Jack Dorsey氏、Slack対抗のオープンソースAIチャット「BUZZ」発表
Jack Dorsey氏は人間とAIエージェントのチーム協業を想定したオープンソースのグループチャットプラットフォーム「BUZZ」を発表した。SlackやGitHubへの依存を減らす狙いで、分散型かつ自己主権型、特定モデルに依存しない設計を掲げている。
オープンソース · デイリー
火
7月21日 火曜日
ABot-World：単一のRTX 5090で動く無限インタラクティブ世界生成
ABot-Worldは、操作入力に応じてリアルタイムに展開する無限の仮想空間を生成できるオープンソースの世界シミュレータです。デスクトップ向けのRTX 5090を1枚使い、720p・16FPS、遅延1.2秒で動作します。コードとモデル重みはApache 2.0ライセンスで完全公開されています。
マイクロソフトがMage Flowをオープンソース化：4B規模で生成と編集を両立、1秒未満で出力
マイクロソフトは画像生成と指示ベースの画像編集に対応するオープンソースモデル「Mage Flow」を公開した。40億パラメータ規模で、多言語テキスト描画やポーズ・輪郭線の制御機能を標準搭載する。4ステップのTurbo版は1024px画像を0.6秒未満で生成でき、主モデルは17.5GBで中〜高位GPUでのローカル動作に対応する。
Poolsideがコード特化MoE「Laguna S 2.1」公開：活性化8Bで超巨大モデルに匹敵
Poolsideはコード生成モデル「Laguna S 2.1」を公開した。総パラメータ118B、推論時の活性化パラメータはわずか8BのMoE構成で、100万トークンの文脈に対応する。思考モード有効時のDeepSWEスコアは40.4%に達し、超大型モデルに匹敵する性能をローカル環境で実現する。重みはすでに公開中。
月
7月20日 月曜日
複数人物・物体の整合性を保つ動画生成モデル「Homie」がオープンソース化
動画生成モデル「Homie」が公開された。複数の人物や複雑な物体の参照画像をもとに一貫した動画を生成でき、多視点画像や OCR 位置指定による文字の再現にも対応。従来のモデルと比べ複雑なデザインでのエラーを大幅に抑えている。
木
7月16日 木曜日
NVIDIA、検索モデル群「Nemotron 3 Embed」オープンソース公開 8B版がRTEB首位に
NVIDIAは商用利用可能な埋め込みモデル「Nemotron 3 Embed」を公開した。首位を獲得した8B版と、Blackwell向けNVFP4対応を含む1B版2種の計3モデル構成。32kコンテキストやコード検索に対応し、エージェントが無駄な推論やトークン消費を抑えられる高精度な検索基盤を提供する。
Boltが「Bolt Slides」をオープンソース公開：スライドを動くWebアプリに変える
Boltはプレゼン作成ツール「Bolt Slides」をオープンソースとして公開した。従来の静的なスライドとは異なり、リアルタイムデータや3Dモデル、動作するプロトタイプを埋め込んだWebアプリとして構築できる。完成したスライドはリンクで共有でき、Bolt.newやCursorなどのエージェントで利用可能。
水
7月15日 水曜日
xAI、コーディングエージェント「Grok Build」のソースコードを公開
xAIはコーディングエージェントおよびターミナルUI「Grok Build」をオープンソースとしてGitHubで公開した。コンテキスト収集からツール呼び出しまでの実行機構を明かしており、MCPサーバーやプラグイン拡張に対応する。ローカル環境で自らコンパイルし、ローカル推論モデルと連携して実行できる。
火
7月14日 火曜日
OpenMOSS、11Bのリアルタイム動画理解モデル「MOSS-VL-Realtime」を公開
OpenMOSSは、ストリーミング動画をリアルタイムに処理できる11Bパラメータのモデル「MOSS-VL-Realtime」をオープンソース公開した。動画全体を読み込んでから回答する従来型と違い、フレーム単位で並行処理し、任意のタイミングでの割り込み質問や情報不足時の沈黙に対応する。
PrismML、スマホで動く27Bマルチモーダルモデル「Bonsai 27B」を公開
PrismMLはQwen3.6 27Bベースのマルチモーダルモデル「Bonsai 27B」をApache 2.0で公開した。1ビット版のメモリ使用量はわずか3.9GBで、FP16比で約14分の1に小型化され、iPhone 17 Pro上で毎秒11トークンの推論を実現。クラウド依存だった高度な推論やコード生成をスマホ上で直接実行可能にする。
月
7月13日 月曜日
Wan-Animate-2：画像と動画から高精度アニメーションを生成するオープンソースモデル
アリババがキャラクターアニメーションモデル「Wan-Animate-2」をオープンソースで公開した。1枚のキャラクター画像と参照動画を入力するだけで、体や指の微細な動き、表情を高精度に転写でき、非人間キャラや複数人にも対応する。DiTベースで視点制御も備え、コードと重みが公開されている。
土
7月11日 土曜日
Amicro：Motion を活用した軽量な React マイクロインタラクション UI 集
開発者の Syed Subhan が、Motion と Tailwind CSS を基盤にした React 向けマイクロインタラクション集「Amicro」をオープンソース公開しました。shadcn CLI 経由で TSX コードを直接プロジェクトに取り込め、追加ランタイム不要でハードウェアアクセラレーション対応のアニメーションを実装できます。
金
7月10日 金曜日
「Lucida」登場：ガラスや髪の毛の透過に対応するオープンソース背景除去モデル
半透明ガラスや迷彩、文字の影、細い髪の毛など、一般的なツールが苦手とする境界処理に特化した背景除去モデル「Lucida」が公開された。サイズは 900MB 未満と軽量で、MIT ライセンスのもと一般的な GPU でローカル実行できる。
木
7月9日 木曜日
NVIDIAが超解像モデル「PID 1.5」公開：数秒で2K化、画質と発色が向上
NVIDIAはオープンソースの画像超解像モデル「PID」のバージョン1.5を公開しました。潜在空間のデコードと超解像を一度に処理し、民生用GPUでも数秒で512×512画像を2Kまで引き上げられます。1.0と比べ細部がより鮮明になり、FLUXやQwen-Imageなどの主要モデルに対応しComfyUIでも利用可能です。
MireloとKyutaiが「MuScriptor」公開：楽曲全体から各楽器のMIDIを直接抽出
MireloとKyutaiは楽曲全体の音源から楽器ごとにMIDIを自動抽出するオープンモデル「MuScriptor」を発表した。従来の単一楽器向けツールと異なり、完成版の楽曲からボーカル、ドラム、ベース、鍵盤などを同時に個別トラック化できる。
水
7月8日 水曜日
Ant傘下Robbyantが「LingBot-World 2.0」公開：720p 60fpsで操作可能な世界を生成
Ant Group傘下のRobbyantは世界モデル「LingBot-World 2.0」をオープンソース公開した。因果的事前学習により画質劣化を抑えて長時間対話に対応し、蒸留モデルは720p 60fpsのリアルタイム生成を実現。1.3Bおよび14Bの重みが提供されている。
火
7月7日 火曜日
スマホ単体で動く動画生成AI「Mobile-Wan」：5秒の映像を約20秒で生成
Qualcommの研究チームがスマートフォン上でローカル動作する動画生成システム「Mobile-Wan」を公開した。アリババの50億パラメータモデルを蒸留と剪定で圧縮し、スマホだけで5秒の480p動画を約20秒で出力できる。
月
7月6日 月曜日
リアルタイム多人数世界モデル「MIRA」：物理エンジンなし、動画生成だけで4人対戦を実現
研究チームがインタラクティブな多人数世界モデル「MIRA」を公開した。物理エンジンやレンダリングエンジンを一切使わず、50億パラメータの拡散モデルが単一の B200 GPU 上で4人対戦画面をリアルタイム生成する。データセットや学習・推論コードもオープンソース化されている。
TencentがMoEモデル「Hy3」をオープンソース公開、総パラメータ295BでAgent開発に注力
TencentはHugging FaceなどでMoEモデル「Hy3」を公開した。総パラメータ295Bのうち21Bが稼働し、コンテキスト長は256Kに対応する。エージェント向けコーディングや推論に特化し、ハルシネーション率を5.4%に低減。Apache 2.0ライセンスでFP8版も提供される。
土
7月4日 土曜日
テキストをPNG画像化してAPI費用を最大70％削減、オープンソースツール「pxpipe」登場
テキストをPNG画像に変換してClaude Codeのトークン消費を抑えるOSS「pxpipe」が話題となっている。画像が文字数ではなく解像度で課金される仕組みを利用し、費用を平均59〜70％削減できるが、処理遅延やハッシュ値の誤読といったトレードオフもある。
木
7月2日 木曜日
画像生成を最大21倍高速化する「Mr. Flow」公開、追加学習なしで導入可能
画像生成モデルを9〜21倍高速化するオープンソース手法「Mr. Flow」のコードとComfyUIプラグインが公開された。低解像度で大枠を作ってから拡大・微小ノイズ注入を経て高解像度で整える仕組みで、画質を保ったまま約1秒での出力を実現する。
