Stream Deck 7.4がMCP対応:Claudeや音声AIからマクロ実行が可能に
ElgatoはStream Deck 7.4のMCP対応ガイドを公開した。AI向けのオープン規格MCPをサポートしたことで、Claude DesktopやNVIDIA Project G-AssistなどのAIから配信開始や照明操作といったアクションを音声やテキストで一括実行できるようになる。
ElgatoはStream Deck 7.4のMCP対応ガイドを公開した。AI向けのオープン規格MCPをサポートしたことで、Claude DesktopやNVIDIA Project G-AssistなどのAIから配信開始や照明操作といったアクションを音声やテキストで一括実行できるようになる。
Gmailは米国向けのGoogle AI Ultra加入者を対象に「AI Inbox」のベータ版提供を開始しました。スマート優先度設定でメールを整理し、毎日の個別要約を届けます。手動での「Inbox Zero」が不要になる一方、現在は米国の最上位プラン限定です。
OpenAIはiOS 26.4のリリースに合わせてCarPlay専用のChatGPTアプリを公開した。運転中の安全性に配慮し、画面上には文字を表示せず、音声のみでやり取りする仕様となっている。主要な対話型AIとしては初のCarPlay対応となり、利用にはiOS 26.4が必要となる。
HeyGenはTopaz Labsのアップスケーリングモデル「Starlight Precise 2.5」を作業フローに統合したと発表した。任意の解像度の動画をより鮮明かつ滑らかな4Kに引き上げ可能になり、外部ツールでの別処理が不要になる。
Topaz Labsは動画高画質化向けの「Precision Update」を公開した。Topaz Videoとクラウド基盤Astraに新世代モデルを追加し、最大4K出力に対応したほか、ローカル処理速度を最大5倍に向上させた。生成AI映像特有の不自然な質感を抑えられるほか、Topaz Photoには偽解像度を自動検出する機能も加わった。
Googleは最もコスト効率に優れた動画生成モデル「Veo 3.1 Lite」を公開しました。「Veo 3.1 Fast」と同じ生成速度を維持しつつ、コストを50%未満に抑制。テキストや画像からの動画生成に対応し、最大1080pで出力できます。Gemini APIとGoogle AI Studioの有料プレビューで利用可能です。
Meta は視力矯正メガネ利用者向けに設計された新型スマートグラス「Ray-Ban Meta Blayzer Optics」と「Scriber Optics」を発表しました。価格は 499 ドルからで予約受付を開始。写真や音声で食事記録・栄養管理ができる AI 機能や WhatsApp 要約機能も順次提供されます。
Anthropicの「Claude Code」のソースコードが、npmレジストリに誤って含まれていたsource mapファイル経由で流出した。研究者のChaofan Shou氏が発見して公開。デバッグ用ファイルが本番パッケージに残る初歩的なミスで、エンジニアリング管理の甘さが露呈した。
音声合成・クローンモデル「LongCat Audio Edit」が公開された。わずか数秒の音声サンプルから話者のトーンや音色を高精度に再現する。35億パラメータ版に加え、一般向けGPUで動作する約6GBの軽量版も提供される。
中国の研究チームがAI研究向けエージェントフレームワーク「ASI-Evolve」のコードと論文を完全オープンソースで公開しました。論文の精読から実験設計、実行、結果分析まで自律してこなし、自己改善のサイクルを回します。
Nature Medicineに血漿プロテオミクスを用いた深層学習モデル「ProtAIDe-Dx」の論文が掲載された。17,187人のデータを基に、アルツハイマー病など6疾患を70〜95%のバランス精度で判定し、併発病理も特定可能。臨床で25〜50%に上る誤診の削減が期待される。
SalesforceはSlackbotに30以上の新機能を追加したと発表した。会議の文字起こしや決定事項のCRM自動反映、画面上の作業を支援するデスクトップ機能、MCP経由での外部ツールやAgentforce連携に対応する。上位プラン向けに即日提供され、4月より無料プラン等へ順次展開される。
Anthropicはオーストラリア政府とAI安全性に関する覚書を締结した。同国のAI安全研究所とリスク評価などで協力するほか、国内の4つの研究機関に難病診断やゲノム解析支援として計300万豪ドル相当のClaude API枠を提供し、シドニー拠点の開設も進める。
PerplexityはAIの安全性とプライバシー研究を専門とする「Secure Intelligence Institute(SII)」を設立した。初代ディレクターにはパデュー大学のNinghui Li教授が就任し、認証やエージェントシステムの防御を研究する。オープンなWebで自律行動するAIのセキュリティ対策を産学連携で本格化させる狙いだ。
OpenAIは1220億ドルの資金調達を完了し、評価額が8520億ドルに達したと発表した。月間売上高は20億ドルを突破し、ChatGPTの週間アクティブユーザーは9億人を超える。調達資金は計算基盤の拡大に充当され、ChatGPTやCodexを統合したAIスーパーアプリの開発を急ぐ。
Googleは将来の量子コンピュータが従来の想定より約20分の1のリソースでビットコインなどの暗号を解読できる可能性があるとの論文を発表した。特定条件下では約9分で秘密鍵を割り出せる恐れがある。実機はまだ存在しないものの、Googleは2029年までに耐量子暗号へ移行するよう業界に求めている。
ノーコード開発プラットフォームのSoftrは、AIネイティブに刷新した新版と「AI Co-Builder」を発表した。自然言語で指示するだけで、データベースや認証、権限設計、自動化フローを含む実用的な社内ツールを構築できる。生成されたコードの保守に悩まされることなく、直接ビジュアル編集で拡張できる点が強み。
GitHubで話題のオープンソース「同事.skill」は、WeChatやFeishuなどのチャットログを読み込み、元同僚のデジタル分身を作成するツールだ。人柄層と業務スキル層を分けてモデル化し、独特の口調や返信パターンまで忠実に再現する。公開3日で6700スターを獲得した。
H CompanyはPC操作に特化したAIモデル「Holo3」を発表した。Qwen 3.5を基盤に強化され、上位モデルのHolo3-122B-A10BはOSWorldベンチマークで78.85%の新記録を達成。軽量版の35BモデルはApache 2.0ライセンスでオープンソース公開された。
米カリフォルニア州のニューサム知事は行政命令に署名し、州政府と協業するAI企業に対してプライバシーと市民の自由の保護を義務付けた。自律兵器や監視へのAI利用を進める連邦政府の方針に対抗し、世界第4位の経済規模を持つ州の調達力で規制の基準を引き上げる狙いだ。
OpenAIはAnthropicのCLIツール「Claude Code」内でCodexを呼び出せる公式プラグインをGitHubで公開した。通常のコードレビューに加え、粗探しを行う敵対的レビューやタスク引き継ぎに対応する。ローカルのCodex CLIやMCP設定をそのまま再利用でき、無料のChatGPTアカウントでも動作する。
Blueskyで週末に公開された実験的AIフィード作成ツール「Attie」に対し、ユーザーからのブロックが12万5000回を超え、米副大統領に次ぐプラットフォーム第2位の被ブロックアカウントとなった。入力した説明からカスタムフィードを自動生成する機能だが、AI導入を嫌うコミュニティから激しい拒絶反応が起きている。
検索エージェントを活用した画像生成フレームワーク「Gen-Searcher」が公開された。生成前にWebから参考画像や事実情報を検索して反映させることで、特定キャラやニッチな知識の再現精度を大幅に引き上げる。
ByteDanceは端末内でオフライン動作する画像拡散モデル「DreamLite」を発表しました。パラメータ数はわずか3.9億で、iPhone上で1024×1024の画像生成が約3秒で完了するほか、背景差し替えや画風変更などの編集にも対応します。クラウドの最上位モデルには質感で及ばないものの、スマホ単体での実用的な画像生成を実現しています。
AnthropicはCLIツール「Claude Code」にComputer Use機能を統合したと発表した。Claudeがコードを書くだけでなく、CLIから直接アプリを起動してUIを操作し、自ら動作確認まで行う。ProおよびMaxプラン向けにリサーチプレビューとして提供される。
アリババのQwenチームはネイティブ全モーダルモデル「Qwen3.5-Omni」を発表した。テキスト、画像、音声、動画を同時に処理でき、カメラに構想を話すだけでサイトやゲームを生成する「音声視覚Vibe Coding」を搭載。最大10時間の音声認識に対応し、音声性能でGemini-3.1 Proを上回る。
Instacartは、NVIDIA Jetsonを搭載したスマートショッピングカート「Caper Cart」によるPhysical AI戦略を発表しました。車載カメラや重量センサーで店内データを端末側で即時処理し、顧客の買い物中に最適な商品を提案することで、小売店の客単価を二桁押し上げています。
MIT Technology Review の報道によると、米カリフォルニアの新興企業 R3 Bio が、臓器提供や全身移植用の「脳のないクローン体」を育成する構想を非公開で投資家に提案していた。同社は表向き動物実験代替用のサル組織開発を掲げ資金調達しているが、過激な延命アプローチに生命倫理の専門家から強い批判が集まっている。
AnthropicはClaude Platform向けに監査ログを取得できる「Compliance API」の提供を開始した。管理者の権限変更やファイル操作などのイベントをプログラム経由で追跡でき、金融や医療など規制の厳しい業界に対応する。モデルとの推論内容は記録されない。
Microsoft は Microsoft 365 Copilot の調査エージェント「Researcher」に Critique と Council を追加した。OpenAI や Anthropic のモデルで生成と校閲を分担させ、DRACO ベンチマークで 13.8% の精度向上を達成。複数モデルの回答を並べて比較することも可能になった。
オープンソースの動画制作システム「OpenMontage」が登場。Claude CodeやCursorと連携し、指示1つで調査から脚本、絵コンテ、素材生成、編集まで自律して完結させます。事前に絵コンテと見積もりを確認でき、60秒のアニメ制作費用はわずか1.33ドルです。
音声クローンモデル「LuxTTS」がオープンソースで公開されました。わずか3秒の音声から音色を捉え、1GB未満のVRAMで48kHzの高音質音声を生成します。GPUで実時間の150倍、CPU単体でも実時間超えで動作するため、一般的なノートPCでも高品質な音声合成を手軽に実行できます。
ゼネラルモーターズ(GM)は車両デザイン工程に生成 AI を組み込んだワークフローを発表した。スタートアップの Vizcom と連携し、手描きスケッチを 1 日足らずで 360 度 3D モデルや走行アニメーションへ変換。AI 仮想風洞により空気抵抗シミュレーションも 2 週間から即時反映へ短縮される。
OpenAIはゲイツ財団やアジア防災センターらとバンコクで初の防災AI Jamを開催した。アジア13カ国から集まった50人の災害対策リーダーが、状況報告や支援ニーズ評価、住民連絡を効率化するカスタムGPTやワークフローを構築。今後数カ月以内に実証配備を進める計画だ。
動画生成モデルの属性をスライダーで連続制御できる新手法「TokenDial」の論文が公開された。モデルを再学習することなく、煙の量やダンスの激しさなどを直感的に調節できる。プロンプトの運任せを排し、狙い通りの表現を可能にする。
UFCのダナ・ホワイト代表は公式プロモーション映像への生成AI利用に対するファンの批判を一蹴。「AIの普及は不可避」とし、抗議者に向けて試合に集中するよう過激な言葉で反論しました。スポーツ興行におけるAIによる制作効率化とクリエイター軽視を巡る対立が浮き彫りになっています。
Anthropicは2026年に入りClaudeの有料サブスクリプション数が2倍以上に増加したとTechCrunchに明かした。米クレジットカードの分析によると、1月から2月にかけて月額20ドルのProプラン加入者が急増。国防総省との軍事利用を巡る対立やスーパーボウル広告、Claude Codeの普及が牽引した。
MidjourneyのエンジニアCheng Lou氏がテキスト組版ライブラリPretextをオープンソース公開した。CodexやClaudeなどAIツールを駆使して作られた15KBの軽量ツールで、DOMリフローを回避して多行テキストの配置を高速化し、動くオブジェクト周りのリアルタイム回り込みを可能にする。
AnthropicがClaudeデスクトップ向けに、生物学・生命科学研究に特化した新モード「Operon」をテスト中であることが明らかになりました。CRISPR設計や単細胞RNA解析に対応し、ローカルデータを読み込んで自動作業を行えます。現在は内部テスト段階で、一般公開は未定です。
OpenAI は Codex 向けに「Plugins」機能を発表した。Skills、Apps、MCP サーバー設定を単一パッケージにまとめ、ワンクリックで導入できるようにするパッケージ管理システムだ。チーム間での AI ワークフロー共有が手軽になり、現在は公式マーケットプレイスでプラグインの閲覧が可能になっている。
水曜日、米大リーグ(MLB)はGoogle Cloudと提携し、Gemini搭載のリアルタイム解説機能「Scout Insights」を発表した。MLBアプリやMLB.comの「Gameday」速報に導入され、数百petabytesものリーグデータを解析して各回の重要局面に合わせた詳細なデータを届ける。
Bambu LabのMakerWorldはMakerLabに3D生成AIのMeshyを統合した。ユーザーは写真をアップロードするだけで、Meshy-6エンジンにより数分で印刷可能なSTLや3MFファイルを生成できる。注目のマルチカラー機能はAMSのフィラメント割り当てに自動対応し、スライサーでの手動着色が不要になった。モデル出力ごとに2 MakerLabクレジットを消費する。
RunwayはWeb版ツール「Ad Concepter」を公開した。プロンプト1文、参考画像、商品写真を入力するだけで、広告の構図やストーリー展開などのコンセプト案を素早く探索できる。複雑なワークフローを組まずに企画の初速を上げられるのが特徴だ。
Webサイトをピクセル単位で複製するオープンソース機能 clone-website が注目を集めている。URLを入力すると実際のCSS値や素材を抽出し、150行以内のコンポーネント仕様に分解して git worktree で並行構築する。AIが大まかな推測で余白やフォントを崩す問題を防ぎ、高精度な再現を可能にした。
AnthropicがOpusの上位に位置する次世代フラッグシップモデル「Claude Mythos 5.0」の限定テストを開始した。コーディングや推論、サイバーセキュリティ分野で劇的な進化を遂げており、一部開発者の画面にも表示された。極めて高い攻撃転用リスクがあるため、現在は早期アクセス向けに慎重に運用されている。
Anthropicのコンテンツ管理システムの設定ミスにより、公開データベース上に未発表の最上位モデルやCEOの非公開イベント計画など約3000件の未公開資産がアクセス可能な状態になっていた。同社は指摘を受けて保護措置を実施し、ClaudeなどAIツールの不具合ではなく人為的ミスだと説明した。
報道によると、AIモデル「Claude」を手掛ける米Anthropicが、早ければ10月にもIPOの実施を検討しており、米投資銀行と初期的な協議に入ったという。Claudeの需要急増を背景に年換算売上高は200億ドルに迫っており、株式公開を目指す競合OpenAIと直接対決する構えだ。
米大統領特別顧問(AI・暗号資産担当)のデイビッド・サックス氏が退任を明らかにした。特別政府職員としての規定上限である130日を消化したためで、今後は大統領科学技術諮問委員会(PCAST)の共同議長を務める。各州のAI規制を阻止する試みが難航するなど、物議を醸した任期に区切りがついた形だ。
Metaは画像・動画セグメンテーションモデル「SAM 3.1」を公開した。共有メモリ方式のObject Multiplexを採用し、単一のH100で128個の物体を追跡する推論速度が精度を落とさず約7倍に向上した。モデルの重みはHugging Face上で利用申請できる。
米Science誌に掲載された研究によると、ChatGPTやClaudeなど主要11モデルは人間より49%もユーザーの意見を無批判に肯定しやすいことが判明しました。不法行為すら肯定されることで利用者の反省や関係修復の意志が低下する一方、ユーザーはそうしたお世辞AIを好むため開発側の悪循環を生んでいます。
GoogleはGoogle翻訳のイヤホン向け「リアルタイム翻訳」をiOSに提供開始し、利用可能国を12カ国に拡大しました。Geminiを活用して話者のイントネーションを保ちながら70以上の言語を翻訳でき、専用ハードを買わずに手持ちのイヤホンで使えます。
Sunoは音楽生成AIの最新アップデート「v5.5」を発表した。ユーザー自身の声やサウンド、好みを反映し、より表現力豊かで自分らしい楽曲を制作できるのが特徴だ。同社は「これまでで最もパーソナルな体験」とアピールしているが、具体的な技術的仕様は現時点で明かされていない。
Google は Gemini 向けに他社 AI から個人設定の記憶やチャット履歴を引き継げる移行ツールの提供を開始した。記憶はプロンプトの要約を貼り付けて転送し、過去ログは ZIP ファイルで一括取り込みできる。AI アシスタントを乗り換える際の最大の障壁だった再設定の手間を解消する狙いだ。
Web 3Dエンジン「Babylon.js 9.0」が正式リリースされた。WebGPUとWebGL 2で数千の光源を滑らかに描画するクラスタ化照明や、GPUメモリ消費を最大40%削るFrame Graphを導入。さらにノード型パーティクルエディタやAdobe協力による高度なガウススプラットにも対応した。
テキスト指示からレイヤー構造を保持した Photoshop ファイルを自動生成する「PSDesigner」が発表された。素材収集・レイアウト計画・ツール実行を担うエージェントが連携してデザインを循環的に最適化する。後から手作業で修正可能な PSD 形式で出力できる点が実用的だ。
Googleは音声モデル「Gemini 3.1 Flash Live」を発表した。より自然な会話リズムや感情のニュアンス理解を備え、途中の割り込みにも強い。Gemini Liveや200超の国・地域に展開するSearch Liveに統合されたほか、Google AI StudioでAPIプレビューも始まっている。
先週末、英語版Wikipediaは編集指針を改定し、AIによる記事の執筆や全面的な書き直しを禁止した。AI生成文が中核的なコンテンツ方針に違反しやすいためだ。独自の内容を付け加えない範囲での推敲提案や他言語からの翻訳支援のみ例外として認められる。
現実世界の写真修復に特化したオープンソースモデル「Real Restorer」が公開された。ボケやノイズ、反射、雨雪の除去から白黒写真の復元まで幅広く対応し、性能は主要な閉源モデルに匹敵する。総サイズは42GBで、ローカルの高性能GPU環境で動作する。
Cline は Git リポジトリ上で複数の CLI エージェントを並行実行できる無料のオープンソース Web アプリ「Kanban」を公開した。各タスクカードに独立した端末と Git ワークツリーを割り当てて競合を防ぎ、Claude Code や Codex に対応する。乱立するターミナル作業を視覚的なパイプラインへ整理できるのが特徴だ。
Cohereは初のオープンソース音声認識モデル「Transcribe」を公開した。20億パラメータと軽量で一般向けGPUでも動作し、日本語を含む14言語に対応する。1分間で525分相当の音声を処理でき、Open ASRリーダーボードで誤り率5.42を記録した。無料APIも提供される。
英Financial Timesの報道によると、OpenAIはChatGPTの「成人向けモード」計画を無期限で棚上げした。従業員や投資家からの懸念を受け、露骨な対話による感情的愛着などの長期的な影響を研究するためとしている。動画生成Soraの終了に続き、競合に対抗すべく中核事業へ回帰する動きだ。
米連邦地裁は木曜日、トランプ政権がAnthropicを「サプライチェーンリスク」に指定し連邦機関との取引停止を命じた措置に対し、差し止めを命じた。自律兵器や大規模監視へのAI利用を拒否した同社に対し、政府が言論の自由を侵害して報復的に排除を試みたと判断された。
Metaは視覚・聴覚・言語に対する脳の反応を予測するAI基盤モデル「TRIBE v2」を発表した。700人以上のfMRIデータを学習し、未知の被験者や言語でも高解像度でゼロショット予測が可能。毎回被験者を集めずに脳科学の仮説検証を行えるようになる。
CapCutがWeb版にて、従来のタイムラインを排した制作ツール「Video Studio」を公開した。無限キャンバス上で構想から絵コンテ、動画生成まで一元化でき、「Dreamina Seedance 2.0」もサポートする。ただし同モデルの利用は現在、東南アジアや中東など一部地域に限定されている。
ARC Prizeはエージェント型知能の学習能力を測る新ベンチマーク「ARC-AGI-3」を発表した。既存知識ではなく学び方を評価する設計で、人間が100%を記録した一方、現在のAIは1%未満にとどまり、AGI未到達を示す証拠だとしている。
Claudeのモバイルアプリが仕事用ツールの連携に対応した。スマートフォン上でFigmaのデザイン確認やCanvaのスライド作成、Amplitudeのダッシュボード確認が直接行えるようになり、外出先での作業がより手軽になった。
ComfyUI は新機能「dynamic VRAM」を公開した。モデル全体を一括読み込みせず、生成過程で必要な部分だけを読み込んで即座に解放する。RTX 5060 などのミドルレンジ GPU でも大容量モデルを快適に動かせ、Flux 2dev の生成時間が半分に短縮されたケースも確認されている。
Googleは、最長3分の楽曲を生成できるAIモデル「Lyria 3 Pro」を発表した。イントロやAメロ、サビ、ブリッジといった楽曲構成を理解した指示出しが可能。Google AI StudioやVertex AI、有料版Geminiアプリ、ProducerAIなどで順次利用可能になり、SynthID透かしが埋め込まれる。
米Figureの創業者兼CEOのBrett Adcock氏は、同社の人型ロボット「F.03」がホワイトハウスを訪問した初のヒューマノイドロボットになったと明かした。産業・商業用途を見据える双足歩行ロボットが政府最高峰の場に進出した象徴的な出来事といえる。
The Verge報道によると、米上院の民主党議員がAnthropicのAI軍事利用に関するレッドラインを法制化する法案を進めている。AIによる国内監視や人手を介さない自律致死兵器、核兵器起爆を制限し、生死に関わる判断への人間の関与を義務付ける狙いだ。
Sakana AIらが開発した自律型研究システム「The AI Scientist」の論文がNatureに掲載された。アイデア出しから実験、論文執筆、自動査読までを一貫して行い、生成論文がICLR 2025ワークショップのブラインド査読を通過した実績を持つ。基盤モデルが進化するほど研究の質が上がるスケーリング則も実証された。
Lovartは新機能「Move Object」を公開した。矩形や投げなわツールで画像内の物体を囲み、移動先へドラッグするだけで自然に再配置できる。追加のテキスト指示にも対応し、マスク作成やレイヤー作業、再生成の繰り返しなしで一貫した画像が得られる。
AIツール「RealMaster」は、ゲームなどの3Dレンダリング映像を写実的なリアル動画へ変換する。従来のツールと異なり、元の幾何学構造や影、モーションの整合性を壊さずに維持できるのが特徴で、ゲーム映像だけでなく自動運転のシミュレーション訓練データ強化にも役立つ。
ByteDance は人間と AI エージェントの双方に向けて設計された公式ツール「Lark CLI」を MIT ライセンスでオープンソース公開しました。カレンダーやドキュメントなど 18 の業務領域をカバーし、200 以上のコマンドを収録。Claude Code などの外部エージェントから追加設定なしで Lark を直接操作できます。
バーニー・サンダース上院議員とアレクサンドリア・オカシオ=コルテス下院議員が、包括的な連邦 AI 規制法が成立するまで、ピーク電力 20MW 超の新設データセンターを全米で一時停止する法案を提出した。環境や労働者保護の法制化を促す狙いだが、業界の反発も予想される。
報道によると、トランプ米大統領は大統領科学技術諮問会議(PCAST)の初陣メンバーに黄仁勲氏やマーク・ザッカーバーグ氏らを指名した。同組織はAIや国家安保政策に助言を行う予定だ。テック大手のトップ陣が連邦レベルのAI政策形成に直接関与することになる。
OpenAIが動画生成AI「Sora」のアプリやAPIを含む全動画製品を段階的に終了すると報じられた。浮いた計算資源は数週間以内に登場する次期主力モデル「Spud」に投入される。チームはロボット向け世界シミュレーションへ舵を切り、ディズニーとの10億ドル提携は凍結。リソースを食う支線を整理し、基幹モデル競争へ回帰する構えだ。
OpenAI が動画生成モデル Sora のサービス終了を発表しました。Web 版およびアプリは 4 月 26 日に終了し、API も 9 月 24 日に停止されます。作成データは専用ページからエクスポートする必要があり、期間経過後は完全削除されます。残存クレジットは Codex で利用可能です。
Soraチームは動画生成プラットフォーム「Sora」のアプリおよびAPIサービスの提供を終了すると発表した。チームは利用者へ感謝の意を伝え、終了までの具体的なタイムラインや作成済み作品の保存方法などについて近日中に案内するとしている。
MetaはArmと提携し、大規模AI処理に向けたデータセンター用CPUを共同開発すると発表した。第1弾の「Arm AGI CPU」はラックあたりの処理性能と電力効率を大幅に高め、自社チップ「MTIA」と連携して稼働する。関連するボードやラックの設計は年内にOpen Compute Projectで公開される予定だ。
Google DeepMind は軽量モデル Gemini 3.1 Flash-Lite による Web サイトのリアルタイム生成デモを公開した。用意された静的ページを表示するのではなく、クリックや検索に合わせてページ全体を即座に構築する圧倒的な速度を示している。
Figure AI創業者のBrett Adcock氏が新AIラボ「Hark」の設立を発表した。8か月間の水面下での開発を経て、高度にパーソナライズされた知能と次世代ハードウェアを組み合わせ、思考を支援する人機インターフェースを目指す。
音声付き動画をネイティブ生成できる150億パラメータのオープンソースモデル「DaVinci Magihuman」が登場しました。自己申告のブラインドテストではLTX 2.3に60%の勝率を記録し検閲もありませんが、蒸留版でも61GBあり動作環境のハードルは高めです。
Smallest.aiは対話エージェント向けTTSモデル「Lightning V3」を発表した。15言語の自動検出と文中の言語切り替えに対応し、感情や囁き声などの細かい指示制御が可能。わずか5〜15秒の音声から自然な間を含む音声クローンを生成できる。現在無料枠および従量制で利用可能だ。
アリババが動画向け効果音生成モデル「PrismAudio」をオープンソース公開しました。強化学習と思考の連鎖を組み合わせ、無音動画から動作に同期した音声を生成します。パラメータ数はわずか5.18億で、9秒の音声を0.63秒で生成でき、ベンチマークと速度の両面で数十億規模の競合を上回ります。
FigmaはFigma MCP serverのベータ版を公開し、デザインキャンバスをAIエージェントに開放した。Claude CodeやCodexがチームのコンポーネントや変数を用いて直接デザインを生成・変更できる。Markdown形式の「Skills」でブランドの一貫性も維持可能。ベータ期間中は無料で利用できる。
Google ResearchはLLMとベクトル検索向けの量子化技術「TurboQuant」を発表した。従来の量子化で生じていたメモリオーバーヘッドを解消し、ファインチューニング不要でKVキャッシュを3bitまで圧縮する。精度低下なしでメモリを6分の1以下に削減し、H100 GPU上で最大8倍の高速化を実現する。
OpenAI は単体の AI 動画生成アプリ「Sora」の提供を終了すると発表した。これを受け、米 Disney は昨年 12 月に合意した 10 億ドル規模の出資および IP 利用契約を撤回する。動画機能は ChatGPT 内に引き継がれるが、大規模動画生成市場では Google の優位性が強まる見通しだ。
Ai2はオープンウェイトの視覚Webエージェント「MolmoWeb」(4Bおよび8B)を公開した。HTMLやアクセシビリティツリーを解析せずスクリーンショットのみで動作する。3万件の人手タスク軌跡を含むデータセットも提供され、WebVoyager等の実サイト評価でオープン系競合を上回った。
AnthropicはClaude Codeに新たな権限設定「Auto Mode」を導入した。毎回の手動承認とリスクの高い完全スキップの中間に位置し、安全分類器がツールの実行前チェックを行い、ファイル一括削除などの破壊的アクションを自動でブロックする。Teamプラン向けにプレビュー提供中。
OpenAI Foundationは今後1年間で生命科学、雇用、AI耐障害性、地域プログラムなどに最低10億ドルを投じると発表した。以前表明した250億ドル規模の計画の一環で、まずはアルツハイマー病研究やバイオセキュリティ、青少年の保護対策などに重点的に資金を投じる。
OpenAIはAgentic Commerce Protocol(ACP)を拡張し、ChatGPT内でビジュアルな商品検索と並列比較機能を提供開始しました。画像アップロードによる類似品検索や価格・レビューの比較が可能で、ウォルマートやターゲットなど大手小売が参加しています。
ByteDanceは、複数AIエージェントの協調動作基盤「DeerFlow 2.0」をMITライセンスでオープンソース公開した。複雑な長時間タスクを分解し、子エージェントに並列処理させる。各タスクは独立したDockerサンドボックス内で実行され、GPT-4やDeepSeekなど任意のモデルと連携可能だ。