マイクロソフト、独自特化型「MAI」モデル群を発表 GPUコストを最大89%削減
米マイクロソフトは製品特化型の独自AIモデル群「MAI」を発表した。画像、音声、コードなど十数モデルを自社製品へ展開し、GPUコストを50〜89%削減した。サイバーセキュリティ向けモデルはCyberGymベンチマークで首位を獲得。タスクの9割を軽量特化型で処理し、高価なフロンティアモデルへの依存を下げる狙いだ。
AIデイリー：今日のAIニュース
水
7月29日 水曜日
Google Gemini、最大10本の動画を無料生成できる期間限定トライアルを開始
GoogleはGeminiの動画生成機能を期間限定で無料開放した。有料プラン未加入のユーザーを対象に、2026年8月4日まで最大10本の動画を作成・編集・リミックスできる。Gemini Omniモデルの機能を体験できる形だ。
オックスフォード大など、AI世界モデルに「心」を組み込む新手法「MWM」を発表
オックスフォード大学とシンガポール国立大学の研究チームは「心智世界モデリング（MWM）」と検証用ベースラインMENTISを発表した。従来のモデルが物体の物理的な動きしか追えないのに対し、信念や意図といった心理変数を組み込むことで、人間の意思決定を高精度に予測可能にする。
Ideogram、画像消去ツール「Object Remover」公開 影や反射も完全除去
Ideogramは画像から不要な被写体やテキストを消去する「Object Remover」を公開した。指定した要素だけでなく、影や映り込み、光の変化まで残さず消し去り、元のテクスチャを自然に再構築する。同社によればRemovalBenchベンチマークで首位を獲得し、処理単価も最安だという。
HeyGenが動画ポッドキャストツール公開、資料から2人MC番組を自動生成
HeyGenは文書やリンク、アイデアから2人のホストによる動画番組を自動生成する新ツール「Video Podcast」を公開した。音声のみにとどまらず、スタジオ映像、マルチカメラの切り替え、Bロールまで数分で生成し、そのまま公開できる動画を作成できる。
Tavus、記憶を持つAIビデオアバターをノーコードで作れる「PAL Maker」公開
TavusはAIビデオコンパニオンをノーコードで作成できる「PAL Maker」を発表した。ユーザーはAIクリエイター「Charlie」に対話で希望を伝えるだけで、視覚・記憶・感情理解を備えたアバターを生成可能。Raven-1などの独自モデルで動作し、医療や採用現場での導入が進んでいる。
Replit、誰でもデザインできるAIツール「Replit Design」発表
ReplitはAIを活用した新クリエイティブスイート「Replit Design」を発表した。専門スキルがなくてもアイデアを直感的に形にできる環境を目指す。コーディング支援から総合的なクリエイティブ領域への拡張となる。
GoogleがLyria 3.5を発表：歌声や歌詞の表現力が進化、テンポ調整も可能に
Googleは最新の音楽生成AIモデル「Lyria 3.5」をGoogle Flow Music向けにリリースした。メロディの複雑さやボーカルの感情表現、発音の正確さが向上したほか、プロンプトに忠実な作詞や、テンポ・曲の長さの直接調整にも対応した。
マーサ・スチュワート共同創業の住宅管理AIアプリ「Hint」がiOSで提供開始
ライフスタイルのカリスマであるマーサ・スチュワート氏が共同創業した住宅管理AIアプリ「Hint」がiOS向けに公開された。住所や家電の写真、書類を登録すると、公開データとAIを組み合わせて最適なメンテナンス計画や保険の助言を提示する。1000万ドルの資金調達も完了し、現在は無料で利用できる。
Mac版Geminiが更新、Fnキー長押しで音声入力や画面内要約に対応
GoogleはmacOS版Geminiに音声機能を追加した。Fnキーを長押しするだけで任意の画面に音声入力でき、「えーと」などの不要な言葉も自動で除去される。設定で推論を有効にすれば、画面上で選択したテキストの書き直しや文書の要約も音声で指示できる。
LeapTalk、1ステップ生成で最大200FPSのリアルタイム動画を実現
研究チームがリアルタイムなトーキングヘッド生成フレームワーク「LeapTalk」を発表した。従来の複数ステップ拡散や自己回帰モデルの課題を克服し、ブラウン橋を用いた単一ステップ蒸留により、参照画像1枚と音声から最大200 FPSの速度で顔の同一性を保った長尺動画を生成できる。
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、GPT-5.6 SolのARC-AGI-3スコアを3倍にした2つのAPI設定を解説
OpenAIはGPT-5.6 SolのARC-AGI-3スコアが低かった原因を検証し、推論過程の保持とコンテキスト圧縮の2設定を有効化することでスコアが約3倍になり、出力トークンも6分の1に削減されたと発表した。評価環境の設定がいかに結果を左右するかを示している。
xAIが「Grok Voice 2.0」発表：発話しながら推論、応答遅延0.7秒
xAIは音声対音声モデル「Grok Voice 2.0」を発表した。発話と並行して推論を進める設計で、初回音声遅延を0.7秒に短縮し、総合ベンチマークでGPT-Realtime-2.1を上回った。料金は1分あたり0.08ドルで、8月5日に標準モデルへ切り替わる。
OpenAIが研究者支援プログラムを発表：GPT-5.6など最先端モデルを10万人に無償提供
OpenAIは学術研究者向けに「ChatGPT for Academic Researchers」を開始し、2027年までに10万人の科学者やエンジニアへGPT-5.6などの最先端モデルを無償提供すると発表した。採択者は同僚4名を招待可能で、データ学習に利用されない保護環境が用意される。巨額の計算資源を大学現場へ還元する狙いがある。
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
OpenAI、音声書き起こしモデル「gpt-transcribe」と「gpt-live-transcribe」を発表
OpenAIはバッチ処理向け「gpt-transcribe」とリアルタイム書き起こし向け「gpt-live-transcribe」を発表した。背景ノイズや多言語、訛り、専門用語など、過酷な実環境での認識精度が大幅に改善されている。
OpenAIやAnthropicなど1100人超が署名、「自律型AI研究」の国際規制を米政府に要請
OpenAI、Anthropic、Googleなどの研究者や幹部1100人以上が連名で声明を発表し、自動化されたAI研究に対する国際的な規制協調を米政府に求めた。AI自身がAIを研究・開発することで、安全監視ツールが追いつかない速度で能力が暴走するリスクを懸念している。
米政権、中国製ヒト型ロボットやインバーターの輸入禁止へ：AI網防衛
米トランプ政権は火曜日、FCCを通じて中国製の新型ヒト型ロボットや四足歩行ロボット、送電網向けインバーターの輸入禁止措置を発表する方針だ。AI基盤をサイバー攻撃や情報漏洩から守り、重要技術の国内回帰を促す狙いがある。
Throneが約1000万ドル調達：便器に取り付けるAIカメラで腸内環境を可視化
米Throne Scienceは1000万ドルのシリーズA資金調達を発表した。同社の「Throne One」は便器のフチに設置し、12種の画像認識モデルで排便状態を自動分類するデバイスだ。ウェアラブルでは取得できない消化器データを蓄積し、生活習慣改善を促すAIコーチ機能も提供する。
Fish Audio、5200万ドル調達と音声複製モデル「S2.1 Pro」公開を発表
音声AI企業のFish Audioは、5200万ドルのシード資金調達と音声クローンモデル「S2.1 Pro」の一般公開を発表した。わずか5秒の音声から高精度に声を複製でき、処理速度はCartesiaの2倍、コストはElevenLabsの6分の1に抑えた。感情やテンポの単語単位制御にも対応する。
Ai2、地球規模の衛星画像AI推論基盤「OlmoEarth Platform」を公開
Ai2は地球観測モデル向けの大規模推論基盤「OlmoEarth Platform」を発表した。大陸規模の衛星画像解析を約1日で処理し、1平方キロメートルあたりのコストを1セント未満に抑える。北米の山火事リスク地図作成では19,600基のCPUと994基のGPUを並行稼働させ、処理速度を155倍に高めた。
Google、Gemini APIの管理型エージェントを更新：3.6 Flashを標準化し環境フックと無料枠を追加
GoogleはGemini APIのマネージドエージェントを刷新し、標準モデルをGemini 3.6 Flashに移行した。サンドボックス内でのツール呼び出し前後に検証スクリプトを実行できる環境フック機能やトークン上限設定が加わり、無料枠のAPIキーでも試せるようになった。
Mirage、10秒の動画から微表情を再現するアバターモデル「Avatar X」を発表
MirageはAIアバターモデル「Avatar X」を発表した。わずか10秒の動画からクローンを作成でき、あくびや苦笑いなどの細かな微表情を忠実に再現する。音声駆動による全身のモーション生成や、画質を落とさない長時間の連続動画生成に対応する。
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。
AdobeとJHU、動画世界モデル「Wonder」発表 画像からリアルタイムに探索空間を生成
Adobeとジョンズ・ホプキンス大学はリアルタイム動画世界モデル「Wonder」を発表した。画像や動画から16 FPSで操作可能な空間を生成し、自由なカメラ操作で探索できる。新領域を回って元の場所に戻っても景観が維持され、1分以上の一貫性を保てるのが特徴だ。
Grok 4.5がGitHub Copilotで利用可能に：xAIの最上位コーディングモデル
xAIは自社で最も高度なコーディングモデル「Grok 4.5」をGitHub Copilot向けに提供開始した。VSCodeやCopilot CLIなどのモデル選択メニューから直接利用可能。企業環境では設定での有効化が必要な場合があり、xAIコンソールでも入力100万トークンあたり2ドルで提供される。
Perplexity、Windows向けAIエージェント「Personal Computer」提供開始
PerplexityはWindows向けに「Personal Computer」を提供開始した。ブラウザの枠を超え、ローカルのWordやExcelファイルの編集、ファイル整理、Web検索との連携を自動でこなす。Pro、Max、Enterpriseの契約者向けにWindows 10/11で利用できる。
Claude Mythosが暗号を解読：耐量子署名HAWKの鍵強度を半減
AnthropicはClaude Mythos Previewを用いて暗号アルゴリズムの数学的欠陥を発見したと発表しました。米NISTの耐量子署名候補「HAWK」を約60時間の自律的検証で解析し、実効鍵強度を半減させたほか、ラウンド縮小版AESへの攻撃も最大800倍高速化しました。現行の本番環境には影響しませんが、AIによる暗号検証の進展を示しています。
MetaのザッカーバーグCEO：超知能は少数の独占ではなく全員に開放すべき
Metaのマーク・ザッカーバーグCEOは寄稿で、超知能は少数の機関に集中させるべきではなく広く全員に分散させるべきだと主張した。個人の強化、発明の優先、権力の均衡による安全性確保という3原則を提示。集中化が経済や政治の支配を招くと警告し、分散されたAIが雇用と起業を促すと強調している。
xAI、Grokに「Build Mode」追加 対話でアプリや3Dゲームを即座に作成・公開
xAIはGrokの新機能「Build Mode」の早期ベータ版を公開した。チャットでアイデアを伝えるだけで、コード作成から動くプレビューの生成までを会話画面内で完結し、Webサイトやアプリ、ゲームを構築できる。成果物はgrok.meや独自ドメインですぐ公開可能。現在はSuperGrok Heavy登録者向けに提供されている。
月
7月27日 月曜日
米トランプ政権がAI審査枠組みを策定へ、モデル公開前の事前提出を要請
米トランプ政権が高度な AI モデル公開前に政府審査を求める枠組みの策定を進めていることが判明した。Anthropic の Mythos を契機とする 6 月 2 日の大統領令に基づくもので、OpenAI、Anthropic、Google の 3 社が共同で修正案を提出。審査は NSA などが担う。
Meta、Ray-Banディスプレイ眼鏡にThreads連携と新型「Meta AI」を追加
Metaは米国向けのRay-Ban Displayスマートグラスにソフト更新を配信した。音声によるThreads閲覧やMuse Spark基盤のMeta AIに対応したほか、米国とカナダの早期アクセスユーザー向けにMeta Neural Bandを使った机上での手書き入力機能も提供する。
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。
OpenAIのアルトマンCEO、トランプ政権に次世代AIモデルを説明へ
報道によると、OpenAIのサム・アルトマンCEOが今週ワシントンを訪れ、トランプ政権高官や議員らに次世代AIモデルの能力や雇用への影響を説明する。中国製オープンウェイトモデルの猛追への懸念や、同社モデルがテスト環境を逸脱した直近のサイバー事故についても問われる見通しだ。
Claudeの共有リンクがGoogle検索にインデックス、ユーザーの会話が誰でも閲覧可能に
404 Mediaによると、AnthropicのAI「Claude」の公開共有リンクがGoogle検索結果にインデックスされ、ユーザーの会話や生成物が誰でも検索・閲覧できる状態になっていることが判明した。リンク共有が検索対象になると認識していない利用者が多く、AIツールの共有機能におけるプライバシー設定の不透明さが浮き彫りとなっている。
Spotify の AI 音楽放置に対抗：有志が「偽アーティスト」追跡サイトを公開
Spotify が AI 生成楽曲のラベル表示を徹底しない中、有志が SoullessMusic や SlopTracker などの検知ツールを立ち上げた。追跡対象の AI 歌手だけで年間推定 570 万ドルを稼ぎ出している。ただし検知モデル自体にも誤判定のリスクは残る。
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。
NVIDIAら多数の企業がOpen Secure AI Allianceを設立：オープン技術でAI時代の防衛を強化
NVIDIAはMicrosoftやHugging Faceなど多数のパートナーとともに「Open Secure AI Alliance」を立ち上げました。AI時代のサイバー防御に向けてオープンソースのツールやモデルを共同開発・共有する試みで、NVIDIAはエージェント安全フレームワーク「NOOA」をGitHubで公開しています。
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。
AnthropicのCEO、オープンウェイト規制論を否定 焦点は半導体と安全性テストへ
AnthropicのDario Amodei CEOは公式声明を出し、同社がオープンウェイトモデルの禁止を求めたことは一度もないと表明した。保護主義的な利用禁止ではなく、先端半導体の輸出規制、産業規模のモデル蒸留の取り締まり、および能力の高い全モデルに対する事前安全性テストの義務付けこそ注力すべきだと主張している。
AnthropicがCognizantと提携拡大：3万人にClaude研修、社内基盤へ全面統合
Anthropic は IT サービス大手 Cognizant とのパートナーシップ拡大を発表した。Cognizant は 3 万人以上の社員に Claude 研修を実施したほか、自社開発基盤に Claude Code などを組み込み、製薬や保険分野の顧客向けに業務自動化システムの展開を進める。
Nvidia、Ilya氏率いるSSIに巨額出資：TPUからRubin GPUへ移行
元OpenAIのIlya Sutskever氏が立ち上げたSafe Superintelligence（SSI）は、Nvidiaと長期提携を結び数十億ドルの出資を受けた。SSIはNvidiaの次世代GPUプラットフォーム「Vera Rubin」を導入して計算資源を1桁増やし、従来のGoogle TPU依存から脱却して安全な超知能の研究を加速させる。
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。
土
7月25日 土曜日
米国の図書館で「AI回避」講座が大人気：Apple IntelligenceやGeminiの無効化を指南
米国の図書館で端末に強制導入されたAI機能を無効化する「Avoiding AI」講座が満席になっていると報じられた。Apple IntelligenceやGeminiの通知や要約機能に疲弊した市民向けにオフの手順を教え、デジタル主権を取り戻す試みだ。
金
7月24日 金曜日
Midjourney、占星術アプリ「Co-Star」を買収 初の単体アプリ開発へ
画像生成AIのMidjourneyは木曜日、占星術アプリ「Co-Star」の買収を発表した。Co-Star創業者のバヌ・ギュレル氏がデザイン責任者（chief design officer）として合流し、画像生成向けを含む同社初の単体アプリ開発を主導する。これまでウェブとDiscord中心だった提供体制の拡大を狙う。
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。
Meta、Meta AIに自律エージェント機能を追加 「Muse Spark 1.1」でアプリ連携やタスク実行が可能に
MetaはMeta AIのアプリおよびWeb版にエージェント機能を導入したと発表した。新モデル「Muse Spark 1.1」により、質問応答だけでなく、Marketplaceでの家具探しやトレーニング計画作成など複数アプリを横断したタスク自律実行に対応。作業中のリアルタイム指示も可能で、現在は一部地域で先行提供されている。
Neuralinkが臨床試験の進捗を公開：思考だけで車椅子を運転可能に
Neuralinkは臨床試験の最新状況を公開し、麻痺のある被験者が思考だけで電動車椅子の前進、旋回、後退を操作する様子を披露した。脳の運動皮質に埋め込んだ1000個以上の電極信号を解読して車椅子を動かす仕組み。思考による操作が画面上のカーソルから物理ハードウェアへと広がったが、実用化にはまだ治験が必要となる。
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。
30億パラメータの「Nanbeige 4.2」公開、ループ構造で9B級を凌駕
3B規模のエージェント特化モデル「Nanbeige 4.2」が公開された。同一レイヤーを再利用するループ型Transformerを採用し、パラメータを増やさず計算量を確保。容量は約8GBで民生用GPUでも動作し、各種検証で3倍規模のQwen 3.5 9Bを上回るスコアを記録した。
Midjourneyが「V8.2」公開：低品質な生成を大幅削減、個人好みの反映を強化
Midjourneyは画像生成モデル「V8.2」をリリースしました。美学とパーソナライズの向上に注力し、ランダムな低品質画像の出力を大幅に抑制。コミュニティの評価データを活用することで、ユーザー固有の好みをより正確に反映したエッジの効いた画像生成が可能になりました。
xAI、Google Workspace向け「Grok」無料アドオンを公開
xAIはGoogle Workspace向けに無料のGrokアドオンを公開しました。一度インストールするだけでSheets、Slides、Docsの画面横に呼び出せます。セルの参照付き数式作成やグラフ挿入、アウトラインからのプレゼン資料作成、Drive内の情報を取り込んだ文書作成に対応し、変更はすべて通常編集として元に戻せます。
Anthropic、「Claude Opus 5」提供開始 Fable 5並みの性能を半額で
Anthropicは新モデル「Claude Opus 5」を発表した。前世代Opus 4.8と同価格を維持しながら、上位モデルFable 5に迫る知能を半分のコストで実現した。ARC-AGI 3で次点モデルの3倍のスコアを記録し、Claude Maxの標準モデルとして即日利用できる。
Anthropicらが「Drone-Bench」公開：AIによるドローン自律追跡を検証
AnthropicとAndon LabsはAIモデルが自律型ドローンを操縦して屋内ターゲットを捜索・追尾できるかを評価する新ベンチマーク「Drone-Bench」を発表した。15のモデルを検証したところ「Claude Fable 5」が最高成績を収めたが、3D空間再構築の精度不足により完全な部屋間自律ナビゲーションには至らなかった。
木
7月23日 木曜日
OpenAI、デスクトップ版ChatGPT Voiceを提供開始：音声で複数エージェントを操作
OpenAIはmacOSおよびWindowsのデスクトップアプリ向けにChatGPT Voiceの提供を開始した。GPT-Liveを基盤とし、音声のみでコンピューターを操作しながらChatGPT WorkやCodex内の複数エージェントを連携できる。有料プラン向けに順次グローバル展開される。
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。
Microsoft、GitHub CopilotとExcel向け独自MAIモデルを投入 GPT-5.6級の性能を低コストで
MicrosoftはGitHub CopilotとExcelに特化したMAIモデルの実装を発表した。MAI-Code-1-FlashはGPT-5.4 Miniよりコード採用率が約10%高く、Excel版は主要タスクでGPT-5.6と同等の品質をA100環境でも低コストに発揮する。
マイクロソフト、独自画像・音声モデルを公開 Bing画像生成を全面自社製に
Microsoftは自社開発モデル「MAI-Image-2.5-Pro」と「MAI-Voice-2-Flash」のパブリックプレビューを開始した。Bing Image Creatorは完全に自社製画像モデルへ移行し、新音声モデルは処理速度を2倍にしつつコストを32%削減した。
マイクロソフトが「MAI-Image-2.6」公開、Web情報を反映する画像編集モデル
マイクロソフトは画像生成・編集モデル「MAI-Image-2.6」を公開した。Web上の最新情報を反映した画像生成が可能で、構図やスタイルの細かな編集に対応する。半額以下の軽量版「Flash」も揃い、公式サイトのPlaygroundで試用できる。
NvidiaのGPUが月面へ Lunar Outpostの月面探査車にJetson搭載
宇宙ロボティクス企業のLunar Outpostは次世代月面探査車のLiDAR制御にNvidiaのJetsonチップを採用すると発表した。月面初のGPUになる見込み。年内にFalcon 9ロケットで打ち上げ予定で、宇宙放射線や過酷な寒暖差に極小電力で耐えられるかが試される。
画像生成のFLUX 3がロボット制御へ、アウディ工場に導入
Black Forest Labs と mimic robotics はマルチモーダル基盤モデル FLUX 3 を活用した動画・動作モデル「FLUX-mimic」を発表した。アウディの自動車工場に導入済みで、動画予測で獲得した物理世界の理解を行動に変換する。RTX 5090 単体で 80ms 未満の推論速度を実現し、ケーブルなど柔軟物の組み立ても担う。
Black Forest Labsが「FLUX 3」早期アクセス開始：画像・映像・音声を統合、最大20秒の音声付き動画生成
Black Forest Labsはマルチモーダル基盤モデル「FLUX 3」の早期アクセスを開始した。独自のSelf-Flow手法により画像・動画・音声を同一アーキテクチャで統合学習し、最大20秒の音声付き動画生成やロボットの動作予測に対応する。今後数週間で画像生成やオープンウェイト版Devも順次提供される予定だ。
ElevenLabs、AI楽曲生成「Music v2」に音源参照機能「References」を追加
ElevenLabsは楽曲生成モデル「Music v2」向けに新機能「References」を発表した。10秒から5分の音源をアップロードすることで、スタイルや楽器構成、雰囲気を反映した新曲を生成できる。著作権チェック機構を備え、他アーティストの音源は除外される仕様だ。
「Kimi K3」はFableの蒸留モデルか？ 専門家が米政府の指摘に疑問符
米ホワイトハウスの科学顧問が、Moonshotの「Kimi K3」はAnthropicの「Fable」を蒸留して開発されたと主張しましたが、AI専門家らは疑問視しています。Fableの公開からわずか2週間で蒸留と学習を完了するのは不可能であり、フロンティア級の性能獲得には蒸留以上の技術が必要だと指摘されています。
Google アカウント、自撮り動画でログイン復旧に対応：ディープフェイク対策も
Google はアカウントの復旧手段として「セルフィー動画ログイン」を追加した。カメラに向かって指示通りに頭を動かすことで登録でき、ログイン時には生体検知とディープフェイク対策を併用して本人確認を行う。動画は暗号化保存され、いつでも削除可能。
AMDがZen 6世代の「EPYC 9006」発表 最大256コア、エージェントAIでIntel比174％高速
AMDは、TSMCの2nmプロセスとZen 6アーキテクチャを採用した第6世代サーバー向けCPU「EPYC 9006」を発表した。1ソケットあたり最大256コア/512スレッドを搭載。オーケストレーションや検索などのエージェントAI処理において、Intel Xeon 6980P比で174％の性能向上を実現したという。
AMD、72基のMI455X搭載ラック「Helios」発表 NVIDIAに対抗
AMDは72基のInstinct MI455X GPUを搭載したAIラック「Helios」を発表した。NVIDIAのVera Rubin NVL72に対抗し、FP4演算性能で15%、HBM容量で50%上回るとアピール。マイクロソフトやOpenAIなどが採用を予定している。
AMDとCerebrasが提携：分離型AI推論で電力効率を最大5倍に向上
AMDとCerebrasは分離型AI推論ソリューションの提携を発表した。AMD Heliosが高スループットのプロンプト処理を担い、Cerebrasのウェエハスケールエンジンが超低遅延でトークン生成を行う。電力あたりの効率は最大5倍向上する見込みで、2026年後半にCerebras Cloudで提供が始まる。
Anthropic、Claudeの音声モードを強化 Opusや外部ツール連携に対応
Anthropicは、Claudeの音声対話モードで最上位のOpusおよびSonnetモデルを選択可能にした。複雑なブレストや思考の壁打ちに対応するほか、Gmailやカレンダーと連携して音声指示でツールを操作できる。日本語を含む11言語に対応し、全プラットフォームでテスト提供される。
OpenAIが「ChatGPT Health」公開：Apple Healthや電子カルテと連携
OpenAIは米国の18歳以上のユーザー向けに「Health in ChatGPT」の提供を開始した。Apple Healthや病院の医療記録と連携し、日々の検査結果や睡眠データを踏まえた健康相談が可能になる。データはモデル学習や広告に利用されず、有料プランにはGPT-5.6 Solが使われる。
xAI、Grok Buildに「Workflows」導入 最大1024体のエージェントで並行処理
xAIはGrok Buildに「Workflows」機能を発表した。自然言語で指示を出すと、AIがスクリプトを作成し、通常128体、大規模ジョブでは最大1024体の並行エージェントへタスクを分散して検証・統合を行う。作成したフローはスラッシュコマンドとして保存・チーム共有が可能だ。
Amazon、Alexa+にMCP対応・AIスマートホーム開発キット・音声決済を導入
AmazonはAlexa+向けの新開発者ツールを発表し、AIスマートホームツールキット、オープンなMCP対応、Amazon Wallet決済の統合を導入した。複雑な家電設定を曖昧な会話だけで最適に操作できるほか、会話の流れでそのまま音声決済が可能になる。外部エコシステムの連携加速を狙い、現在はプレビュー版として提供されている。
水
7月22日 水曜日
米政府、月之暗面を非難：K3開発でAnthropicモデルを「無断蒸留」と主張
米政府高官は中国の月之暗面が最新モデル「K3」の開発でAnthropicの「Fable」を秘密裏に蒸留し、タイでNvidiaのGB300チップを使用したと告発した。米財務省は制裁や輸出制限リスト追加を検討しているが、中国側は事実無根と反論している。
マイクロソフト、米エネルギー省の科学AI計画に6000万ドル投資
マイクロソフトは米エネルギー省の「Genesis Mission」に6000万ドルを拠出すると発表した。10年で米国の研究生産性を倍増させる計画で、Azure計算資源枠や技術支援の提供に加え、17の国立研究所と連携する拠点「SPARK」を開設する。
米電力大手ら約200社が誓約に署名：AIの電気代急増から消費者を保護へ
WSJの報道によると、全米の約80%の送電を担う電力会社やデータセンター開発会社など約200社が、電気料金保護の自発的誓約に署名した。AI需要による家庭向け電気料金の高騰を防ぐ狙いだが、強制力や罰則はなく、実効性には疑問の声も上がっている。
Google、強化学習で量子計算機を実行中に自動校正 エラー率を20％削減
Googleの研究チームは強化学習と量子誤り訂正を組み合わせ、量子コンピュータの稼働中に制御パラメータを自律補正する手法を発表した。AIがエラー信号をもとに数千のパラメータを微調整し、システムを止めずに論理エラー率を20%低減。長時間にわたる連続計算を阻んでいた最大の壁を破る成果となる。
Anthropic、Claude向け「経済指数コネクター」公開：AIが仕事に与える影響を直接質問可能に
AnthropicはClaude向けの「Anthropic Economic Index」コネクターを公開した。claude.aiで有効化すると、どの職種でAI利用が進んでいるかや自動化されているタスクの傾向を直接質問して確認できる。なお、提供されるデータは労働市場全体ではなくClaudeの利用動向を反映したものとなる。
Cursorがモデル自動ルーティングを発表、コーディング費用を最大60%削減
Cursorはチームおよび企業向けに賢いモデルルーティング機能「Cursor Router」の提供を開始した。リクエストの複雑度やタスク種別を事前判定し、定型業務を低コストモデルへ、高度な推論を最先端モデルへ自動で振り分ける。実運用テストでは品質を落とさずにAIコストを30%〜60%削減できる。
Qwen-Image-3.0登場：4.5kトークン入力や10px極小文字描画に対応
第3世代の画像生成基底モデル「Qwen-Image-3.0」が登場した。最大4.5kトークンのプロンプトに対応し、新聞や絵コンテなどの複雑なレイアウトを再現できる。12言語と10pxの極小文字描画をサポートするほか、ウェブ画面の生成やリアルタイムなネット検索も行える。
OpenAI、企業向けAIエージェント基盤「Presence」公開 音声対応で75%を自律解決
OpenAIは企業向けエージェント基盤「Presence」を発表した。音声とチャットの双方で社内システム操作や承認ルールに沿った自律対応を行う。自社サポート窓口では75%の問い合わせを無人で完結させており、Codexによる継続的改善ループも備える。現在は選定企業向けの限定提供となる。
OpenAI、米エネルギー省の「Genesis Mission」に1700万ドル支援
OpenAIは米エネルギー省のGenesis Missionへ1700万ドル相当の支援を発表した。研究者約2000人へのCodex提供や、高温超電導材料の開発支援、スパコンVenadoへの推論モデル配備などが含まれる。AIを国家の戦略的科学インフラに位置づけ、10年間で研究生産性を倍増させる狙いだ。
