テンセント、マルチエージェント対応のローカルAI基盤「Octop」をOSS公開
Tencentがセルフホスト型AIアシスタント基盤「Octop」をオープンソースで公開した。単一プロセスでWebダッシュボードやcron自動化を起動でき、微信（WeChat）やDiscordなど複数チャネルと直接連携。複数の専門エージェントを協調させつつ、全データをローカルに保持できる。
オープンソース · デイリー
金
8月7日 金曜日
木
8月6日 木曜日
Google DeepMindがWeatherNextを公開：熱帯低気圧の予測リードタイムを1日延長
Google DeepMindは熱帯低気圧の進路や強度を高精度に予測するWeatherNextを発表し、モデル重みをオープンソース化した。従来の2日先と同等の精度を3日先まで伸ばし、単一のTPU上で15日分の予測を1分足らずで生成できる。
自然言語から3D CADモデルを自動生成するオープンソース「MAC」
自然言語から編集・印刷可能な3D CADパーツやアセンブリを生成できるオープンソースフレームワーク「MAC」v2が公開された。マルチエージェント協調と検証ループにより、従来手法比でトークン消費を最大116分の1、コストを13分の1に削減。STEP、STL、URDF出力に対応する。
水
8月5日 水曜日
Prime Intellect、自己改善型エージェント「Prime Agent」をオープンソース公開
Prime Intellectはプログラミングや長期自律タスク向けの自己改善型フレームワーク「Prime Agent」をオープンソース公開した。コンテキストを変数として扱い、永続的なPython環境から子エージェントを呼び出しつつ、実行履歴からプロンプトやスキルを自動更新して継続的に進化する。
JDが「JoyAI-Video-Edit」公開：指示文で720p動画をリアルタイム編集
JDがリアルタイム動画編集モデル「JoyAI-Video-Edit」をオープンソース公開した。16Bパラメータの自己回帰拡散モデルを採用し、自然言語の指示でWebカメラ映像や動画の服装変更・物体除去を即時反映できる。720pで30FPS、RTX 5090単体でも24FPSで動作する。
火
8月4日 火曜日
NVIDIA、自動運転推論モデル「Alpamayo 2 Super」の商用利用を解禁
NVIDIA は自動運転向けオープン推論モデル「Alpamayo 2 Super」を商用利用可能な OpenMDW-1.1 ライセンスで公開した。Cosmos 3 をベースに開発され、LingoQA ベンチマークで GPT-4o を 23.2 ポイント上回る。全方位カメラの映像から走行軌道や因果関係の思考プロセスを出力でき、自動ラベリングにも対応する。
月
8月3日 月曜日
GensparkがAIオフィス製品「GenOffice」をオープンソース化、1人のエンジニアが1週間で開発
GensparkはPCおよびMac向けの無料AIオフィススイート「GenOffice」のAlpha版をオープンソースで公開した。文書、表計算、スライド、PDF編集に対応し、自社Super Agentがリサーチや資料作成を代行する。1人のエンジニアが1週間、約1万ドルのトークンを使って構築したという。
LongHorizon-Harness：AIエージェントの長大タスクでの「脱線」を防ぐ新フレームワーク
LongHorizon-Harnessが公開された。タスク管理、実行、独立監査の3役に分離し、実行役は単一タスクごとに文脈を破棄し、実環境を検証した監査役のみが進捗を記録する仕組み。WeaveBenchではQwen 3.7-Plusの通過率が51.8%から80.7%へ大幅に改善した。
日
8月2日 日曜日
endless-frontierがBigBang-v1公開：AIが自ら難問を作り自己進化
endless-frontierがHugging Faceで言語モデルBigBang-v1を公開した。Qwen 3.6 35B-A3Bをベースに、生成と批評のエージェントが約1万件の高度な科学課題を自動生成して後学習に活用。小規模データながら科学研究などのベンチマークで巨大モデルに迫る成果を示している。
金
7月31日 金曜日
DeepSeekが「V4-Flash」正式版を公開、上位Pro版をAgent性能で圧倒
DeepSeekは「DeepSeek-V4-Flash-0731」をMITライセンスで正式公開した。DSpark投機的デコーディングモジュールを標準搭載し、事後学習の強化によって大型のV4-Proプレビュー版をAgent指標で逆転。vLLMやSGLangによるローカル配備に対応する。
MatrAIx：83億のペルソナで人間の行動を再現する評価基盤
研究チームがAIシステム評価基盤「MatrAIx-Persona-8B」のプレイグラウンドとタスクライブラリを公開しました。1290の属性次元を持ち、アンケートやWeb、OSアプリなど4つの環境で多様なユーザーの行動を再現できます。リリース前に集団規模で製品テストを行える点が特徴です。
木
7月30日 木曜日
FrontisがOpenRSIを公開：35Bモデルが単体GPUで機械学習を自己改善
Frontisは再帰的自己改善を目指すオープンソース基盤「OpenRSI」とFrontis-MA1モデルを公開した。起草や修正、デバッグなど4つの基本操作で探索ループを構築し、12GB制限のRTX 4090単体でGPT-5.5を超えるMLE性能を達成。「AIがAIを改善する」プロセスを実証可能なエンジニアリングへと落とし込んだ。
水
7月29日 水曜日
VocalRender：歌詞とMIDI音符から48kHzのリアルな歌声を直接合成
オープンソースの歌声合成システム「VocalRender」が公開された。歌詞と MIDI 音符、数秒の参照音声を渡すだけで、タイミング調整なしに 48 kHz の高音質な歌声を生成する。Apache-2.0 ライセンスで推論・学習コードと約 9.5 GB の重み（通常版・Pro 版）が配布されている。
YC、企業向け協調型エージェント基盤「QM」をオープンソース公開
YC は複数人協調型エージェント基盤「QM」をオープンソースで公開した。従来の個人向けアシスタントと異なり、各社員に独立したメモリやサンドボックスを与えつつ、Slack やプロジェクト内で同一 Agent と共同作業できる権限分離の仕組みを提供する。
OpenAIが「Codex Security」をオープンソース化：脆弱性スキャンから修正パッチ生成まで自動化
OpenAIはコードの脆弱性を検出・検証・修正できる「Codex Security」のCLIおよびTypeScript SDKをオープンソース公開しました。リポジトリ全体や差分コードのスキャンに対応し、AIによる修正パッチの自動生成も行えます。ツール自体は無料ですが、スキャンの実行にはOpenAIのAPIキーやChatGPTアカウントの連携が必要です。
火
7月28日 火曜日
ReDesign：1枚の画像を編集可能なレイヤーやベクター構造に復元
ReDesignは、1枚の統合された画像をテキスト、ベクター図形、RGBAレイヤーに分解し、Figmaのように再編集可能な階層構造を復元するツールです。VLMコントローラーがQwen-Image-LayeredやSAM 2を呼び出して画像を段階的に分解し、コードはGitHubで公開されています。
月
7月27日 月曜日
Kimi、2.8兆パラメータのMoEモデル「Kimi K3」をオープンソース公開
Kimiはフラッグシップモデル「Kimi K3」の重みと技術レポートをオープンソース公開した。2.8兆パラメータのMoE構造で、視覚理解と100万トークンのコンテキストに対応する。計算単位あたりの知能が2.5倍向上したほか、エージェント実行基盤などの周辺スタックも同時提供される。
nyra labsが「CrisperWhisper 2.0」公開、文字起こしの逐語・整形を自在に切り替え
nyra labsはオープンソースの音声認識モデル「CrisperWhisper 2.0」を公開した。言い淀みや笑い声を忠実に残す逐語モードと、整形された意図モードを切り替え可能。単語ごとの誤差は30ミリ秒に抑えられ、最小2億パラメータ版はGPUなしでも動作する。
アリババが「Qwen-Audio-Agent」公開：通話しながらAIにタスク実行
アリババがリアルタイム音声ランタイム「qwen-audio-agent」をオープンソース化。全二重の音声通話で自然に割り込みながら、裏でOpenCodeなどのバックエンドAgentにコード修正や検索を非同期で実行させられる。
日
7月26日 日曜日
Google、高精度な3D頭部モデル「GNM」をオープンソース公開
Googleは、人物の顔や頭部をスライダーで精密に設計できる3Dモデル「GNM」をApache 2.0でオープンソース公開しました。目や歯、舌までカバーする600以上の独立パラメータを備え、AI生成でありがちな顔の画一化や口内構造の不自然さを解消します。
スマホ上でLinuxが動くオープンソースAgent「OpenMinis」登場
モバイル向けAIエージェント「OpenMinis」がオープンソースで公開された。iOSやAndroid内にAlpine Linuxのサンドボックス環境を搭載。ユーザーがClaudeやGPTのAPIキーを設定することで、カレンダーやヘルスケアなどの端末機能と連携した自律処理を実行できる。
金
7月24日 金曜日
Netflix、動画スタイル変換「ID-V2V」を公開：顔や表情を崩さず背景を一新
Netflix傘下のEyeline Labsが動画生成フレームワーク「ID-V2V」を発表した。キーフレームを1枚編集するだけで、人物の顔立ちや表情、視線を維持したまま動画全体の照明やスタイルを変更できる。最大720pに対応するが、モデルサイズが約80GBあり高性能なハードウェアが必要となる。
OpenDreamer：マインクラフトの世界を生成・操作できるオープンソース世界モデル
Googleの非公開モデル「Dreamer 4」の再現を目指したオープンソースの世界モデル「OpenDreamer」が公開されました。事前プログラミングなしでキー入力に応じたマインクラフト映像をリアルタイム生成でき、モデル重みや学習コード、単一GPUでの検証手法まで詳細に公開されています。
NVIDIAのファンCEOが初X投稿でオープンAI支持を表明：閉鎖型との共存訴える
NVIDIAのジェンスン・ファンCEOがXへの初投稿で、オープンAIモデルを支持する署名書簡を公開した。ファン氏は、オープンモデルが安全性やサイバー防衛を強化し、各国の主権確保に貢献すると指摘。閉鎖型と開放型の双方が共存すべきだと訴えた。
木
7月23日 木曜日
Andrew Ng氏ら、Mac向けオープンソースAIエージェント「OpenWorker」公開
Andrew Ng氏とRohit Prasad氏はオープンソースのエージェント「OpenWorker」を発表した。対話にとどまらず、報告書の作成やSlack送信、カレンダー更新など実務の成果物を直接仕上げる。ユーザー自身のAPIキーやOllamaによるローカル実行に対応し、重要な操作の前にはユーザーに確認を求める設計となっている。
