Google、無料版Geminiを「1.5 Flash」に刷新 回答の参照リンク表示や32Kトークンに対応
Googleは無料版Geminiに「Gemini 1.5 Flash」を導入したと発表した。処理速度と推論・画像認識能力が向上し、コンテキスト窓は32Kトークンに拡大。ハルシネーション対策として回答末尾に出典リンクが表示されるほか、近日中にファイルアップロード解析にも対応する。
AIツール · デイリー
木
7月25日 木曜日
OpenAI、AI検索プロトタイプ「SearchGPT」を発表 情報源を明記しChatGPT統合へ
OpenAIはAI検索機能のテスト用プロトタイプ「SearchGPT」を発表した。リアルタイムのWeb情報をもとに会話形式で回答し、出典元のリンクを目立つ形で提示する。現在は一部のユーザーとパブリッシャー向けに限定公開されており、将来的にはChatGPTへの統合が予定されている。
水
7月24日 水曜日
米マイクロソフト、Bingの検索結果を刷新：AI回答を中央に配置、従来のリンクは右端へ
米マイクロソフトはAIによる生成回答を画面中央に大きく表示し、従来の検索結果リンクを右端の細い列に追いやる新しいBingのUIテストを一部クエリ向けに開始した。概要だけでなく関連動画やチャートなども生成する構成で、現在は少数の検索向けに試験提供されている。
X、Grokによるアカウント要約機能を提供開始も誤情報が多発
XはWeb版の有料会員向けに、Grokを活用してアカウントの概要を自動生成する新機能を追加した。プロフィール名にカーソルを合わせると要約が表示されるが、同姓同名の別人と混同するなど誤りが多い。Grok 1.5の初期機能として注意喚起されている。
火
7月23日 火曜日
NVIDIAが解説する「AI Foundry」：TSMCの受託製造のように企業専用モデルを構築
NVIDIAは企業向けサービス「AI Foundry」の仕組みを解説した。DGX CloudとNeMoプラットフォームを活用し、Llama 3.1などのオープンモデルを企業データに合わせて微調整し、NIMマイクロサービスとして展開できる。独自AIモデルの開発ハードルを大きく下げる狙いだ。
Meta AIが大型アップデート：Llama 3.1 405B対応やAI自撮り機能を追加
Metaは同社のAIアシスタント「Meta AI」に最新のフラッグシップモデル「Llama 3.1 405B」のプレビュー版を導入した。数学やコード作成などの高度なタスクに対応するほか、自分の顔写真から画像を生成する「Imagine me」機能も追加された。なお405Bの利用には手動切り替えが必要で週ごとの上限がある。
Adobe、IllustratorとPhotoshopに新AI機能を投入：ベクター生成や画像生成を正式提供
AdobeはIllustratorとPhotoshopの最新アップデートを発表した。Illustratorにはベクター図形を自動生成する「生成塗りつぶし（シェイプ）」やモックアップ機能が追加され、Photoshopでは「画像を生成」機能が一般提供となった。外部ツールを行き来することなく、使い慣れた作業環境のままAIを活用した試作が可能になる。
木
7月18日 木曜日
Figma、AIがAppleの天気アプリを模倣した理由を説明：直前の素材審査不足が原因
Figmaは生成AI機能「Make Designs」がAppleの天気アプリ酷似のデザインを出力した問題について公式声明を発表しました。原因はモデルの学習ではなく、Config直前に追加したデザインシステムのコンポーネントや参考画面の審査不足だったと説明。該当機能を停止し、QA工程の改善を進めています。
水
7月17日 水曜日
Microsoft Designerが一般公開：iOS・Androidアプリも無料提供へ
マイクロソフトは AI デザインツール「Microsoft Designer」を個人アカウント向けに一般公開し、iOS および Android 向け無料アプリの提供を開始しました。プロンプトテンプレートやステッカー生成、画像のスタイル変換などの機能を備え、Word や Windows「フォト」とも連携します。毎日 15 回の生成枠が無料で付与されます。
Tencent Yuanbao、自撮り1枚から3Dアバター生成 3Dプリントにも対応
TencentはAIアプリ「Tencent Yuanbao」に「3D Avatar Dream Factory」機能を追加した。正面の顔写真1枚から10種類のスタイルから選べる3Dキャラクターを自動生成でき、360度プレビューに加え、オフラインでの3Dプリント出力にも対応する。
Androidのロック画面でGeminiが進化：ロック解除なしで天気などの質問に対応
GoogleはAndroidのロック画面において、端末のロックを解除せずにGeminiへ天気などの一般的な質問を行えるアップデートを配信した。これまではタイマーや音楽操作などに制限され、簡単な質問でも画面解除が求められていた。設定画面に専用の許可スイッチが追加されている。
火
7月16日 火曜日
AnthropicがAndroid版Claudeアプリを公開：Claude 3.5 Sonnetに対応
AnthropicはAndroid向け公式アプリ「Claude」の提供を開始した。無料および有料ユーザー向けにClaude 3.5 Sonnetを開放し、画像認識や多言語翻訳、WebやiOSとの会話履歴の同期に対応している。
火
7月9日 火曜日
Stability AI、「Stable Assistant」に画像の一部置換と最長3分の音楽生成機能を追加
Stability AI はチャットボット「Stable Assistant」に「Search & Replace」と音楽生成機能を追加した。画像内の特定オブジェクトの差し替えや、Stable Audio 2.0 による最大 3 分間の 44.1 kHz ステレオ音源作成が可能になる。現在 3 日間の無料トライアルが用意されている。
Anthropic、Claudeの「Artifacts」を公開・共有可能に 他人の成果物のRemixにも対応
Anthropic は Claude の「Artifacts」を外部に公開・共有できる新機能を発表した。他人が作成した Artifacts をベースに再編集できる Remix にも対応。コードやベクター画像、簡単なゲームなどを手軽に共有・共同作業できるようになった。
Hugging Face、Google Cloud TPU v5e を提供開始：1時間1.38ドルから
Hugging Face は Inference Endpoints と Spaces で Google Cloud TPU v5e の提供を開始した。利用料は1時間あたり1.375ドルから。オープンソースの Optimum TPU を活用し、Gemma や Llama、Mistral などのモデルを数クリックでデプロイできる。
Anthropic、コンソールにプロンプト評価機能を追加：テスト自動生成と並列比較に対応
Anthropic は開発者向けコンソールにプロンプト評価機能を導入した。Claude 3.5 Sonnet を使ったプロンプトやテストケースの自動生成、CSV インポート、複数バージョンの出力並列比較、5 段階評価に対応する。スプレッドシートでの手動検証から解放され、本番導入前の改善サイクルを素早く回せるようになった。
月
7月8日 月曜日
Magnific AIがPhotoshopプラグインを提供開始、PS内で直接高解像度化が可能に
Magnific AIはAdobe Photoshop向けの公式プラグインをリリースした。クリエイターから最も要望の多かった機能で、Photoshopの作業画面から離れることなく、直接MagnificのAIアップスケーリングやディテール補正機能を利用できる。
AIプラットフォームPoe、チャット内でWebアプリを直接動かせる「Previews」提供開始
Poeはチャット内で生成されたWebアプリを即座に表示・操作できる新機能「Previews」を発表した。Claude 3.5 SonnetやGPT-4o、Gemini 1.5 Proなどコーディングに強いモデルに対応。コードを外部環境に貼り直すことなく、会話の中でそのまま動かして試せる。
水
7月3日 水曜日
Mac版ChatGPT、会話履歴を平文保存していた脆弱性が発覚 暗号化アプデを配信
The Vergeの報道によると、OpenAIのChatGPT Mac向けアプリが、端末内に会話履歴を暗号化せず平文で保存していたことが判明した。悪意あるアプリに会話を盗み見られるリスクがあったが、指摘を受けたOpenAIはローカル記録を暗号化するアップデートを緊急配信した。
Cloudflare、AIクローラーを一括遮断する新機能を無料提供
Cloudflare はすべての AI ボットやスクレイパーをワンクリックで遮断できる新機能を発表した。無料枠を含む全ユーザーが利用でき、robots.txt を無視して偽装アクセスを行う悪質なクローラーも機械学習で検知してブロックする。サイト運営者は無断でのモデル学習データ収集を簡単に防げるようになる。
ElevenLabsがVoice Isolator公開：雑音や音楽を消し声だけ抽出
ElevenLabsは音声分離ツール「Voice Isolator」を公開した。独自の深層学習モデルにより、街の騒音や周囲の話し声、音楽を取り除き、人の声だけをクリアに抽出できる。WAVやMP3に対応し、ブラウザ上で月1万クレジットまで利用できる。
火
7月2日 火曜日
Figma、新AI機能「Make Design」を一時停止 Appleの天気アプリ酷似と物議
FigmaはテキストからUIを生成する新機能「Make Design」の提供を一時停止した。生成結果がApple純正の「天気」アプリに酷似しているとの指摘を受けた措置。CEOは既存アプリによる学習疑惑を否定し、社内デザインシステムの多様性不足とテストの不備が原因だと説明している。
ElevenLabsが往年の名優の声を再現：ジュディ・ガーランドらが本を朗読
ElevenLabsは遺産管理団体と提携し、リーダーアプリでジュディ・ガーランドやジェームズ・ディーンらのAI音声を公開した。ガーランドの声で『オズの魔法使い』を聴くことなどが可能。ただし、これら象徴的な声はアプリ内での個人ストリーミング再生に限定され、外部への書き出しには対応しない。
Perplexityが「Pro Search」を刷新：多段階推論とWolfram|Alpha連携に対応
Perplexity は深層検索機能「Pro Search」の強化を発表しました。複雑な問いに対して多段階の推論を行い、検索結果に応じた追加調査を自律的に進められるほか、Wolfram|Alpha 連携とコード実行により高度な計算や分析にも対応します。無料枠でも限定回数で試用できます。
金
6月28日 金曜日
SolosがGPT-4o搭載のAirGo Vision発表、Ray-Ban Metaに対抗
Solosはスマートグラス「AirGo Vision」を発表した。つる部分にカメラを搭載し、ChatGPT-4oを活用した視覚検索に対応するほか、GeminiやClaudeへの切り替えも可能。フレームを交換できるモジュール構造だが動画撮影には非対応で、年内後半の発売を予定している。
木
6月27日 木曜日
Meta、Instagram でクリエイター自作の AI ボットをテスト開始
木曜日、Meta は米国でクリエイターが「AI Studio」を使って制作した AI キャラクターのテストを Instagram 上で開始した。主にメッセージ機能に表示され、AI である旨が明記される。初期テストは約 50 人のクリエイターを対象とし、8 月の本格展開を目指す。
米TIME誌、ElevenLabsと連携し記事の自動音声読み上げを導入
米TIME誌はElevenLabsと提携してTIME.comの一部記事に埋め込み型プレイヤー「Audio Native」を導入したと発表した。2023年3月から進めていたテキスト読み上げ技術の検証が実用化され、読者は記事を音声で手軽に聴けるようになる。
LangChainがLangGraph v0.1とCloudを発表：エージェントの高精度制御とクラウド運用に対応
LangChainは自律型エージェント構築フレームワーク「LangGraph v0.1」の安定版と、運用基盤「LangGraph Cloud」のベータ版を発表した。細かい制御フローの設計や人間による介入・巻き戻し編集に対応し、実運用での信頼性向上と大規模スケールを支援する。
Character.AIがAIキャラとの音声通話機能を公開：日本語対応、遮断操作も可能
Character.AIはAIキャラクターとリアルタイムで通話できる新機能を一般公開した。日本語や英語など多言語に対応し、低遅延で発言の途中遮断やテキストとの切り替えもスムーズに行える。語学学習や面接練習などでの利用を見込む。
Google翻訳、過去最大110言語を追加 PaLM 2で広東語などに対応
GoogleはPaLM 2大規模言語モデルを活用し、Google翻訳に過去最多となる110言語を追加したと発表した。広東語やマン島語など、世界人口の約8%にあたる6億1400万人以上の話者をカバーする。データ確保が難しかった近縁言語や方言の学習をAIが大幅に効率化した。
水
6月26日 水曜日
Figmaが大規模刷新、プロンプトからUIを即座に生成する「Figma AI」発表
FigmaはUIの大幅刷新とともに、テキスト入力からアプリ画面のモックアップを自動生成する「Figma AI」を発表しました。プレゼン機能「Figma Slides」も新設。AI機能は現在ウェイトリスト制の限定ベータで年内無料ですが、ユーザーデータを用いたモデル学習の初期設定が議論を呼んでいます。
Amazon、新AIチャットボット「Metis」を開発中か 「Olympus」搭載で9月登場の噂
Business Insiderによると、Amazonがコードネーム「Metis」と呼ばれる新AIチャットボットを開発している。基盤にはTitanではなく新モデルOlympusを採用し、RAG技術で最新データを取得する。アンディ・ジャシーCEO直属で開発が進められており早ければ9月に公開予定だが、競合追撃には遅すぎるという懸念も社内から出ている。
動画編集アプリ Captions、縦型トーク動画に演出や効果音を自動付与する「AI Edit」公開
動画編集アプリの Captions が新機能「AI Edit」を公開した。1人語りの縦型動画を読み込むと、内容に合わせてズーム、トランジション、画像、音楽、効果音を自動で追加する。アプリ内の12種類の AI アバターと組み合わせれば、プロンプト入力から編集完了まで数分で完結する。
Opera、新版「Opera One R2」の開発者版を公開：画像生成AIや画面分割タブを搭載
Opera は「Opera One R2」の開発者向けベータ版を公開した。AI アシスタント「Aria」による画像・音声生成や画像認識が標準搭載されたほか、閲覧中ページについて質問・要約できる機能も追加。フローティング式メディア操作や分割タブも利用できる。一般向け正式公開は年内を予定している。
火
6月25日 火曜日
OpenAI、Mac 版「ChatGPT」アプリを全ユーザーに一般公開
OpenAI はmacOS 向けデスクトップアプリ「ChatGPT」を無料ユーザーを含む全員に開放したと発表した。「Option + Space」キーで Spotlight のように即座に呼び出せ、画面のスクリーンショットを共有した質問や音声対話、ファイル添付が手軽に行える。
ElevenLabs、AI音声で長文やPDFを読み上げる「Reader App」を公開
ElevenLabsはiOSとAndroid向けに「Reader App」を公開した。Web記事やPDF、ePubなどの文書を高品質なAI音声で自然に読み上げてくれる。最初の3カ月間は無料で利用可能。現在は英語のみだが、近く29言語以上に対応する予定だ。
Anthropic、Claude.aiに「Projects」機能を追加 200Kの文脈で社内ナレッジ共有
AnthropicはClaude.aiのProおよびTeamプラン向けに「Projects」機能の提供を開始した。プロジェクトごとに200Kトークンのコンテキストウィンドウが割り当てられ、社内ドキュメントやコード、専用指示を紐付けて作業できる。Teamユーザーは会話の共有も可能で、データはモデル学習に使われない。
