動作を生成するオープンソースモデル「MotionSpaceFlow」が公開された。モデルサイズは約 1.1GB で、一般的な GPU で動作する。最大の看点は、追加学習なしで特定の関節やフレームの位置を固定し、その制限に合わせた動作を自動生成できる点だ。
Reflection AI、501Bオープンモデル「Beam」発表 推論負荷を大幅削減
Reflection AIはコーディングや自律エージェント向けオープンモデル「Beam」を発表した。総パラメータ501B、活性23BのMoE構成で、10.5K基のNVIDIA GB300による大規模強化学習を実施。GLM 5.2匹敵の性能を3〜4倍低い推論コストで実現する。今月中に重みを公開予定。