ASI-Evolveがオープンソース化：論文読みから実験・自己進化まで担うAI研究者
中国の研究チームがAI研究向けエージェントフレームワーク「ASI-Evolve」のコードと論文を完全オープンソースで公開しました。論文の精読から実験設計、実行、結果分析まで自律してこなし、自己改善のサイクルを回します。
オープンソース · デイリー
火
3月31日 火曜日
退職した同僚をAI化する「同事.skill」、チャット履歴から口調や癖まで再現
GitHubで話題のオープンソース「同事.skill」は、WeChatやFeishuなどのチャットログを読み込み、元同僚のデジタル分身を作成するツールだ。人柄層と業務スキル層を分けてモデル化し、独特の口調や返信パターンまで忠実に再現する。公開3日で6700スターを獲得した。
H Company、PC操作モデル「Holo3」を発表 35B版をオープンソース公開
H CompanyはPC操作に特化したAIモデル「Holo3」を発表した。Qwen 3.5を基盤に強化され、上位モデルのHolo3-122B-A10BはOSWorldベンチマークで78.85%の新記録を達成。軽量版の35BモデルはApache 2.0ライセンスでオープンソース公開された。
月
3月30日 月曜日
画像生成前にWeb検索する新フレームワーク「Gen-Searcher」が登場
検索エージェントを活用した画像生成フレームワーク「Gen-Searcher」が公開された。生成前にWebから参考画像や事実情報を検索して反映させることで、特定キャラやニッチな知識の再現精度を大幅に引き上げる。
OpenMontage：AIコーディング助手を全自動動画スタジオに変えるオープンソース
オープンソースの動画制作システム「OpenMontage」が登場。Claude CodeやCursorと連携し、指示1つで調査から脚本、絵コンテ、素材生成、編集まで自律して完結させます。事前に絵コンテと見積もりを確認でき、60秒のアニメ制作費用はわずか1.33ドルです。
日
3月29日 日曜日
オープンソースLuxTTS登場：3秒の音声で複製、1GB未満のVRAMで48kHz出力
音声クローンモデル「LuxTTS」がオープンソースで公開されました。わずか3秒の音声から音色を捉え、1GB未満のVRAMで48kHzの高音質音声を生成します。GPUで実時間の150倍、CPU単体でも実時間超えで動作するため、一般的なノートPCでも高品質な音声合成を手軽に実行できます。
土
3月28日 土曜日
Midjourney技術者がPretextを公開：AIで実装、DOM再計算を回避
MidjourneyのエンジニアCheng Lou氏がテキスト組版ライブラリPretextをオープンソース公開した。CodexやClaudeなどAIツールを駆使して作られた15KBの軽量ツールで、DOMリフローを回避して多行テキストの配置を高速化し、動くオブジェクト周りのリアルタイム回り込みを可能にする。
金
3月27日 金曜日
Webサイトをピクセル単位で再現するAIエージェント向けSkill「clone-website」
Webサイトをピクセル単位で複製するオープンソース機能 clone-website が注目を集めている。URLを入力すると実際のCSS値や素材を抽出し、150行以内のコンポーネント仕様に分解して git worktree で並行構築する。AIが大まかな推測で余白やフォントを崩す問題を防ぎ、高精度な再現を可能にした。
木
3月26日 木曜日
MetaがSAM 3.1を公開：128物体の追跡を約7倍高速化
Metaは画像・動画セグメンテーションモデル「SAM 3.1」を公開した。共有メモリ方式のObject Multiplexを採用し、単一のH100で128個の物体を追跡する推論速度が精度を落とさず約7倍に向上した。モデルの重みはHugging Face上で利用申請できる。
Babylon.js 9.0公開：クラスタ化照明やガウススプラットに対応
Web 3Dエンジン「Babylon.js 9.0」が正式リリースされた。WebGPUとWebGL 2で数千の光源を滑らかに描画するクラスタ化照明や、GPUメモリ消費を最大40%削るFrame Graphを導入。さらにノード型パーティクルエディタやAdobe協力による高度なガウススプラットにも対応した。
Real Restorer公開：反射や傷を除去する42GBの画像修復モデル
現実世界の写真修復に特化したオープンソースモデル「Real Restorer」が公開された。ボケやノイズ、反射、雨雪の除去から白黒写真の復元まで幅広く対応し、性能は主要な閉源モデルに匹敵する。総サイズは42GBで、ローカルの高性能GPU環境で動作する。
Cohere、初のオープンソース音声認識モデル「Transcribe」を公開
Cohereは初のオープンソース音声認識モデル「Transcribe」を公開した。20億パラメータと軽量で一般向けGPUでも動作し、日本語を含む14言語に対応する。1分間で525分相当の音声を処理でき、Open ASRリーダーボードで誤り率5.42を記録した。無料APIも提供される。
水
3月25日 水曜日
ByteDanceがLark CLIをOSS公開、AIエージェントからノーコード連携可能に
ByteDance は人間と AI エージェントの双方に向けて設計された公式ツール「Lark CLI」を MIT ライセンスでオープンソース公開しました。カレンダーやドキュメントなど 18 の業務領域をカバーし、200 以上のコマンドを収録。Claude Code などの外部エージェントから追加設定なしで Lark を直接操作できます。
火
3月24日 火曜日
DaVinci Magihuman：音声付き動画をネイティブ生成する15Bオープンソースモデル
音声付き動画をネイティブ生成できる150億パラメータのオープンソースモデル「DaVinci Magihuman」が登場しました。自己申告のブラインドテストではLTX 2.3に60%の勝率を記録し検閲もありませんが、蒸留版でも61GBあり動作環境のハードルは高めです。
アリババ、動画から効果音を自動生成する「PrismAudio」をオープンソース公開
アリババが動画向け効果音生成モデル「PrismAudio」をオープンソース公開しました。強化学習と思考の連鎖を組み合わせ、無音動画から動作に同期した音声を生成します。パラメータ数はわずか5.18億で、9秒の音声を0.63秒で生成でき、ベンチマークと速度の両面で数十億規模の競合を上回ります。
Ai2、HTML不要で画面のみからブラウザを操作する「MolmoWeb」を公開
Ai2はオープンウェイトの視覚Webエージェント「MolmoWeb」（4Bおよび8B）を公開した。HTMLやアクセシビリティツリーを解析せずスクリーンショットのみで動作する。3万件の人手タスク軌跡を含むデータセットも提供され、WebVoyager等の実サイト評価でオープン系競合を上回った。
ByteDance、マルチエージェント基盤「DeerFlow 2.0」をオープンソース公開
ByteDanceは、複数AIエージェントの協調動作基盤「DeerFlow 2.0」をMITライセンスでオープンソース公開した。複雑な長時間タスクを分解し、子エージェントに並列処理させる。各タスクは独立したDockerサンドボックス内で実行され、GPT-4やDeepSeekなど任意のモデルと連携可能だ。
日
3月22日 日曜日
ブラウザ完結のオープンソース3D建築エディタ「Pascal Editor」が登場
Webブラウザ上で動作する無料のオープンソース3D建築エディタ「Pascal Editor」が公開された。WebGPUとReact Three Fiberを採用し、壁やスラブ、ゾーンのリアルタイム編集やアンドゥ・リドゥに対応。高価なデスクトップソフトをインストールすることなく、軽量かつ高速なモデリング環境を提供する。
金
3月20日 金曜日
gsap-skills：AI エージェントに GSAP アニメーションを教える公式スキル集
GreenSock が公式スキル集「gsap-skills」を公開した。Cursor や Claude Code など 40 以上の AI エージェントに対応し、コア API や ScrollTrigger などの正しい記述法をエージェントに教え込むことで、古い文法の生成や誤りを防げる。
木
3月19日 木曜日
MetaClaw：会話から自動進化するAIエージェント、空き時間にクラウドで重みを更新
対話を通じて自律的に進化するエージェント向け継続学習フレームワーク「MetaClaw」がオープンソースで公開された。失敗履歴から即座に新スキルを合成するほか、就寝中や空き時間にクラウド LoRA で重みを更新する。ローカル GPU なし・停止時間ゼロでモデルの精度を大幅に向上させる。
火
3月17日 火曜日
Unsloth Studio：コード不要で500種超のモデルを微調整、VRAMを70%削減
Unslothはローカルで動作するノーコード学習ツール「Unsloth Studio」のベータ版を公開した。PDFなどの文書からデータセットを自動生成し、VRAM消費を70%抑えながら2倍速で訓練できる。500種以上のモデルに対応しGitHubで提供中。
SegviGen：3Dモデルのパーツを自動分割、クリックや2D画像での指示に対応
SegviGenがTRELLIS.2をベースにした3Dパーツ分割フレームワークをオープンソースで公開した。3Dモデル上の部位をクリックするか2D参考画像を渡すだけで、高精度に個別パーツへ切り出して出力できる。対話型分割の性能は従来SOTAより40%向上したが、ローカル実行には24GB以上のVRAMが必要となる。
Spark VSSR：Googleが動画超解像ツールを公開、重みと学習コードを完備
Googleが動画超解像ツール「Spark VSSR」をオープンソース公開した。低画質な映像を鮮鋭化し、古い映画の修復やアニメのアップスケールにも対応する。推論用モデルだけでなく学習コードやデータセットも同梱され、全体で約42.2GBあり高性能GPUを要する。手元環境で最高水準の動画拡大パイプラインを調整・運用できるのが強みだ。
Googleが「Colab MCP Server」をオープンソース公開：AIがColab上でコード実行可能に
Googleは「Colab MCP Server」をオープンソースで公開した。MCP対応のAIエージェントがCLIからGoogle Colabノートブックを直接操作し、セルの作成やコード実行、可視化を自動で行える。ローカル環境のマシンスペック不足やコード実行リスクを避け、Colabを安全なクラウド実行基盤として活用できる。
オープンソース構造「Mamba-3」登場：遅延を抑えTransformer比で4%性能向上
カーネギーメロン大学のAlbert Gu氏とプリンストン大学のTri Dao氏が、Apache 2.0ライセンスのオープンソース状態空間モデルアーキテクチャ「Mamba-3」を公開しました。MIMO版はベンチマーク精度57.6%を記録し、Transformerに対して約4%向上。状態サイズを半減させつつMamba-2と同等の品質を維持し、複素数値状態の導入で推論遅延を削減します。
月
3月16日 月曜日
Mistralが「Mistral Small 4」公開：推論・マルチモーダル・コードを1つに統合
MistralはApache 2.0でオープンソース化した「Mistral Small 4」を発表した。総パラメータ119B、トークンあたり6B稼働のMoE構造で、推論・画像認識・コーディングを1つのモデルに集約。256kコンテキストに対応し、前世代と比べてレイテンシを40%削減した。
MiroMind、自己検証型オープンソース研究エージェント「MiroThinker-H1」公開
MiroMindは深層リサーチ向けエージェント「MiroThinker-1.7」とフラッグシップ「H1」をオープンソースで公開した。推論プロセスに中間監査と全体検証を組み込み、2350億パラメータのフル版と61GBのmini版を提供。BrowseCompなどの難関ベンチマークで主要商用モデルを上回るスコアを記録している。
アリババ、唇の動きに同期する映像吹き替えAI「Fun-CineForge」公開
アリババが映像向け配音モデル Fun-CineForge をオープンソース公開した。動画とテキストを入力すると唇の動きや話者を認識し、顔が隠れた場面でもタイミングを合わせて発声。複数キャラクターの掛け合いも自然な声色で切り替えられる。
清華大学が「OpenMAIC」を公開：テーマ入力だけでAI教師とAI同級生が揃う授業を生成
清華大学の研究チームが、テーマや文書から対話型の仮想授業を自動生成する「OpenMAIC」をオープンソース公開した。AIの教師と生徒がリアルタイムで音声解説やホワイトボード描画、ディスカッションを行い、小テストや演習も自動で組み立てる。動画を眺めるだけの学習からAIと対話する環境へと引き上げる試みだ。
NVIDIAがオープンモデル連合を発表：MistralらとNemotron 4を共同開発へ
NVIDIAはオープンな最先端AIモデルの共同開発を目指す「Nemotron Coalition」を発表しました。Mistral AI、Cursor、Perplexityなどが参加し、第1弾としてNVIDIAとMistralがDGX Cloud上で基盤モデルを共同開発。次世代のNemotron 4シリーズの土台としてオープンソース化されます。
Tencent、全二重音声対話モデル「Covo-Audio」をオープンソース公開
Tencentは7Bパラメータの端対端音声言語モデル「Covo-Audio-Chat」をオープンソース公開した。単一の統合アーキテクチャで連続音声を直接処理し、話しながら聞き取り、割り込みにも即座に対応する全二重対話を実現する。コードと重みはGitHubとHugging Faceで公開中。
日
3月15日 日曜日
Pulse of Motion：AI動画の「時間の歪み」を物理法則に補正する軽量オープンソース
研究チームが「Pulse of Motion」をオープンソース化し、AI生成動画が現実の速度とズレる「計時錯覚」の解消に乗り出した。映像の動きから本来あるべき物理フレームレートを直接推定して速度を補正する。2GB未満の小型モデルで、一般的なPCでも動作する。