fal、FLUX.2 Turboを公開：推論を8ステップに短縮、1枚1セント未満
falはオープンウェイト画像モデル「FLUX.2 [dev] Turbo」を公開した。DMD2蒸留技術により推論ステップを50から8へと大幅削減し、1024x1024画像を6.6秒、1枚約0.008ドルで生成できる。重みはHugging Faceで提供されるが、商用利用にはfalの公式APIが必要となる。
オープンソース · デイリー
月
12月29日 月曜日
木
12月25日 木曜日
Liquid AIが「LFM2-2.6B-Exp」公開：純粋な強化学習で3B級トップ、指示追従で巨大モデル超え
Liquid AIは実験的モデル「LFM2-2.6B-Exp」を公開した。純粋な強化学習で構築され、指示追従、知識、数学のベンチマークで他の3Bモデルを上回る。IFBenchスコアでは263倍巨大なDeepSeek R1-0528を凌駕したという。モデルはHugging Faceで配布されている。
金
12月19日 金曜日
アリババ、画像をPhotoshop級のRGBAレイヤーに分解する「Qwen-Image-Layered」公開
アリババのQwenチームは画像分解モデル「Qwen-Image-Layered」をオープンソース公開した。プロンプト指定で画像を3〜10枚の独立したRGBAレイヤーに分解でき、レイヤー内の再分解も可能。面倒な切り抜き作業なしに、Photoshopで直接レイヤー編集できるようになる。
Google DeepMind、解釈可能性ツール群「Gemma Scope 2」をオープンソース公開
Google DeepMind は言語モデルの内部動作を可視化する「Gemma Scope 2」を公開した。270M から 27B までの Gemma 3 ファミリー全体に対応し、SAE やトランスコーダーで内部推論を追跡できる。ハルシネーションや脱獄などの安全課題の解明に役立つ。
Anthropic、AIの挙動を自動評価するOSS「Bloom」公開
Anthropic は AI モデルのアライメント検証を自動化するオープンソースツール「Bloom」を公開した。検証したい問題行動を記述するだけで、Bloom が多様な対話シナリオを動的に生成して発生率をスコア化する。固定テストセットの汚染を防ぎ、評価作成期間を数日に短縮できる。
木
12月18日 木曜日
LMArena、AI格付け基盤「Arena-Rank」をオープンソース公開
LMArenaはAIリーダーボードの順位算出を担うPythonパッケージ「Arena-Rank」をオープンソース公開した。計算基盤にJAXを採用し、従来のFastChat実装と比べて30倍以上の高速化を達成。対戦数が少ないモデルの公平性を保つ再重み付け機能も備えている。
火
12月16日 火曜日
Microsoft、画像から3Dを生成する「TRELLIS.2-4B」公開 最速3秒でPBR対応モデルを出力
Microsoftの研究チームは単一画像から高精度な3Dアセットを生成する40億パラメータのオープンソースモデル「TRELLIS.2-4B」を公開した。独自のスパースボクセル構造を採用し、PBR材質や半透明表現を含む3DメッシュをH100環境なら約3秒で生成できる。動作には24GB以上のメモリを備えたNVIDIA GPUが必要となる。
シャオミが「MiMo-V2-Flash」をオープンソース化、コーディング特化の309B MoEモデル
シャオミは推論とコーディングに特化した新モデル「MiMo-V2-Flash」をオープンソース公開した。総パラメータ309B（アクティブ15B）のMoE構成で、256kの長文脈に対応する。SWE-benchのオープンソース首位を獲得しつつ、秒間150トークンと超低コスト推論を実現した点が注目される。
月
12月15日 月曜日
NVIDIA、エージェント向けオープンモデル「Nemotron 3」発表 Nanoを提供開始
NVIDIA はマルチエージェント AI 向けオープンモデル群「Nemotron 3」を発表した。即日提供の Nano 版はハイブリッド MoE 構成により前世代比でスループットが 4 倍に向上。学習データセットや強化学習ライブラリも同時公開された。
木
12月11日 木曜日
AI2が「Molmo 2」をOSS公開：8Bモデルが動画追跡で大手超え
AI2は動画理解・追跡に特化したオープンソースマルチモーダルモデル「Molmo 2」を発表しました。4B、7B、8Bの各モデルに加え、データ処理から学習、推論に至る全コードを公開。8Bモデルは前世代72BやGemini 3 Proを上回る動画追跡精度を達成しています。
火
12月9日 火曜日
DiffSynth-Studio、1枚の画像からLoRAを自動生成する「Qwen-Image-i2L」を公開
DiffSynth-Studioは単一の画像からカスタムLoRAを直接生成できるツール「Qwen-Image-i2L」をオープンソース公開した。SigLIP2、DINOv3、Qwen-VLを基盤とし、スタイル抽出（2.4B）や内容抽出（7.9B）などのモデルを提供する。大量のデータセットなしで、1枚から即座に画風や被写体を再現できる。
Mistral AI、コード特化モデル「Devstral 2」とCLIツール「Mistral Vibe」を公開
Mistral AIはオープンソースのコード特化型モデル「Devstral 2」（123B）と「Devstral Small 2」（24B）、端末向けCLI「Mistral Vibe」を発表した。123BモデルはSWE-bench Verifiedで72.2%を記録し、Claude Sonnetより最大7倍コスト効率が高い。24B版はコンシューマー向けハードウェアでローカル動作する。APIは現在無料で提供されている。
Anthropic、MCPをLinux Foundation傘下の新基金に寄贈
AnthropicはAI接続標準「Model Context Protocol（MCP）」をLinux Foundation傘下のAgentic AI Foundationへ寄贈すると発表した。OpenAIやBlockらと共同設立した基金で中立的に管理される。すでに1万以上の公開サーバーが存在し、ChatGPTやGeminiなど主要ツールへの導入が加速している。
月
12月8日 月曜日
智譜AI、オープンソース視覚モデル「GLM-4.6V」公開：ツール呼び出しにネイティブ対応
中国の智譜AIが視覚言語モデル「GLM-4.6V」シリーズをMITライセンスでオープンソース公開した。106Bと軽量な9B Flashの2種を用意し、12.8万トークンの文脈に対応する。画像や動画を直接関数へ渡せるネイティブなツール呼び出しが最大の特徴で、商用利用も可能だ。
火
12月2日 火曜日
仏Mistral AI、「Mistral 3」発表：675BのMoE旗艦モデル含む全機種をApache 2.0でオープンソース化
Mistral AIは新世代モデル群「Mistral 3」を発表しました。総パラメータ数675B（アクティブ41B）の大規模MoEモデル「Mistral Large 3」と、エッジ向け小規模モデル「Ministral 3」（3B/8B/14B）で構成され、すべて商用利用可能なApache 2.0ライセンスで公開。全モデルが画像認識と多言語対話に対応しています。
Hugging Face、AIエージェント向け指示集「Skills」公開 モデル訓練や論文投稿に対応
Hugging Faceは、Claude CodeやCursorなどのコーディングエージェント向けに「Hugging Face Skills」を公開しました。モデルの学習や評価、データセット作成などの手順を定義した「SKILL.md」を含むパッケージで、AIが必要に応じて読み込み、エコシステム内のタスクを自律実行します。
月
12月1日 月曜日
NVIDIA、自動運転向け推論VLAモデル「Alpamayo-R1」などをNeurIPSでオープンソース公開
NVIDIAはNeurIPSにおいて物理・デジタルAI向けオープンモデル群を発表しました。目玉は自動運転研究向けの推論VLAモデル「Alpamayo-R1」で、思考の連鎖を活用して複雑な交通状況を論理的に分析しながら走行軌道を決定します。あわせて音声認識やAIセーフティ向けのモデル群も提供されます。
月
11月24日 月曜日
米Microsoft、PCを直接操作する小型AIモデル「Fara-7B」をオープンソース公開
米MicrosoftはPC画面を直接操作できる70億パラメータの小型モデル「Fara-7B」をMITライセンスで公開した。画面のスクリーンショットからマウス操作や入力を予測し、Web予約や情報収集を自動化する。Copilot+ PCでのローカル実行に対応し、プライバシー保護と低遅延を両立する。
木
11月20日 木曜日
Hugging Face、Apple向け統合LLM API「AnyLanguageModel」を公開
Hugging FaceはAppleプラットフォーム向けのオープンソースSwiftライブラリ「AnyLanguageModel」を発表した。Apple公式のFoundation Modelsと互換性があり、import文を1行変えるだけでMLXやCore MLなどのローカルモデルと各種クラウドAPIを自在に切り替えられる。開発者が抱える連携コードの手間を解消する。
水
11月19日 水曜日
Metaが「SAM 3」と「SAM 3D」を公開：テキスト指示で分割、2D画像から3D再構築
Meta は画像認識モデルの最新版「SAM 3」と「SAM 3D」を発表しました。SAM 3 は自然言語プロンプトで画像や動画内の対象を高精度に特定・追跡でき、SAM 3D は単一の 2D 画像から人物や物体を 3D 化します。専用の Playground で試すことができ、SAM 3 のコードと重みはオープンソースで公開されました。
