MatrAIx：83億のペルソナで人間の行動を再現する評価基盤
研究チームがAIシステム評価基盤「MatrAIx-Persona-8B」のプレイグラウンドとタスクライブラリを公開しました。1290の属性次元を持ち、アンケートやWeb、OSアプリなど4つの環境で多様なユーザーの行動を再現できます。リリース前に集団規模で製品テストを行える点が特徴です。
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
FrontisがOpenRSIを公開：35Bモデルが単体GPUで機械学習を自己改善
Frontisは再帰的自己改善を目指すオープンソース基盤「OpenRSI」とFrontis-MA1モデルを公開した。起草や修正、デバッグなど4つの基本操作で探索ループを構築し、12GB制限のRTX 4090単体でGPT-5.5を超えるMLE性能を達成。「AIがAIを改善する」プロセスを実証可能なエンジニアリングへと落とし込んだ。
VocalRender：歌詞とMIDI音符から48kHzのリアルな歌声を直接合成
オープンソースの歌声合成システム「VocalRender」が公開された。歌詞と MIDI 音符、数秒の参照音声を渡すだけで、タイミング調整なしに 48 kHz の高音質な歌声を生成する。Apache-2.0 ライセンスで推論・学習コードと約 9.5 GB の重み（通常版・Pro 版）が配布されている。
YC、企業向け協調型エージェント基盤「QM」をオープンソース公開
YC は複数人協調型エージェント基盤「QM」をオープンソースで公開した。従来の個人向けアシスタントと異なり、各社員に独立したメモリやサンドボックスを与えつつ、Slack やプロジェクト内で同一 Agent と共同作業できる権限分離の仕組みを提供する。
OpenAIが「Codex Security」をオープンソース化：脆弱性スキャンから修正パッチ生成まで自動化
OpenAIはコードの脆弱性を検出・検証・修正できる「Codex Security」のCLIおよびTypeScript SDKをオープンソース公開しました。リポジトリ全体や差分コードのスキャンに対応し、AIによる修正パッチの自動生成も行えます。ツール自体は無料ですが、スキャンの実行にはOpenAIのAPIキーやChatGPTアカウントの連携が必要です。
ReDesign：1枚の画像を編集可能なレイヤーやベクター構造に復元
ReDesignは、1枚の統合された画像をテキスト、ベクター図形、RGBAレイヤーに分解し、Figmaのように再編集可能な階層構造を復元するツールです。VLMコントローラーがQwen-Image-LayeredやSAM 2を呼び出して画像を段階的に分解し、コードはGitHubで公開されています。
Kimi、2.8兆パラメータのMoEモデル「Kimi K3」をオープンソース公開
Kimiはフラッグシップモデル「Kimi K3」の重みと技術レポートをオープンソース公開した。2.8兆パラメータのMoE構造で、視覚理解と100万トークンのコンテキストに対応する。計算単位あたりの知能が2.5倍向上したほか、エージェント実行基盤などの周辺スタックも同時提供される。
nyra labsが「CrisperWhisper 2.0」公開、文字起こしの逐語・整形を自在に切り替え
nyra labsはオープンソースの音声認識モデル「CrisperWhisper 2.0」を公開した。言い淀みや笑い声を忠実に残す逐語モードと、整形された意図モードを切り替え可能。単語ごとの誤差は30ミリ秒に抑えられ、最小2億パラメータ版はGPUなしでも動作する。
アリババが「Qwen-Audio-Agent」公開：通話しながらAIにタスク実行
アリババがリアルタイム音声ランタイム「qwen-audio-agent」をオープンソース化。全二重の音声通話で自然に割り込みながら、裏でOpenCodeなどのバックエンドAgentにコード修正や検索を非同期で実行させられる。
Google、高精度な3D頭部モデル「GNM」をオープンソース公開
Googleは、人物の顔や頭部をスライダーで精密に設計できる3Dモデル「GNM」をApache 2.0でオープンソース公開しました。目や歯、舌までカバーする600以上の独立パラメータを備え、AI生成でありがちな顔の画一化や口内構造の不自然さを解消します。
スマホ上でLinuxが動くオープンソースAgent「OpenMinis」登場
モバイル向けAIエージェント「OpenMinis」がオープンソースで公開された。iOSやAndroid内にAlpine Linuxのサンドボックス環境を搭載。ユーザーがClaudeやGPTのAPIキーを設定することで、カレンダーやヘルスケアなどの端末機能と連携した自律処理を実行できる。
Netflix、動画スタイル変換「ID-V2V」を公開：顔や表情を崩さず背景を一新
Netflix傘下のEyeline Labsが動画生成フレームワーク「ID-V2V」を発表した。キーフレームを1枚編集するだけで、人物の顔立ちや表情、視線を維持したまま動画全体の照明やスタイルを変更できる。最大720pに対応するが、モデルサイズが約80GBあり高性能なハードウェアが必要となる。
OpenDreamer：マインクラフトの世界を生成・操作できるオープンソース世界モデル
Googleの非公開モデル「Dreamer 4」の再現を目指したオープンソースの世界モデル「OpenDreamer」が公開されました。事前プログラミングなしでキー入力に応じたマインクラフト映像をリアルタイム生成でき、モデル重みや学習コード、単一GPUでの検証手法まで詳細に公開されています。
NVIDIAのファンCEOが初X投稿でオープンAI支持を表明：閉鎖型との共存訴える
NVIDIAのジェンスン・ファンCEOがXへの初投稿で、オープンAIモデルを支持する署名書簡を公開した。ファン氏は、オープンモデルが安全性やサイバー防衛を強化し、各国の主権確保に貢献すると指摘。閉鎖型と開放型の双方が共存すべきだと訴えた。
Andrew Ng氏ら、Mac向けオープンソースAIエージェント「OpenWorker」公開
Andrew Ng氏とRohit Prasad氏はオープンソースのエージェント「OpenWorker」を発表した。対話にとどまらず、報告書の作成やSlack送信、カレンダー更新など実務の成果物を直接仕上げる。ユーザー自身のAPIキーやOllamaによるローカル実行に対応し、重要な操作の前にはユーザーに確認を求める設計となっている。
Jack Dorsey氏、Slack対抗のオープンソースAIチャット「BUZZ」発表
Jack Dorsey氏は人間とAIエージェントのチーム協業を想定したオープンソースのグループチャットプラットフォーム「BUZZ」を発表した。SlackやGitHubへの依存を減らす狙いで、分散型かつ自己主権型、特定モデルに依存しない設計を掲げている。
ABot-World：単一のRTX 5090で動く無限インタラクティブ世界生成
ABot-Worldは、操作入力に応じてリアルタイムに展開する無限の仮想空間を生成できるオープンソースの世界シミュレータです。デスクトップ向けのRTX 5090を1枚使い、720p・16FPS、遅延1.2秒で動作します。コードとモデル重みはApache 2.0ライセンスで完全公開されています。
マイクロソフトがMage Flowをオープンソース化：4B規模で生成と編集を両立、1秒未満で出力
マイクロソフトは画像生成と指示ベースの画像編集に対応するオープンソースモデル「Mage Flow」を公開した。40億パラメータ規模で、多言語テキスト描画やポーズ・輪郭線の制御機能を標準搭載する。4ステップのTurbo版は1024px画像を0.6秒未満で生成でき、主モデルは17.5GBで中〜高位GPUでのローカル動作に対応する。
Poolsideがコード特化MoE「Laguna S 2.1」公開：活性化8Bで超巨大モデルに匹敵
Poolsideはコード生成モデル「Laguna S 2.1」を公開した。総パラメータ118B、推論時の活性化パラメータはわずか8BのMoE構成で、100万トークンの文脈に対応する。思考モード有効時のDeepSWEスコアは40.4%に達し、超大型モデルに匹敵する性能をローカル環境で実現する。重みはすでに公開中。
複数人物・物体の整合性を保つ動画生成モデル「Homie」がオープンソース化
動画生成モデル「Homie」が公開された。複数の人物や複雑な物体の参照画像をもとに一貫した動画を生成でき、多視点画像や OCR 位置指定による文字の再現にも対応。従来のモデルと比べ複雑なデザインでのエラーを大幅に抑えている。