ByteDanceが全モーダル動画編集「Bernini 2」をOSS公開、モデル単体で180GB
ByteDanceは自然言語で既存動画を編集できるオープンソースモデル「Bernini 2」を公開した。カメラアングルの変更や背景の差し替え、新規オブジェクトの挿入に対応する。意味プランナーと拡散レンダラーを組み合わせた構成だが、モデル単体で180GBあり、ローカル環境での実行ハードルは極めて高い。
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
DeepSeek、エージェント基盤「DeepSeek Harness」をオープンソース公開
DeepSeekはエージェントフレームワーク「DeepSeek Harness（dsh）」をオープンソース公開した。「すべてがプラグイン」というCordisベースの設計を採用し、Web UIも標準で付属する。現在は開発者プレビュー段階にあり、破壊的変更も予想される。
Xiaomiが「MiDashengLM-Gen」を公開：音声・音楽・環境音をまとめて一括生成
Xiaomiの研究チームは統合オーディオシーン生成モデル「MiDashengLM-Gen」をApache 2.0で公開した。構造化プロンプトから話者の音声、BGM、効果音、環境音を1つの16kHz音声として同時に生成できる。バックボーンにQwen3-1.7Bを採用している。
オープンソースの世界モデル「Evoke」登場：14Bモデルが画像と操作からリアルタイムに世界を生成
インタラクティブ世界モデル「Evoke」が完全オープンソースで公開された。画像1枚とジョイスティック操作を入力するだけで、わずか3ステップで操作に即座に応答する動画を生成できる。パラメータ数は140億で、コードと重み（約57GB）はGitHubで提供されている。
NVIDIAがNemotron 3.5 Lightning公開：常駐エージェント実行に特化した30B MoE
NVIDIAはオープンモデルNemotron 3.5 Lightningを発表した。総パラメータ30B・活性3BのMoE構成で、ツールの呼び出しや検証など高頻度の実行タスクに特化。PinchBenchではQwen3.6 35Bより30%高速にタスクを処理する。
オープン動画モデル「LTX-2.5」公開：10秒映像を6.8秒で生成、ComfyUIに統合
LTXがオープンウェイトの動画生成モデル「LTX-2.5」を公開した。Nvidia GB200スーパーチップ2基のローカル環境で、10秒の720p動画を6.8秒で生成する。ComfyUIにネイティブ対応し、年間経常収益1000万ドル未満の組織は商用利用も含め無料で利用できる。
HKUDSがAutoSwarmをOSS化：Claude CodeやCursorなど複数AIを連携
香港大学HKUDSがマルチエージェント協調フレームワーク「AutoSwarm」をオープンソース公開しました。Claude CodeやCodex、Cursorなど分断されたエージェント間で文脈や記憶を共有し、タスクを並列分担して回答を1つに統合します。主要OSのCLIやIDE拡張に対応します。
Cactusが超小型モデル「Needle 2」発表：45Mパラメータ、28MBメモリで動作
Cactusが4500万パラメータの超軽量モデル「Needle 2」を公開しました。バイナリサイズは14MB、メモリ消費は約28MBでGPUも不要です。Raspberry Pi 5や格安スマホなどの小型端末で、オフラインでのツール呼び出しや端末制御を高速にこなせます。
IndexTTS 2.5が公開：日英中など5言語に対応、感情制御と高速推論を実現
オープンソースの音声合成モデルIndexTTS-2.5が公開された。日本語、中国語、英語、スペイン語、アラビア語の5言語に対応し、数秒の参照音声から高精度にクローン可能。vLLMによる本番環境デプロイにも対応する。
Meta、30Bの端末向けエージェントAI「Muse Glimmer」をオープンソース公開
Metaは300億パラメータの自律エージェント向けモデル「Muse Glimmer」をApache 2.0で公開した。4ビット量子化により20GB未満に収まり、消費者向け単一GPUやMacで動作する。ツール呼び出しや画像理解に対応し、ネット接続なしでローカルに常駐エージェントを動かせるのが強みだ。
テンセント、マルチエージェント対応のローカルAI基盤「Octop」をOSS公開
Tencentがセルフホスト型AIアシスタント基盤「Octop」をオープンソースで公開した。単一プロセスでWebダッシュボードやcron自動化を起動でき、微信（WeChat）やDiscordなど複数チャネルと直接連携。複数の専門エージェントを協調させつつ、全データをローカルに保持できる。
Google DeepMindがWeatherNextを公開：熱帯低気圧の予測リードタイムを1日延長
Google DeepMindは熱帯低気圧の進路や強度を高精度に予測するWeatherNextを発表し、モデル重みをオープンソース化した。従来の2日先と同等の精度を3日先まで伸ばし、単一のTPU上で15日分の予測を1分足らずで生成できる。
自然言語から3D CADモデルを自動生成するオープンソース「MAC」
自然言語から編集・印刷可能な3D CADパーツやアセンブリを生成できるオープンソースフレームワーク「MAC」v2が公開された。マルチエージェント協調と検証ループにより、従来手法比でトークン消費を最大116分の1、コストを13分の1に削減。STEP、STL、URDF出力に対応する。
Prime Intellect、自己改善型エージェント「Prime Agent」をオープンソース公開
Prime Intellectはプログラミングや長期自律タスク向けの自己改善型フレームワーク「Prime Agent」をオープンソース公開した。コンテキストを変数として扱い、永続的なPython環境から子エージェントを呼び出しつつ、実行履歴からプロンプトやスキルを自動更新して継続的に進化する。
JDが「JoyAI-Video-Edit」公開：指示文で720p動画をリアルタイム編集
JDがリアルタイム動画編集モデル「JoyAI-Video-Edit」をオープンソース公開した。16Bパラメータの自己回帰拡散モデルを採用し、自然言語の指示でWebカメラ映像や動画の服装変更・物体除去を即時反映できる。720pで30FPS、RTX 5090単体でも24FPSで動作する。
NVIDIA、自動運転推論モデル「Alpamayo 2 Super」の商用利用を解禁
NVIDIA は自動運転向けオープン推論モデル「Alpamayo 2 Super」を商用利用可能な OpenMDW-1.1 ライセンスで公開した。Cosmos 3 をベースに開発され、LingoQA ベンチマークで GPT-4o を 23.2 ポイント上回る。全方位カメラの映像から走行軌道や因果関係の思考プロセスを出力でき、自動ラベリングにも対応する。
GensparkがAIオフィス製品「GenOffice」をオープンソース化、1人のエンジニアが1週間で開発
GensparkはPCおよびMac向けの無料AIオフィススイート「GenOffice」のAlpha版をオープンソースで公開した。文書、表計算、スライド、PDF編集に対応し、自社Super Agentがリサーチや資料作成を代行する。1人のエンジニアが1週間、約1万ドルのトークンを使って構築したという。
LongHorizon-Harness：AIエージェントの長大タスクでの「脱線」を防ぐ新フレームワーク
LongHorizon-Harnessが公開された。タスク管理、実行、独立監査の3役に分離し、実行役は単一タスクごとに文脈を破棄し、実環境を検証した監査役のみが進捗を記録する仕組み。WeaveBenchではQwen 3.7-Plusの通過率が51.8%から80.7%へ大幅に改善した。
endless-frontierがBigBang-v1公開：AIが自ら難問を作り自己進化
endless-frontierがHugging Faceで言語モデルBigBang-v1を公開した。Qwen 3.6 35B-A3Bをベースに、生成と批評のエージェントが約1万件の高度な科学課題を自動生成して後学習に活用。小規模データながら科学研究などのベンチマークで巨大モデルに迫る成果を示している。
DeepSeekが「V4-Flash」正式版を公開、上位Pro版をAgent性能で圧倒
DeepSeekは「DeepSeek-V4-Flash-0731」をMITライセンスで正式公開した。DSpark投機的デコーディングモジュールを標準搭載し、事後学習の強化によって大型のV4-Proプレビュー版をAgent指標で逆転。vLLMやSGLangによるローカル配備に対応する。