上海AIラボ、画像生成・編集・全視覚理解を統合した「InternLumina-U2」をOSS公開
2026年10月、上海人工知能研究所がInternLumina-U2のモデル重みと学習コードを公開した。総パラメータ169億（活性化約14億）の拡散MoE構成で、テキスト対話から画像生成・編集、動画や3D理解までを単一モデルでこなす。
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
Anthropic、EC向けAIエージェントのオープンソース実装を公開
AnthropicはClaudeを活用したEC向けエージェント基盤「commerce-agents」をGitHubで公開した。顧客向けの買い物支援と運営スタッフ向けの店舗管理という2つのAgentを備え、4つの業界例を収録。勝手に決済や出品変更を行わない承認ゲートも組み込まれている。
Perplexityが「PII-Tracer」公開：0.6Bの軽量モデルで端末内プライバシー保護
Perplexityは多言語・長文対話向けの個人情報検出ベンチマーク「PII-TRACE」と0.6Bのローカル検出モデル「PII-Tracer」を公開した。Mac上でのハイブリッド推論向けに設計され、クラウド送信前に機密情報を検知・匿名化する。複数ターンにまたがる個人情報の検出率で既存モデルを上回った。
Googleが「TimesFM 3.0」公開、多変量時系列予測に対応し1GBのVRAMで動作
Google Researchは時系列基盤モデル「TimesFM 3.0」を公開した。従来版と異なり、複数の関連データと既知の未来イベントを組み合わせた多変量予測にネイティブ対応。ゼロショット予測が可能で、1GBのVRAM環境でも動作する。非商用ライセンスで提供される。
Viggle、動画の1フレームを描き換えるだけで全編キャラ置換できる「Viggle-Animate」をオープンソース公開
Viggleは動画キャラクター置換モデル「Viggle-Animate」を公開した。骨格推定やマスク、顔トラッキングなどの前処理を一切使わず、動画と描き換えた1フレームを入力するだけで新キャラに動作を反映する。B200 GPU1基で124フレームを26秒でレンダリング可能。
「OpenClaw 2.0」公開、ブラウザ版刷新やチーム向け共有セッションに対応
オープンソースのAIプラットフォーム「OpenClaw」がバージョン2.0を公開した。ブラウザアプリを一新したほか、既存のChatGPTやClaudeの契約やAPIキーを使って導入を簡素化。文脈を保持したまま複数人で共同作業できるクラウド共有セッション機能も導入された。
ZAI、7530億パラメータのフル版「GLM-5.3」をオープンソース公開
ZAIが7530億パラメータのテキスト特化型オープンモデル「GLM-5.3」の重みをHugging Faceで公開した。前世代と同じベースモデルを採用しつつ、事後学習のみでコーディングやエージェント処理性能を大幅に引き上げた。コミュニティによる量子化版を使えばローカル環境のマルチGPUでも稼働できる。
テンセント、770Bのオープンソースモデル「Hy4 preview」公開：実務特化と自己改善ループが強み
テンセント・混元は総パラメータ770B・アクティブ49B、コンテキスト長1Mの新世代モデル「Hy4 preview」をオープンソース公開した。プログラミングや財務などの実務現場向けに最適化され、訓練や演算子最適化をモデル自身が関与して改善するループを導入。元宝やWorkBuddyで提供が始まっている。
「Code World Model」公開：コード生成AIが状態を保持し、破綻しない動画世界を実現
研究チームが「Code World Model」を発表しコードを公開した。世界のルール更新と映像生成を分離し、コーディングエージェントが背後でコードを書いて永続的な世界状態を管理し、微調整済み MiniMax-H3 が映像をレンダリングする。AI が物体の位置や過去の出来事を忘れず、長期的に一貫した世界をシミュレートできる。
BreezeBlueが「Breeze-TTS-2」公開：初動40ms未満、テキスト指示で声質を設計
BreezeBlueが音声合成モデル「Breeze-TTS-2」の重みと推論コードを公開した。日英両言語に対応し、H100環境で初動レイテンシ40ms未満を実現する。音声参照なしにプロンプトだけで声質を生成できるほか、テキスト内に笑いやため息などの感情表現を挿入可能。コードはApache 2.0、重みは研究・非商用限定。
崩れた3Dレンダリングを修復、動画AIを活用する「FixAnything」公開
研究チームが3Dレンダリングの不具合を修復するAI「FixAnything」をオープンソース公開した。3DGSやNeRFの視点変更で生じる穴や浮遊ノイズを、動画拡散モデルの先見性を活かして補正し、整合性の取れた滑らかな動画を生成する。
1本の通常動画から4Dキャラを生成 オープンソース「4DAnyone」公開
単眼の人物動画から自由な角度で観察できる4Dガウシアンスプラッティングモデルを再構成する「4DAnyone」が公開された。3D骨格情報を用いて多視点映像を補完し、従来手法より高い一貫性を実現。コードと約12GBのモデルが提供されている。
オープンソースMacアプリ「OpenHistory」登場：ローカルAIで日報を自動作成
オープンソースのMacアプリ「OpenHistory」が公開された。端末内のローカル推論を活用して作業履歴を自動記録し、1時間ごとや1日単位のAI要約を作成する。データは端末内に保持され、安全なMCP経由でローカルエージェントとも連携可能だ。
Magiviz：脚本から動画完成まで全自動化するオープンソース AI 映像スタジオ
ItusiAI は AI 動画制作プラットフォーム「Magiviz」をオープンソース公開しました。脚本作成からキャラクター設計、絵コンテ、動画生成、結合までの 5 段階パイプラインを備え、Veo や Kling など複数モデルに対応。Stripe 決済やユーザー管理も内蔵され、API キーを設定すれば商用運用も可能です。
わずか1.7GBの超小型音声合成「Audio8TS」、数秒の音声でローカル声クローン
超軽量テキスト読み上げモデル「Audio8TS」が公開された。パラメータ数は約 1 億、モデル全体で 1.7GB に収まり、わずか数秒のリファレンス音声から声質を再現できる。ONNX INT8 形式も用意され、一般的な PC の CPU でも手軽にローカル音声クローンを動かせる。
Block、デスクトップ向けAgent作業環境「Berd」をオープンソース公開
Blockは、デスクトップ向けAgent統合環境「Berd」をオープンソースで公開した。会話やファイル、スキル、個別の人格を持つ複数Agentを永続的なキャンバス上にまとめ、ローカルのフォルダやリポジトリと連携しながら作業を進められる。チャットの域を超えて実用的なタスクをこなす自律環境として注目される。
音声Agent向け記憶システム「VoiceMem」公開：左脳と右脳で感情と事実を分離
音声Agent向け長期記憶システム「VoiceMem」がオープンソースで公開された。事実を扱う「左脳」と感情・好みを追跡する「右脳」に分離し、ユーザーが話している間に先回りして検索する。応答遅延は134ミリ秒にとどまり、会話中の不自然な停止を防ぐ設計が施されている。
yetoneがCumoraをオープンソース化：AIが同僚のように自律して働くコラボツール
yetoneはマルチエージェント協調型チャットツール「Cumora」をオープンソース公開した。指示待ちのボットとは異なり、AI自身がアイデンティティと記憶を持ち、カンバンタスクの引き受けやメール送受信、エージェント同士の会議を自発的にこなす。人間とAIが対等な同僚として同じ画面で働けるのが特徴だ。
アリババのQwen、世界30億ダウンロード突破でMetaやGoogle超え首位に
Hugging Faceのレポートによると、アリババのQwenシリーズは過去半年の世界ダウンロード数が30億回を突破し、MetaやGoogleを抜いてオープンモデル首位となった。2026年のGoogleは4億1800万回、Metaは2億2700万回だった。Qwenは460以上のモデルを公開し、派生モデルは30万件を超えている。
アリババ、Apache 2.0で「Qwen3.8-27B」の重みをオープンソース公開
アリババはネイティブマルチモーダルモデル「Qwen3.8-27B」の重みをApache 2.0ライセンスで公開した。27BパラメータでQwen3.7-Plusを上回り、262Kのネイティブコンテキスト（YaRNで最大1M）に対応する。MaxレベルのQwen3.8-2.4T-A95Bも公開中だ。