Alibaba、コーディング特化のオープンソースモデル「Qwen3.6-27B」を公開
AlibabaのQwenチームは270億パラメータのオープンソースモデル「Qwen3.6-27B」を公開した。主要なコーディングベンチマークで巨大な前世代モデル「Qwen3.5-397B-A17B」を上回るスコアを記録したとし、思考モードの切り替えにも対応。ライセンスはApache 2.0を採用している。
オープンソース · デイリー
水
4月22日 水曜日
OpenAIが「Privacy Filter」公開、個人情報をローカルで検出・マスキング
OpenAIは個人情報を検出・マスキングするオープンウェイトモデル「Privacy Filter」を公開した。総パラメータ数1.5B、アクティブパラメータ数50Mで、最大128,000トークンの文脈に対応する。8つのカテゴリに対応し、データを外部へ送信せず端末内で安全に脱敏処理できる。
Hugging Faceが「ml-intern」公開：論文読解から学習まで自律実行するAI研究員
Hugging Faceは論文調査からデータ収集、モデルのファインチューニングまでを自律的にこなすオープンソースAgent「ml-intern」を公開しました。10時間以内でQwenモデルの科学的推論性能を大幅に引き上げる実力を示しています。
火
4月21日 火曜日
Google、Stitchの「DESIGN.md」仕様を公開：AIがデザイン規則を正しく理解
Google は AI UI デザインツール「Stitch」の DESIGN.md 仕様草案をオープンソース化した。プラットフォーム間でデザインルールを共有可能にし、AI エージェントが配色の意図を把握して WCAG アクセシビリティ基準を満たす UI を生成できるようにする。
Open CoDesign：ローカルで動くオープンソースのAIデザインツール
Open CoDesignは、Claude DesignやFigma AIのローカル代替となるオープンソースのデスクトップアプリです。手持ちのAPIキーやローカルのOllamaを接続し、プロンプトや参考画像からUIプロトタイプやスライドを自動生成し、HTML等で書き出せます。
月
4月20日 月曜日
Moonshot AIが「Kimi K2.6」公開：4000ステップ超の長文コーディングに対応
Moonshot AIはオープンソースのコード特化型モデル「Kimi K2.6」を公開した。4000回以上のツール呼び出しと12時間以上の連続実行に対応し、最大300体の並列エージェントで100以上のファイルを一括処理できる。SWE-Bench Proなどで最高水準を記録し、Hugging Faceで重みも提供中。
プロンプトからWebゲームを丸ごと自律制作、オープンソース基盤「OpenGame」登場
研究チームがテキスト指示からブラウザゲームを自動で構築・テスト・修正できるオープンソースのエージェントフレームワーク「OpenGame」を公開した。過去のテンプレートやデバッグ知見を蓄積して整合性を維持する仕組みで、コードとプレイ可能なデモが提供されている。
LTX HDR LoRA：動画生成を16-bit HDRに引き上げる軽量ツール
Lightricksは動画生成モデルLTX向けにHDR対応IC-LoRAを公開した。約340MBの軽量モデルながら、従来の8-bit SDR出力を16-bit HDRへと拡張し、階調と色彩の再現度を大きく高める。ComfyUI環境にそのまま組み込めるため、映像編集ソフトでの自由なカラーグレーディングが可能になる。
木
4月16日 木曜日
HeyGen、HTMLからMP4動画を作るエージェント向け「HyperFrames」を公開
HeyGenはHTMLをMP4動画に変換するフレームワーク「HyperFrames」をオープンソースとして公開しました。Claude Code内で構築されたエージェント向け仕様で、AIによる動画の自動生成が可能です。公式の発表動画もClaude Code上でこれを用いて作成されました。
Browser Useがvideo-useを公開：Claude Codeで動画編集が可能に
Browser Useは、Claude Codeなどのエージェント向け動画編集ツール「video-use」をオープンソース公開した。大量のフレームを読み込まず、単語単位の文字起こしとオンデマンド画像生成を使い、不要な間や口癖のカット、字幕入れ、色補正まで自動処理する。
アリババ、「Qwen3.6-35B-A3B」を公開 35B規模ながら3Bのアクティブパラメータで動作
AlibabaのQwenチームはスパースMoEモデル「Qwen3.6-35B-A3B」をApache 2.0ライセンスでオープンソース公開した。総パラメータ350億・アクティブ30億でありながら、10倍規模に匹敵するエージェントコーディング性能やマルチモーダル推論モードを備える。
Mozilla子会社MZLA、オープンソースのセルフホスト型AIクライアント「Thunderbolt」公開
Mozilla子会社のMZLA Technologiesはセルフホスト型AIクライアント「Thunderbolt」をオープンソースで公開した。deepsetのHaystackフレームワークを統合し、主要OSに対応。組織のデータ主権を確保しつつ対話や自動化を実行できる。
Tencentが3D世界モデル「HY-World 2.0」をオープンソース公開、編集可能な3Dアセットを直接生成
TencentのHunyuanチームはマルチモーダル3D世界モデル「HY-World 2.0」をオープンソース公開しました。従来の動画生成型とは異なり、テキストや画像、動画からBlenderやUnityに直接取り込めるメッシュや3DGSアセットを出力し、物理衝突判定を備えた自由な探索が可能です。
火
4月14日 火曜日
NVIDIAが3D世界生成ツール「Lyra 2.0」をオープンソース公開、動画からロボット訓練環境を構築
NVIDIA は動画から一貫性のある 3D 空間を構築できる世界生成フレームワーク「Lyra 2.0」をオープンソースで公開した。サイズはわずか 131MB で、3D ガウススプラッティングにより視点を変えても破綻しないシーンを生成可能。作成した環境は Isaac Sim にエクスポートしてロボットの自律訓練に活用できる。
「Spark 2.0」公開、1億超の3Dガウススプラットをブラウザでストリーミング描画
Three.jsベースのオープンソースプロジェクト「Spark 2.0」が公開された。WebGL2を活用したストリーミングLoDシステムを導入し、スマートフォンやVR端末などのブラウザ上で1億個超の3Dガウススプラットからなる大規模シーンを滑らかにストリーミング描画できる。
NVIDIA、量子コンピューティング向けオープンAIモデル「Ising」を発表
NVIDIAは量子プロセッサの校正と誤り訂正を支援するオープンAIモデル群「Ising」を発表した。視覚言語モデルにより校正時間を数日から数時間に短縮し、デコードモデルは業界標準のpyMatchingと比べて最大2.5倍高速かつ3倍高精度な処理を実現する。
日
4月12日 日曜日
オープンソース「RotorQuant」登場：Google超えの10倍KVキャッシュ圧縮
オープンソースのKVキャッシュ圧縮アルゴリズム「RotorQuant」が公開された。クリフォード回転子を用いることでGoogleのTurboQuantを上回り、10倍の圧縮率を保ちながらプリフィル速度を5.3倍、デコード速度を28%高速化した。長大なコンテキストを単一GPUで動かす敷居を大きく下げる技術だ。
MiniMax、コーディングAI「M2.7」をオープンソース公開 SWE-ProでSOTA記録
MiniMaxはコーディング特化モデル「M2.7」を正式にオープンソース公開した。SWE-Proで56.22％、Terminal Bench 2で57.0％を記録してSOTAを達成。モデル重みはHugging Faceで配布されており、MiniMaxのAPI経由でも利用できる。
土
4月11日 土曜日
4K画像編集に対応したオープンソースツール「EditCrafter」が登場 ファインチューニング不要で動作
事前学習済み拡散モデルを用いて最大4K解像度の画像編集を可能にするツール「EditCrafter」が公開された。モデルの再学習なしで元のディテールを維持した編集ができる一方、彩度が高くなりやすい傾向があり、4K処理には24GBのVRAMが必要となる。
木
4月9日 木曜日
単一画像から骨格付き3Dモデルを生成する「AniGen」公開、そのままアニメーション可能
単一の画像から関節リグが組み込まれた3Dアセットを直接生成できる「AniGen」のコードが公開された。ランプや動物などの写真を読み込むだけで、後処理なしにアニメーションソフトへ直接インポートできる。ローカル実行には18GB以上のVRAMを備えたNVIDIA製GPUが必要となる。
動画生成AIの「数を数えられない」問題を解決、オープンソースのNumina公開
プロンプトで指定した物体の数を動画内で正確に守らせるフレームワーク「Numina」のコードが公開された。追加学習を必要とせず、アテンションの不整合を補正して再生成を誘導する仕組みで、Wan2.1などのカウント精度を最大7.4%向上させる。
Overworldがリアルタイム世界モデル「Waypoint 1.5」を公開、RTX 3070で対話可能
Overworld チームは一般向けハードウェアで対話可能なリアルタイム世界モデル「Waypoint 1.5」をオープンソース公開した。720p と 360p の 2 モデルを用意し、RTX 3070 以上の GPU でローカル動作する。巨大クラスタなしで生成世界を自ら歩き回れるのが見どころだ。
ACE-Step 1.5 XL公開：4B DiTで日本語ボーカル付き楽曲をローカル生成
ACE Musicはオープンな音楽生成モデル「ACE-Step 1.5 XL」を公開した。DiTデコーダーを4Bに拡張し、プロンプトと歌詞から日本語ボーカルを含む楽曲を1分未満でローカル生成できる。蒸留版は8ステップで動作し商用モデルに迫る品質だが、実行には最低12GBのVRAMが必要となる。
水
4月8日 水曜日
動画から歩き回れる3D世界を生成 「INSPATIO-WORLD」公開、RTX 4090でも動作
単一の動画から探索可能な3D空間をリアルタイム生成するモデル「INSPATIO-WORLD」のコードが公開された。内部で持続的な空間シミュレーションを構築することで視点を動かしても破綻せず、RTX 4090でも毎秒10フレームで動作する。
火
4月7日 火曜日
Ai2が「WildDet3D」をオープンソース公開：1枚の写真から物体の3Dサイズを即座に推定
Ai2は単眼3D物体検出モデル「WildDet3D」をオープンソースで公開した。1枚の通常画像や動画から物体の実世界サイズ、距離、向きを3Dバウンディングボックスとして推定できる。テキスト指示や画面のタップ入力に対応し、iPhone上でもリアルタイムにAR表示が可能だ。訓練コードやデータセットも完全開放されている。
Z.ai、コーディングモデル「GLM-5.1」をオープンソース公開 SWE-Bench Proで首位
Z.aiはMITライセンスの旗艦エージェント型コーディングモデル「GLM-5.1」を公開した。SWE-Bench Proで58.4点を記録し、GPT-5.4やClaude Opus 4.6を上回った。長期間タスク向けに設計されており、数百回の反復と数千回のツール呼び出しでも性能改善を持続できる。
Hermes AgentにKarpathy氏の「LLM-Wiki」がネイティブ機能として追加
Nous ResearchはAndrej Karpathy氏提唱のLLM-WikiパターンをHermes Agentのネイティブスキルとして実装した。エージェントが永続的なMarkdownナレッジベースを自動構築し、時間の経過とともに自己コンパイルや相互参照を行う。コマンド1つで資料整理などの司書作業をAIに任せられる。
月
4月6日 月曜日
オープンソースAI記憶システムMemPalace：LongMemEvalで初の満点を獲得
Ben Sigman氏と俳優のミラ・ジョヴォヴィッチ氏がAI記憶システム「MemPalace」をオープンソース公開した。ローカルで「記憶の宮殿」構造を用いて会話を整理し、LongMemEvalベンチマークで全問正解の満点を達成。AAAK圧縮により文脈を約120トークンに圧縮し、クラウド不要で動作する。
2D画像内の物体とカメラ視角を自在に動かせる「SpatialEdit」が完全オープンソース化
画像空間編集モデル「SpatialEdit」が完全オープンソースで公開された。写真内の物体の位置や角度を微調整できるだけでなく、カメラのヨー・ピッチ・ズームまで精密に制御可能。ベンチマークで高い幾何学的再現性を示す一方、モデルサイズは約32GBあり、動作にはハイスペックなGPUが必要となる。
金
4月3日 金曜日
Nous ResearchがHermes Agent v0.7.0公開：記憶機能を拡張プラグイン化
Nous ResearchはHermes Agent v0.7.0を公開した。最大の変更点はメモリ機能を拡張可能なプラグイン構造へと刷新したことで、標準の内蔵メモリに加え6種類の外部プロバイダに対応した。hermes memory setupコマンドで自由に切り替えられる。
木
4月2日 木曜日
Google、オープンモデル「Gemma 4」発表：Apache 2.0採用で最大256K対応
GoogleはApache 2.0ライセンスを採用したオープンモデル群「Gemma 4」を発表した。端末向けのE2BやE4Bから、26B MoE、31B Denseまで4つのサイズを展開。最大256Kのコンテキスト長やマルチモーダル処理に対応し、Arena AIの評価では自重の20倍のモデルを上回る推論性能を発揮する。
Netflix、動画から物体と「物理的影響」を同時に消すモデル「VOID」をオープンソース公開
Netflixは動画から特定の物体を自然に削除できるオープンソースモデル「VOID」を公開した。単に隙間を埋めるだけでなく、持っていた箱が落ちるなど物理的な因果関係を推論して再生成するのが特徴。重みとコードは公開済みで、ローカル実行には40GB以上のVRAMが必要となる。
水
4月1日 水曜日
見出しからYouTube Shortsを全自動生成、1本0.1ドルのオープンソースツール登場
オープンソースツール「YouTube Shorts Pipeline」が登場した。Claude、Gemini、ElevenLabs、Whisperを連携させ、コマンド1つで見出しから動画の生成・投稿まで完了する。所要時間は3〜5分、コストは約0.10ドルでローカル完結で動作する。
600以上の言語に対応する音声合成「OmniVoice」公開、数秒の音声で感情ごとクローン
600以上の言語に対応するゼロショットTTSモデル「OmniVoice」がオープンソースで公開された。わずか数秒の音声から音色や感情を忠実にクローンし、言語を越えた音声移行やテキスト指示による発話生成に対応する。コードと学習済みモデルはすでに無償公開中だ。
Arcee AI、推論モデル「Trinity-Large-Thinking」をApache 2.0でオープンソース公開
Arcee AIは推論モデル「Trinity-Large-Thinking」をApache 2.0で公開し、API提供を開始した。応答前に思考ステップを挟むことでエージェントのツール呼び出しを安定化。PinchBenchでOpus-4.6に次ぐ2位を記録し、出力料金も100万トークンあたり0.90ドルに抑えた。
