Karpathy氏、AIによる開発変革に警鐘:「これほど遅れを感じたことはない」
Andrej Karpathy氏はXへの投稿で、プログラマーとして「かつてないほど遅れを感じている」と吐露した。エージェントやMCPなど新ツールを適切に連携させれば10倍の生産性を得られるが、説明書のない未知の道具を手探りで扱うような激震が業界を揺るがしていると指摘している。
Andrej Karpathy氏はXへの投稿で、プログラマーとして「かつてないほど遅れを感じている」と吐露した。エージェントやMCPなど新ツールを適切に連携させれば10倍の生産性を得られるが、説明書のない未知の道具を手探りで扱うような激震が業界を揺るがしていると指摘している。
Liquid AIは実験的モデル「LFM2-2.6B-Exp」を公開した。純粋な強化学習で構築され、指示追従、知識、数学のベンチマークで他の3Bモデルを上回る。IFBenchスコアでは263倍巨大なDeepSeek R1-0528を凌駕したという。モデルはHugging Faceで配布されている。
GroqはNvidiaと推論技術に関する非独占ライセンス契約を結んだと発表した。創業者のジョナサン・ロス氏やサニー・マドラ社長らはNvidiaに移籍して技術普及を支援する。Groqはサイモン・エドワーズ氏がCEOに就任して独立企業として存続し、GroqCloudも継続提供される。
Character.aiはかつて共同創業者のノーム・シャジール氏らが開発したTransformer事前学習の最適化技術を初公開しました。帯域が限られた環境向けに開発された6ビット勾配圧縮アルゴリズム「Squinch」をはじめ、量子化の安定化や蒸馏最適化の知見が詳細に明かされています。
アリババが画像編集モデル「Qwen-Image-Edit-2511」を発表した。前バージョン2509と比べ、集合写真での人物の一貫性維持や幾何学的な構造推論が大幅に向上。人気のコミュニティLoRAも標準搭載され、追加調整なしですぐにデザインや高度な編集に活用できる。
アリババのQwenチームが音声合成モデル「Qwen3-TTS」を発表した。テキスト指示で口調や感情を自在に設計できるVoiceDesignと、わずか3秒の音声から10言語で声を複製できるVoiceCloneをラインナップ。多言語テストではElevenLabsより単語誤り率が15%低いとしている。
OpenAIはSpotifyまとめ風の年間レビュー「Your Year with ChatGPT」の提供を開始した。ユーザーのプロンプトを分析して関心テーマや原型タイプを割り出し、関心をまとめたAI画像を生成する。米国や英国などの個人ユーザーが対象で、履歴とメモリの有効化が必要となる。
上海交通大学と清華大学の研究チームが全光生成AIチップ「LightGen」を発表した。画像生成などの処理において、NvidiaのA100 GPUと比べて100倍以上の速度とエネルギー効率を達成したという。メタサーフェス技術で光学潜在空間を実現したが、現在は外部レーザーなどを要し研究室段階にとどまる。
YouTubeは新AIツール「Playables Builder」の限定ベータ版を開始した。Gemini 3を活用し、短いテキストや画像、動画のプロンプトから数分でミニゲームを生成できる。クリエイター主導でインタラクティブ体験を広げる狙いだが、現在は米英など4カ国での申請制となっている。
OpenAIはChatGPT Atlasのブラウザエージェント向けセキュリティ更新を発表した。強化学習で訓練した自動レッドチームを活用して未知のプロンプトインジェクション脆弱性を自ら発見し、敵対的訓練を施した新モデルを全ユーザーに展開した。
スタンフォード大学などの研究チームと米SkyWater Technologyは、米国の商業ファウンドリで初となるモノリシック3Dチップを製造した。メモリと演算層を高密度に垂直積層して「メモリの壁」を緩和し、実機テストで約4倍、LLaMAによる検証で最大12倍の高速化を実証。商用ファウンドリで量産可能な青写真を示した点が注目される。
快手は動画生成モデル「Kling 2.6」に音声制御とモーション制御の大型アップデートを実装した。自分の音声を登録して複数カットで一貫したキャラ声を出せるほか、対話や歌にも対応。武術やダンスなど激しい動きでも手の崩れを抑え、唇の同期も自然に保てる。
土曜日、サンフランシスコで約13万世帯に影響する大規模停電が発生し、Waymoの自動運転タクシーが信号停止や通信障害により路上で立ち往生しました。同社は配車サービスを一時中断し、日曜夜に運行を再開。インフラ障害時に遠隔支援オペレーターと通信できなくなる課題が浮き彫りになりました。
Indie Game Awardsは『Clair Obscur: Expedition 33』のゲームオブザイヤーなど2部門の受賞を取り消したと発表した。開発に生成AIが使われていたことが判明したためで、同アワードはAI使用を一切認めていない。開発元は検証用の仮素材だったと釈明したが、賞は次点作品へ譲渡された。
ニューヨーク州のホークル知事が「RAISE法」に署名し、カリフォルニア州に続くAI安全規制を成立させました。大規模AI開発企業に対し、安全プロトコルの公開とインシデント発生後72時間以内の報告を義務付け、違反には最大300万ドルの罰金を科します。OpenAIやAnthropicは支持を表明しています。
OpenAI はChatGPT の「パーソナライズ」設定において、応答のトーンを細かく調整できる新機能の提供を開始した。温かみや熱意の度合い、絵文字を使う頻度などを好みに合わせて指定できる。毎回プロンプトで口調を指示する手間が省けるようになる。
AI研究者のヤン・ルカン氏が新スタートアップ「AMI Labs」の立ち上げを発表した。医療AI企業Nablaの元CEOアレックス・ルブラン氏がCEOに就任し、ルカン氏は執行役員会長を務める。同社はLLMに代わる「世界モデル」の研究を進めており、すでに約30億ユーロの評価額で5億ユーロの調達を目指していると報じられている。
アリババのQwenチームは画像分解モデル「Qwen-Image-Layered」をオープンソース公開した。プロンプト指定で画像を3〜10枚の独立したRGBAレイヤーに分解でき、レイヤー内の再分解も可能。面倒な切り抜き作業なしに、Photoshopで直接レイヤー編集できるようになる。
Google DeepMind は言語モデルの内部動作を可視化する「Gemma Scope 2」を公開した。270M から 27B までの Gemma 3 ファミリー全体に対応し、SAE やトランスコーダーで内部推論を追跡できる。ハルシネーションや脱獄などの安全課題の解明に役立つ。
AIエディタのCursorはコードレビュー基盤Graphiteを買収することで最終合意したと発表した。AIでコード生成が高速化する中、レビューやマージの滞留解消を狙う。Graphiteは独立運用を継続しつつ、両製品の連携を強化していく方針だ。
Anthropic は AI モデルのアライメント検証を自動化するオープンソースツール「Bloom」を公開した。検証したい問題行動を記述するだけで、Bloom が多様な対話シナリオを動的に生成して発生率をスコア化する。固定テストセットの汚染を防ぎ、評価作成期間を数日に短縮できる。
Google は NotebookLM に新機能「Data Tables」を追加した。複数の文書や議事録、論文に散らばった要点を自動で構造化テーブルにまとめ、Google スプレッドシートへ書き出せる。Pro および Ultra ユーザー向けに提供が始まっており、数週間以内に全ユーザーへ展開される予定だ。
LMArenaはAIリーダーボードの順位算出を担うPythonパッケージ「Arena-Rank」をオープンソース公開した。計算基盤にJAXを採用し、従来のFastChat実装と比べて30倍以上の高速化を達成。対戦数が少ないモデルの公平性を保つ再重み付け機能も備えている。
GoogleはGemma 3ベースの次世代エンコーダー・デコーダーモデル「T5Gemma 2」を発表した。同構造として初めてマルチモーダルと128Kトークンの長文脈に対応。注意機構の統合などにより約3.7億〜70億パラメータに小型化し、オンデバイス向け事前学習済みモデルとして提供する。
GoogleはGemma 3 270Mをベースに関数呼び出しへ特化させたFunctionGemmaを公開した。スマホやJetson Nano上で完全オフライン稼働し、ファインチューニングにより精度は58%から85%に向上。プライベートかつ高速なエッジエージェントを構築できる。
GoogleはGeminiアプリに動画の真偽判定機能を追加した。90秒以内かつ100MB以下の動画をアップロードして尋ねると、音声と映像トラックの不可視SynthID透かしをスキャンし、AI生成された区間を秒単位で回答する。Gemini対応の全地域・全言語で利用できる。
NVIDIA は Blackwell アーキテクチャを採用したワークステーション向け GPU「RTX PRO 5000 72GB」の一般提供を開始した。72GB の高速 GDDR7 メモリを備え、48GB モデルから容量が 50% 増加、2,142 TOPS の AI 性能を発揮する。データセンターに頼らず、複雑な AI エージェントやマルチモーダル開発をローカル環境で直接こなせるようになる。
Rivianはソフトウェアアップデート2025.46を公開しました。第2世代車両向けの手放し運転機能が全米・カナダの350万マイル以上の一般道や高速道路へ一気に拡大。さらに運転の挙動をマイルド、ミディアム、スパイシーの3段階から選べるエンドツーエンドAIモデル採用のスタイル設定も追加されました。
米 Luma は動画生成モデル「Ray3 Modify」を発表し、Dream Machine 上で公開した。開始フレームと終了フレームを指定して中間の遷移映像を作れるほか、俳優の動きや視線、感情表現を保ったまま外見や衣装だけを AI で差し替えることができる。
AmazonはRingドアホン向け新機能「Alexa+ Greetings」を発表した。カメラ映像から配達員や訪問販売員を判別し、置き配の場所を指定したり勧誘を丁寧に断ったりと自然に対話できる。米・カナダのAlexa+早期アクセスユーザー向けに提供を開始した。
OpenAIは「Model Spec」を改定し、13〜17歳の利用者を対象とする「U18原則」を追加した。自傷行為や疑似恋愛チャットなどを制限し、必要に応じて現実の支援先を促す。現在、年齢予測モデルのテストも進めており、年齢が確認できない場合は自動的に未成年モードが適用される。
OpenAIはソフトウェア開発とサイバーセキュリティに特化したエージェント型コーディングモデル「GPT-5.2-Codex」を公開した。コンテキスト圧縮による大規模リファクタリング対応やWindows環境の最適化が図られている。ChatGPT有料ユーザー向けに提供を開始し、APIも順次提供予定。
Manus はnano banana Pro で生成したスライドの精密な部分編集に対応したと発表した。従来は画像全体を再生成する必要があったが、クリック操作でテキストや特定要素のみを元の画質を保ったまま直接編集できる。全ユーザーに即日提供され、既存のスライドも編集可能。
AnthropicはオフィスでClaudeに売店を運営させる実験「Project Vend」の第2フェーズを公開した。Claude Sonnet 4.0/4.5への刷新やCRMツールの導入、AIのCEO役配置により黒字化を達成したものの、従業員に騙されて違法な先物取引に乗るなど課題も残る。
YouTubeは、生成AI画像を組み合わせて偽の映画予告編を量産していた大手チャンネル「Screen Culture」と「KH Studio」を規約違反で停止した。両チャンネルは合計で200万以上の登録者と10億回以上の再生回数を集めていたが、免責表記を外したことでスパムや誤解を招くメタデータに関するポリシー違反と判断された。
Patronus AI は AI エージェントの評価・継続改善を目的とした Generative Simulators を発表しました。現実の業務を模した動的環境をリアルタイム生成し、タスクや中断などの試練を与えることで、静的ベンチマークでは測れない実践力を強化学習で鍛え上げます。
Exaは10億人以上のプロフィールを対象とした人物検索機能「People Search」を公開した。微調整されたExa埋め込みモデルとハイブリッド検索を組み合わせ、単語の一致だけでなく自然言語の文脈から人物を探し出せる。
Googleは新モデル「Gemini 3 Flash」を公開した。Gemini 3の推論性能を維持しつつ、Gemini 2.5 Proの3倍の処理速度と低コストを実現。SWE-benchでは78%を記録し上位モデルをも上回る。Geminiアプリや検索AIモードの無料標準モデルとして即日提供される。
Kling AIはKling VIDEO 2.6に強化されたモーションコントロール機能を実装したと発表した。3〜30秒のリファレンス動画を読み込ませることで、武術やダンスなどの激しい全身アクションや手の動き、表情を崩さずに再現でき、プロンプトでの微調整にも対応する。
Mistral AIは文書解析モデル「Mistral OCR 3」を発表した。前世代と比較して手書き文字や歪んだスキャン、複雑な表組みでの勝率が74%向上し、HTMLタグによる表構造の復元やMarkdown出力に対応する。API料金は1,000ページあたり2ドル、バッチ処理なら1ドルで利用できる。
バーニー・サンダース米上院議員はAIデータセンターの新規建設を一時停止すべきだと表明した。膨大な電力と水を消費する施設のコストが市民に転嫁される一方、富が一部のIT幹部に集中していると指摘。規制なきAI開発を見直し、利益を社会全体に還元するための猶予が必要だと訴えている。
OpenAIはChatGPT向けアプリの審査・申請受付を開始した。あわせて「chatgpt.com/apps」からアクセスできるアプリディレクトリも導入。会話中に「@」で呼び出して外部サービスと連携可能で、承認された第1弾アプリは新年から順次提供される。
xAIは開発者向けに「Grok Voice Agent API」の提供を開始した。自社開発の音声スタックにより応答遅延は1秒未満に抑えられ、料金は1分あたり0.05ドルの定額制。OpenAIのRealtime API仕様と互換性があり、テスラ車載システムで鍛えられた多言語対応のリアルタイム音声エージェントを自社アプリに組み込める。
火曜日、CNBCの報道によると、OpenAIはAmazonと100億ドル規模を超える出資およびAIチップ採用に関する協議を進めている。Microsoftによる計算リソースの優先権が解除されたことを受け、OpenAIは調達網の多角化を加速させている。Anthropicを支援するAmazonにとっても生成AIへの布石を広げる狙いがある。
報道によると、Apple MusicがChatGPTとの統合を進めている。ユーザーは対話を通じて好みのプレイリストを作成し、そのままアプリ側へ同期できるようになる見込みだ。OpenAIはApps SDKのプレビューを展開しており、チャット画面から各種サービスを直接操作できる環境を整えている。
Amazonは生成AIを統合した新アシスタント「Alexa+」を発表しました。文脈を維持した自然な対話や端末間の引き継ぎに加え、alexa.amazon.com上でのテキストチャットに対応。Prime会員は無料で全機能を利用可能で、非会員もWebやアプリで日次の無料枠を試せます。現在は米国の英語・スペイン語に対応しています。
Adobe Photoshopの「生成塗りつぶし」にFlux.2 Proがパートナーモデルとして追加された。ユーザーはPhotoshopの編集画面から直接Flux.2 Proを選択して画像の生成や補完を行えるようになり、作業時のモデルの選択肢がさらに広がった。
俳優のジョセフ・ゴードン=レヴィット氏が「Creators Coalition on AI」の設立を発表した。大手 AI 企業による非倫理的なビジネス慣行から創作者の権利を守るため、あらゆる分野のクリエイターに結集と賛同を呼びかけている。
Microsoftの研究チームは単一画像から高精度な3Dアセットを生成する40億パラメータのオープンソースモデル「TRELLIS.2-4B」を公開した。独自のスパースボクセル構造を採用し、PBR材質や半透明表現を含む3DメッシュをH100環境なら約3秒で生成できる。動作には24GB以上のメモリを備えたNVIDIA GPUが必要となる。
DoorDashはAIを活用したレストラン発見・共有アプリ「Zesty」を発表した。まずはサンフランシスコ・ベイエリアとニューヨークで提供される。「内向的な人向けの落ち着いたディナー」といった自然なプロンプトで店を探せるほか、Google MapsやTikTokのデータも集約している。
OpenAIは旗艦画像生成モデル「GPT Image 1.5」を公開した。生成速度が最大4倍に高速化し、API価格も20%引き下げられた。自然言語による部分編集に対応し、複数回の修正でもロゴや顔の一貫性を保てる点が特徴で、LMArenaで首位を獲得した。
YouTube Gaming は Gemini 3 を活用したプロトタイプ「Playables Builder」の限定ベータテストを開始した。短いテキストや画像、動画プロンプトから手軽にゲームを生成できる。米国や英国などのユーザーは、一部クリエイターのチャンネルで早速作品を遊べる。
Lookiは、日常を記録して自動でVlogを生成するウェアラブルAIカメラ「Looki L1」を中国市場で発売した。価格は1499元。データはデフォルトで本体の32GBストレージに保存される。IP67防水防塵を備え、間欠録画モードでは最大13時間のバッテリー駆動が可能だ。
Metaはスマートグラス向けにソフトウェアv21の配信を開始した。騒がしい環境で相手の声を増幅する「会話フォーカス」を先行提供するほか、Spotifyと連携して見ている景色に合う音楽をAIに選曲させる機能を追加。まずは北米の早期アクセス参加者向けに順次提供される。
Black Forest LabsはFLUX.2 [max]を発表した。Web検索によるリアルタイム情報の参照に対応し、最大10枚の参照画像を用いてスタイルや被写体の一貫性を維持できる。@ArtificialAnlysの評価で2位にランクインした。
アリババはマルチモーダルモデル「Wan2.6」を発表した。15秒の1080p動画生成に対応し、指示文から複数カットのストーリー動画を自動構成できる。さらに自然なリップシンクを伴う音声同期や、キャラの一貫性を保った新シーン配置も可能。動画生成AIの課題だったカット割りと音ズレの解消に大きく前進した。
Adobeは「Firefly」の動画エディタを全ユーザー向けに提供開始した。動画を最初から作り直すことなく、テキストの指示だけで被写体や色、カメラアングルを部分修正できる。さらに「FLUX.2」やTopazの高画質化モデルもアプリ内に統合された。
OpenAIは物理、化学、生物学の専門的推論力を測る新ベンチマーク「FrontierScience」を発表した。五輪レベルの難問と博士課程レベルの研究課題で構成され、160問をオープンソース化。構造化された推論には強い一方、自由度の高い研究課題には依然として課題が残ることを浮き彫りにした。
シャオミは推論とコーディングに特化した新モデル「MiMo-V2-Flash」をオープンソース公開した。総パラメータ309B(アクティブ15B)のMoE構成で、256kの長文脈に対応する。SWE-benchのオープンソース首位を獲得しつつ、秒間150トークンと超低コスト推論を実現した点が注目される。
Google LabsはGeminiを活用した実験的AIエージェント「CC」を発表しました。Gmailやカレンダー、Driveと連携し、毎朝のToDoやスケジュールをまとめたブリーフィングメールを自動配信し、返信下書きも作成します。現在は米国の有料登録者向けに順番待ちを受け付けています。
OpenAIはRed Queen Bioと共同で、GPT-5がウェットラボの分子クローニング工程を自律的に改善し、効率を79倍向上させたと発表した。指示のみで新規の酵素メカニズムを考案し、人間は実験作業を担当した。AIが実世界の生物実験でも高度な科学的推論を行えることを示している。
OpenAIは新版ChatGPT ImagesおよびAPI向けモデル「GPT Image 1.5」を公開した。画像生成速度が最大4倍に高速化し、元の照明や人物の容姿を保ったまま部分的な修正が可能になったほか、API価格も20%引き下げられた。サイドバーにはプロンプト不要で試せる専用スペースも新設されている。
Metaは音声分離マルチモーダルモデル「SAM Audio」を発表した。画像分割のSAMと同様に、動画内の対象(ギターなど)のクリック、テキスト指示、時間指定など直感的なプロンプトで、複雑な混音から狙った音だけを抽出できる。Segment Anything Playgroundで試用可能。
OpenAIはChatGPTの会話を途中から枝分かれさせられる「分岐チャット」機能をiOSとAndroid向けに提供開始した。元のスレッドを崩さずに別の話題や試行錯誤を掘り下げられる機能で、先行していたWeb版に続きスマートフォンでも手軽に使えるようになった。
米人事管理局(OPM)は官公庁の近代化に向けた2年間の人材育成プログラム「US Tech Force」を発表した。初期コホートとしてAI専門家ら1,000人を採用し、国防総省などのプロジェクトに配置する。年俸は最大19万5000ドルで、米マイクロソフトやメタなど約25社がメンターとして協力する。
GoogleはGemini Deep Researchに視覚的レポート生成機能を追加した。テキスト要約にとどまらず、カスタム画像やチャート、変数を直接操作できる対話型シミュレーションを作成できる。Google AI Ultra加入者向けに提供され、複雑なデータの直感的な把握を支援する。
Zoomはエージェント型ワークフローを備えた「AI Companion 3.0」を発表した。専用Web版(ai.zoom.us)が提供され、会議履歴やGoogle Driveなどから情報を取得してタスクや議事録、文書を自動生成する。無料プラン向けに月額10ドルでの単体提供も開始。Web会議ツールから日常の業務全体を支援するAIアシスタントへの転換を狙う。
Alibaba QwenはQwen Code v0.5.0を公開した。VSCodeへのCLIバンドルやネイティブTypeScript SDKの提供に加え、DeepSeek V3.2やKimi-K2といったOpenAI互換の推論モデルをサポート。セッション自動保存も備え、開発者の作業環境を強化した。
Manusは新バージョン1.6を公開し、新フラッグシップ「Manus 1.6 Max」を導入した。一発でのタスク成功率を高め、ブラインドテストの満足度は19.2%向上。表計算やWeb開発の強化に加え、初のモバイルアプリ開発や、部分修正が可能な画像編集用「Design View」を搭載した。
NVIDIA はマルチエージェント AI 向けオープンモデル群「Nemotron 3」を発表した。即日提供の Nano 版はハイブリッド MoE 構成により前世代比でスループットが 4 倍に向上。学習データセットや強化学習ライブラリも同時公開された。
Merriam-Websterは2025年の「Word of the Year」に「slop」を選んだと発表した。AIで大量生成された低品質なデジタルコンテンツを指す言葉で、AIに対する世間の視線が脅威から嘲笑へとシフトした実態を浮き彫りにしている。
フロリダ州の中学校で、AI武器検知システムがクラリネットを銃と誤認し、緊急ロックダウンが発動した。ZeroEyes社が提供するこのシステムは画像認識と人間による確認を組み合わせた仕組みだったが、両方すり抜けて誤報を出した。学校向けAI監視の精度や透明性に対する懸念が広がっている。