Harness²：モデルの重みを変えずにエージェントを進化させるGoogleのOSS
Google Researchはエージェント最適化フレームワーク「Harness²」をオープンソース公開した。モデルの重みを変更せず、プロンプトやツールガイドなど8つの周辺コンポーネントを2層の再帰構造で自動調整し、Gemini 3.5 Flashなどの性能を最大11.5ポイント引き上げる。
オープンソース · デイリー
金
10月9日 金曜日
オープンソース「REA」登場：リバースエンジニアリングを MCP 経由で AI エージェントに統合
リバースエンジニアリングを AI エージェントから呼び出せるオープンソースツール「REA」が公開された。ネイティブバイナリや Electron、APK などをローカル環境で解析し、推測ではなくアセンブリや呼び出し履歴などの証拠を添えて結果を提示する。
CopilotKit、ChatGPT風の動的UIを自作アプリに組み込める「Open Intelligent UI」をOSS公開
CopilotKitはChatGPTの動的UI機能を自社アプリに導入できるOSS「Open Intelligent UI」を公開した。エージェントがタスクに応じて既存コンポーネントやサンドボックス内での動的UI生成を使い分ける。OpenAIに縛られず、独自デザインを保ったまま生成UIを導入できるのが特徴だ。
木
10月8日 木曜日
Metaが「GenIA」を発表：画像や動画から整合性の高い3Dモデルを再構築
Metaは画像や動画から完全な3Dオブジェクトを生成する「GenIA」を発表した。SAM 3Dをベースに生成結果と元画像をリアルタイムで照合・補正する仕組みを取り入れ、外観や位置の再現度を高めている。非商用ライセンスでコードが公開されており、ローカル環境で実行できる。
オープンソースのAI作曲ソフト「Tonefold」登場、全音符をピアノロールで自由に編集可能
オープンソースのAI音楽制作ソフト「Tonefold」がリリースされた。ClaudeやローカルのOllamaを使い、テキスト指示から和音やメロディなど11種類トラックを自動生成する。完成音源ではなくピアノロール上にノートとして書き込まれるため、1音単位での手動修正やMIDI書き出しが可能だ。
水
10月7日 水曜日
Claude Opus 5.5でAdobe全ツールを再現、7つのオープンソースRust代替アプリが登場
開発者のBrandon Thomas氏がAnthropicのClaude Opus 5.5を活用し、PhotoshopなどAdobeの主力7製品をRustでゼロから再現したオープンソース代替スイートを発表した。MIT/Apacheライセンスでローカル稼働に対応。複雑なPSD互換やプラグイン対応には課題が残るものの、商用ソフトの代替として注目を集めている。
Liquid AI、エッジ向け意思決定モデル「d1-3B」をオープンソース公開
Liquid AIはマルチモーダル意思決定モデル「d1-3B」をオープンソースで公開した。テキスト生成を行わず、分類や評価などの判定に特化した設計で、RTX 4090で8ミリ秒、Jetson Orin Nanoでも50ミリ秒という超高速な単一パス応答を実現している。
火
10月6日 火曜日
MusubiがPolicyLM-1.7Bをオープンソース公開：独自ルールを即時反映、判定は100ms未満
Musubiがコンテンツモデレーション用分類モデル「PolicyLM-1.7B」をApache 2.0でオープンソース公開しました。メッセージごとに独自の運用ポリシーを直接読み込んで判定するため再学習が不要で、L4 GPU上の中央値35msで動作し、リアルタイムチャットの監視やAIガードレールに適しています。
Google、端末向け多面埋め込みモデル「EmbeddingGemma 2」をオープンソース公開
Googleは7.4億パラメータの端末向けマルチモーダル埋め込みモデル「EmbeddingGemma 2」をApache 2.0で公開した。テキスト、コード、画像、音声、動画を同一空間に統合。Pixel 11 Pro上なら567MBのRAMで動作し、完全オフラインな検索やRAGをローカル環境で構築できる。
テキストから人体動作を生成する「MSFlow」公開 関節の固定制御にも対応
テキストから人体動作を生成するオープンソースモデル「MotionSpaceFlow」が公開された。モデルサイズは約 1.1GB で、一般的な GPU で動作する。最大の看点は、追加学習なしで特定の関節やフレームの位置を固定し、その制限に合わせた動作を自動生成できる点だ。
月
10月5日 月曜日
Reflection AI、501Bオープンモデル「Beam」発表 推論負荷を大幅削減
Reflection AIはコーディングや自律エージェント向けオープンモデル「Beam」を発表した。総パラメータ501B、活性23BのMoE構成で、10.5K基のNVIDIA GB300による大規模強化学習を実施。GLM 5.2匹敵の性能を3〜4倍低い推論コストで実現する。今月中に重みを公開予定。
日
10月4日 日曜日
復旦大とテンセント、音動画同時生成モデル「Prism」をオープンソース化
復旦大学、テンセント混元、浙江大学の研究チームが、ネイティブ2K解像度対応の音動画同時生成フレームワーク「Prism」を公開しました。動的スパースアテンションを用いて発音部位や動きの激しい領域に計算を集中させ、学習速度を2.5倍に引き上げつつ生成品質を向上させています。現在Hugging Faceにてプレビュー版が利用可能です。
金
10月2日 金曜日
Meta、AI「Muse」のSDKを公開：ラズパイで自作ハード開発が可能に
MetaはAIエージェント「Muse」を組み込めるSDKをオープンソースで公開した。Raspberry PiやESP32を使って電子ペーパーリマインダーや小型端末を自作できる。あわせて、家電操作が可能な自社製デバイス「Muse Home Link」を5000台限定で無償配布する。
わずか 16.9MB：Cactus が超軽量音声認識モデル「Whistle」を公開
Cactus Compute は単一ファイルで 16.9 MB の音声認識モデル「Whistle」をリリースした。GPU 不要かつ CPU 単体・依存関係なしで動作し、7 言語の文字起こしと単語単位のタイムスタンプに対応。145 MB ある Whisper base をベンチマークで上回る。
木
10月1日 木曜日
Strands、テキスト生成を省き115msで即断する「Decider 2B」をオープンソース公開
Strandsは2B規模の軽量意思決定モデル「Decider 2B」を公開した。Qwen3.5-2Bからテキスト生成部を外しポインタヘッドに置き換えることで、事前定義された選択肢の判定と確信度スコア算出に特化。RTX 3090上で中央値115msの低遅延で動き、ローカルエージェントの検証に役立つ。
火
9月29日 火曜日
筋骨格をシミュレートするAI「Terra」公開、複雑な地形の歩行を実現
筋骨格シミュレーションAI「Terra」がオープンソースで公開された。関節の角度を直接制御する従来手法と異なり、筋肉の収縮で骨を動かす人体の仕組みを再現。9時間超の動作データで学習し、坂道や階段の移動から跳躍まで対応する。Apache 2.0ライセンスで利用可能。
NVIDIA、VAEとエンコーダーを排除した「PixelUMM」公開 生ピクセルで画像・動画を理解・生成
NVIDIAとウォータールー大学がマルチモーダルモデル「PixelUMM」をオープンソース公開した。VAEや視覚エンコーダーを使わず、Qwen3-8Bをベースに生のピクセル空間で直接画像と動画の理解および生成を両立する。潜在空間を介さないシンプルな統合アーキテクチャとして注目される。
CopilotKitが「OpenDots」公開：専用仮想環境を備えたAIエージェント基盤
CopilotKitが「OpenDots」をオープンソースで公開した。各AIエージェントに専用の隔離ブラウザやシェル環境を割り当て、Slack連携や音声通話、MCPツール呼び出しまで自前インフラで実行できる。商用アシスタントに依存せずプライベートな自律型エージェントを構築できるのが強みだ。
自己進化型エージェント基盤「Raven」公開 4日間でFPSゲームと宣伝サイトを自力制作
EverMind-AIがマルチエージェント基盤「Raven」をオープンソース公開した。エージェントを束ねる司令塔として機能し、自身の手順やツール選定をベンチマークに基づいて自己改善する。約4日間の連続自律動作でFPSゲームやポスター、Webサイトを一括制作した実績を持つ。固定された評価基準で検証を通った変更のみを反映する仕組みが特徴。
月
9月28日 月曜日
World Play 2 公開：長期記憶を備え、再訪しても崩れないリアルタイム世界生成器
対話型世界モデル World Play 2 のコードが公開された。仮想空間のリアルタイム探索やオブジェクトとの対話に対応し、過去の出来事をメモリに圧縮保存することで長時間の探索や再訪時も一貫性を維持する。4 ステップで生成できる Turbo 版も用意されているが、完全版は 69GB と巨大だ。
InSpatio-World 1.5：画像1枚とカメラ軌道から4D空間を生成する世界モデル
InSpatioが4D世界モデル「InSpatio-World 1.5」をオープンソースで公開した。単一画像やパノラマ、動画から未知の視点を推論し、指定したカメラ軌道に沿って一貫した空間巡回やバレットタイム映像を生成できる。サイズは6GB未満で、一般的なGPUでも動作する。
動画蒸留手法「PDMD」が公開：MiniMax-H3をわずか4ステップで高速生成
研究チームが動画蒸留手法「PDMD」のLoRAモデルを公開しました。MiniMax-H3の生成ステップ数を従来の20〜30ステップから4ステップに短縮します。評価器の誤指導を抑えることで、従来の蒸留で見られたディテールの崩れを防ぎ、滑らかな動きと高画質を両立しています。
容量わずか 164MB：超軽量音声認識モデル「Phonon-2」が公開
Fermion Research が英語音声認識モデル「Phonon-2」をオープンソースで公開した。ダウンロード容量はわずか 164MB ながら単語誤り率 5.21% を達成し、M5 MacBook Air であれば 1 時間の音声を約 20 秒でテキスト化できる。
NVIDIAがエージェント安全基盤を発表：逸脱動作をハード単位でミリ秒遮断
NVIDIAは自律型AI向けの「Open Agent Safety Platform」を発表した。オープンソースの実行環境OpenShellと、BlueField-4 DPUで常時監視するSentry設計を組み合わせ、境界を越えようとしたエージェントをミリ秒単位で隔離する。Anthropicやマイクロソフトなど100社以上が参加している。
土
9月26日 土曜日
オープンソース推論エンジン「Strata」公開：12GBのVRAMで千億級モデルを動作可能に
ローカル推論エンジン「Strata」がオープンソースで公開されました。GPUメモリ、メインメモリ、SSDを連携させて階層実行することで、12GB VRAMの一般的なPCでもQwen3.8-Flash-Nextなどの巨大モデルをローカルで動かせます。OpenAI互換APIも備えており、日常的なPCでの大規模モデル運用の敷居が大きく下がりました。
木
9月24日 木曜日
オープンソース「Magpie」：Claude CodeやCodexのモデルをメニューバーから自由に切り替え
開発者の yetone 氏がオープンソースツール「Magpie」を公開した。Claude Code や Codex などのコーディング Agent の設定を一元化し、メニューバーから DeepSeek や Kimi などのモデルへ即座に切り替えられる。クォータ枯渇時の自動アカウント移行や機密情報マスキングにも対応する。
オープンソース視覚決定モデル「Valen」：画像から行動確率を即座に出力
Valen-Teamは軽量なマルチモーダル意思決定モデル「Valen」をオープンソース公開した。Qwen3.5を基盤に0.8Bから4Bのサイズを展開し、画像や動画に対して候補アクションの確率スコアを直接出力する。GUI操作やロボットの障害物回避など、エージェントの高速な反射神経として機能する。
水
9月23日 水曜日
「CLM-8B」公開：System 1型の高速判断でJev比最大9倍低遅延
状態と行動の対照学習を採用したSystem 1型意思決定モデル「CLM-8B」が公開された。状態と行動の埋め込みを分離してキャッシュすることで、Jevと同等のツール呼び出し性能を維持しながら最大9分の1の低遅延を実現。軽量な微調でコーディング検証ベンチマークでもSOTAを記録した。
月
9月21日 月曜日
inclusionAIが「Ming Image 0.1」公開：透過素材生成とレイヤー分解に対応
inclusionAIは視覚デザイン特化の6Bモデル群「Ming-Image-0.1」をオープンソース公開した。透過背景（アルファチャンネル）付きの2K画像生成に対応するほか、完成した平面デザインを編集可能な複数レイヤーに分解できる。実務のデザイン制作に直結する点が注目される。
SupraLabsがSupra2-IMGを公開：スマホでも動く1億パラメータの超軽量画像生成モデル
SupraLabsは、パラメータ数わずか約1.04億、サイズ約417MBの超小型画像生成モデル「Supra2-IMG」をオープンソース公開した。単一のH100 GPUを使い約9時間で学習を完了。極小サイズゆえ解像度は256×256にとどまるが、スマホやエッジ端末でも直接動かせる軽さが強みだ。
Edge0が「Audio8-ASR-Infinite」をオープンソース化：メモリ一定で24時間ストリーミング文字起こし
Edge0は中英バイリンガル対応のストリーミング音声認識モデル「Audio8-ASR-Infinite」を公開した。遅延を240〜560ミリ秒に抑え、ローリングKVキャッシュによりメモリ消費と遅延を一定に保ち、長時間の連続書き起こしを可能にする。
アリババが「Qwen-Image-2.1」をオープンソース化：7Bパラメータで画像生成・編集・透過背景を統合
アリババは画像モデル「Qwen-Image-2.1」をオープンソース公開した。視覚生成部は7Bパラメータと軽量ながら、画像生成、編集、透過RGBA出力のネイティブ対応を1モデルに統合。最大10枚の参照画像を扱え、デザイン素材の切り抜きや合成作業を大幅に効率化する。
Google、AIエージェントのクラスタ制御基盤「AX」をオープンソース公開
Googleは数百万規模の自律型AIエージェントをクラスタ上で管理・実行するオーケストレーション基盤「AX（Agent Executor）」をオープンソース公開した。Kubernetesに似た宣言的YAMLでサンドボックス隔離やMCP連携を定義でき、一時停止やSSH接続によるデバッグにも対応する。
