Grok 1.5にMidjourney連携の兆候、コード内から記述が発覚
xAIが開発するGrokのスタンドアロン版コード内から、Midjourneyへの参照記述が見つかった。以前噂されていた提携交渉を裏付ける形で、Grok 1.5がAPI経由でMidjourneyの画像生成機能を取り込む可能性が出ている。さらに画像アップロードによる視覚機能の準備も確認されている。
AIモデル · デイリー
金
6月21日 金曜日
木
6月20日 木曜日
AnthropicがClaude 3.5 Sonnetを発表：Opus超えの知能を2倍の速度で、新機能Artifactsも登場
Anthropicは新モデル「Claude 3.5 Sonnet」をリリースしました。前世代の最上位モデルOpusを上回る推論・コーディング性能を2倍の速度かつ中位モデルの価格で提供し、リアルタイムでコードやUIをプレビュー・編集できる新機能「Artifacts」も導入しています。Claude.aiやAPIで既に利用可能です。
木
5月30日 木曜日
Claude 3のツール利用機能が正式提供開始、外部API呼び出しに対応
AnthropicはClaude 3全モデルでツール利用（Tool use）の一般提供を公式API、Amazon Bedrock、Vertex AIで開始しました。自然言語の指示から外部APIを実行し、データ抽出やタスク自動化が可能です。Opusでは思考プロセスを可視化するタグも追加されましたが、現時点で並列呼び出しには非対応です。
水
5月29日 水曜日
Mistral AI、初のコード特化モデル「Codestral」公開 22Bで32k文脈対応
Mistral AIは初のコード特化型生成モデル「Codestral」を発表した。220億パラメータの規模で32kトークンのコンテキストに対応し、80以上の言語とコード途中補完をこなす。最注目は低遅延とコード補完性能の両立だ。重みは研究向けに公開され、8週間の無料APIも用意される。
火
5月21日 火曜日
MetaがChameleonを発表：画像とテキストを交錯生成するネイティブマルチモーダルモデル
Metaはネイティブマルチモーダルモデル「Chameleon」を発表した。画像とテキストを共通の離散トークンとして扱い、同一モデル内で自由な交錯生成を可能にする。34BモデルはVQAなどで高い性能を示しているが、現時点では重みは公開されていない。
Microsoft、軽量モデル「Phi-3」を提供開始 42億パラメータの視覚版も披露
Microsoftは軽量AIモデル「Phi-3」ファミリーを開発者向けに一般提供し、「Phi-3-mini」をAzure AIに追加した。あわせて、チャートや画像推論に対応する42億パラメータのマルチモーダルモデル「Phi-3-vision」のプレビューも公開し、オンデバイスAI展開を視野に入れている。
火
5月14日 火曜日
Google、教育特化モデル「LearnLM」発表：答えを教えず自考を促すAI家庭教師
GoogleはGeminiをベースに教育科学の知見を取り入れてファインチューニングしたモデル群「LearnLM」を発表した。単に答えを出すのではなく、学習者の能動的な理解を深める設計で、検索やYouTubeの動画質問機能、Geminiの学習コーチに順次組み込まれる。
GoogleがGPT-4o対抗のマルチモーダルAIを予告、カメラで周囲をリアルタイム認識
GoogleはGoogle I/O 2024の基調講演を前に、Android上で動作する未発表のマルチモーダルAIインターフェースの予告動画を公開した。カメラ越しに周囲の状況をリアルタイムで把握し質問に答える様子が示されており、発表されたばかりのGPT-4oに即座に対抗する姿勢を見せている。
月
5月13日 月曜日
OpenAIがGPT-4oを発表：音声・視覚・テキストをリアルタイム処理
OpenAIは新フラッグシップモデル「GPT-4o」を発表した。音声、画像、テキストを単一モデルで直接処理し、平均320ミリ秒の高速音声対話を実現。無料ユーザーを含むChatGPT全体やAPIで順次提供される。
月
5月6日 月曜日
マイクロソフト、5000億規模の独自AI「MAI-1」開発か
米メディアの報道によると、マイクロソフトはパラメータ数約5000億の大規模言語モデル「MAI-1」を社内開発中だという。3月に合流した元Inflectionのムスタファ・スレイマン氏が主導する。OpenAIへ100億ドル超を投じて以来初の本格的な独自モデル開発となり、OpenAI一本足打法からの脱却を狙う。
水
4月24日 水曜日
SenseTimeが「SenseNova 5.0」発表、20万文脈長と端末側AIを強化
SenseTimeは大型モデル「SenseNova 5.0」と端末向け製品群を発表した。10TB超のトークンで訓練され、約20万の有効文脈長に対応する。MMBench総合スコアで首位を獲得したほか、端末向けモデルはフラッグシップ機で毎秒78.3語の推論速度を実現している。
火
4月23日 火曜日
マイクロソフト、38億パラメータの小型AI「Phi-3 Mini」を公開
マイクロソフトは軽量言語モデル「Phi-3 Mini」を公開した。パラメータ数は38億で、絵本のような合成データで訓練され、GPT-3.5匹敵の性能を持つという。スマートフォンやノートパソコンでの動作に向き、Azure、Hugging Face、Ollamaで利用可能だ。
木
4月18日 木曜日
Meta、オープンLLM「Llama 3」を公開 8Bと70Bの2サイズ、15兆トークンで学習
Metaは次世代オープンLLM「Llama 3」を公開した。8Bと70Bの2サイズでベースおよび指示調整モデルを提供し、15兆以上のトークンで学習されている。8B版は民生用GPUでも動作や微調整が可能。オープンソースAIの新たな基準となる一方、現時点のコンテキスト長は8kトークンにとどまる。
金
4月12日 金曜日
Grok初のマルチモーダルモデル「Grok-1.5V」公開、空間理解を強化
初のマルチモーダルモデル「Grok-1.5V」のプレビューが公開された。テキストに加え文書や図表、写真の認識に対応する。現実世界の空間理解を測る新ベンチマーク「RealWorldQA」では68.7%を記録し、主要モデルを上回った。早期テスターや既存ユーザー向けに近日提供される。
火
4月9日 火曜日
OpenAI、「GPT-4 Turbo」を大幅刷新 画像認識でJSONモードに対応
OpenAIは大幅に改善された「GPT-4 Turbo」のAPI提供を開始し、ChatGPTへの展開も進めていると発表した。画像認識機能を持つ「GPT-4 Turbo with Vision」が一般提供となり、画像リクエストでもJSONモードや関数呼び出し（Function Calling）が使えるようになった。
月
4月1日 月曜日
OpenAI、ChatGPTをアカウント登録不要で即時利用可能に
OpenAI はアカウント作成やログインを行わずに ChatGPT を即座に利用できる新仕様を発表した。段階的に提供が始まっており、未ログイン状態でも設定から対話履歴の学習利用を拒否できる。生成 AI に触れるハードルが一気に下がった。