GoogleがGeminiの音声モデルを刷新、翻訳アプリにリアルタイム通訳ベータを追加
Googleは音声モデル「Gemini 2.5 Flash Native Audio」の更新を発表した。外部機能呼び出しや複数ターンの会話精度を大幅に向上。さらにGoogle 翻訳アプリには、話者の抑揚を保ちながらイヤホンで聴けるリアルタイム双方向通訳ベータが追加された。
Googleは音声モデル「Gemini 2.5 Flash Native Audio」の更新を発表した。外部機能呼び出しや複数ターンの会話精度を大幅に向上。さらにGoogle 翻訳アプリには、話者の抑揚を保ちながらイヤホンで聴けるリアルタイム双方向通訳ベータが追加された。
スペイン大手銀行BBVAはOpenAIとの提携を拡大し、世界25カ国の全従業員12万人にChatGPT Enterpriseを展開すると発表した。試験導入では週平均約3時間の業務効率化を達成しており、今後は顧客がChatGPT上で直接銀行サービスを利用できる仕組みの構築も目指す。
AIモデル微調整プラットフォームのTinkerがウェイトリストを撤廃し一般提供を開始した。1兆パラメータ規模の推論モデルKimi K2 Thinkingの微調整やQwen3-VLによる画像入力に対応し、学習中のモデルから直接サンプリングできるOpenAI API互換インターフェースも追加された。
木曜の夜、トランプ米大統領は各州によるAI規制法を阻止・無力化するための大統領令に署名した。司法省に専任タスクフォースを設けて州を提訴させる方針で、従わない州には連邦ブロードバンド整備補助金を停止すると圧力をかける。州ごとのパッチワーク規制を排除し、AI開発の加速を優先する狙いだ。
OpenAIのアプリケーション部門CEOであるフィジー・シモ氏は、ChatGPTの「成人向けモード」を2026年第1四半期に導入する見通しを示した。同社は現在、未成年者を的確に識別しつつ成人の誤認を防ぐための年齢予測モデルを一部地域で先行テストしており、安全対策の精度向上を急いでいる。
マイクロソフトはOpenAIの最新モデル「GPT-5.2」をMicrosoft 365 CopilotとCopilot Studioに導入した。深い推論向けのThinkingと日常業務向けのInstantを備え、Work IQ経由でメールや会議から洞察を抽出できる。ライセンス保有者へ順次展開される。
Google Labs は新実験プロジェクト「Disco」とその第 1 弾機能「GenTabs」を発表した。Gemini 3 を活用し、開いている複数のタブやチャット履歴からユーザーのタスクを理解して、コード不要で対話型 Web アプリを生成できる。現在 macOS 向けにウェイティングリストの登録を受け付けている。
報道によると、ディズニーはGoogleのGeminiやVeoなどのAIモデルが『アナと雪の女王』やスター・ウォーズのキャラクターを無断生成し大規模に著作権を侵害しているとして停止通告書を送付した。直前にOpenAIのSoraへ200以上のキャラを認める大型契約を結んだばかりで、Google側は公開データ利用と権利管理の存在を主張している。
OpenAIは専門職向けに最適化した「GPT-5.2」シリーズを発表しました。Thinkingモデルは44職種の業務タスク評価で専門家と同等以上の成績を収め、前世代に比べハルシネーションを30%削減。有料版ChatGPTおよびAPIで提供が始まっています。
AI2は動画理解・追跡に特化したオープンソースマルチモーダルモデル「Molmo 2」を発表しました。4B、7B、8Bの各モデルに加え、データ処理から学習、推論に至る全コードを公開。8Bモデルは前世代72BやGemini 3 Proを上回る動画追跡精度を達成しています。
Rivian は自社イベントで独自開発のカスタムシリコンと次世代自動運転プラットフォームを発表した。車載 AI の統合を進め、Universal Hands Free 機能をアピール。2026 年には第 2 世代車両向けに手放し運転機能の導入を計画している。
Runway は Gen-4.5 ベースの汎用世界モデル「GWM-1」を発表した。リアルタイムの逐次フレーム生成を行い、カメラ操作やロボットの制御信号に対応。仮想環境探索、対話アバター、ロボット制御の 3 種を用意し、実機を使わないポリシー評価やデータ拡張を実現する。
Tiiny AIはギネス世界記録に認定された世界最小の個人向けAIスパコン「Pocket Lab」を発表した。モバイルバッテリー大の筐体と65Wの消費電力で、TurboSparseやPowerinfer技術を活用し、GPU不要で最大120BのLLMを完全オフラインで動作させる。
Design Arena および LM Arena に「Chestnut」と「Hazelnut」という未発表モデルが登場し、OpenAI の次世代画像モデルではないかと話題を呼んでいる。高い知識量や画像内コードの描画能力が確認されており GPT 5.2 との同時提供も噂されるが、公式発表はまだない。
Orchidsは世界初を謳う「Vibe Coding」特化型IDEを公開した。AIエージェント、エディタ、内蔵ブラウザに加え、SupabaseやStripeをローカル環境に統合。ソフト開発ベンチマークのApp Benchで1位を記録し、ベンダーロックインなしで自然言語によるフルスタック開発を可能にする。
DiffSynth-Studioは単一の画像からカスタムLoRAを直接生成できるツール「Qwen-Image-i2L」をオープンソース公開した。SigLIP2、DINOv3、Qwen-VLを基盤とし、スタイル抽出(2.4B)や内容抽出(7.9B)などのモデルを提供する。大量のデータセットなしで、1枚から即座に画風や被写体を再現できる。
Pete Hegseth氏が米軍向けの新プラットフォーム「GenAi.mil」の立ち上げを発表した。世界最高峰の先端AIモデルを全米軍兵士の現場に直接配備し、部隊の作戦能力を強化することを目的としており、すべて米国産技術で構築されているという。
Mistral AIはオープンソースのコード特化型モデル「Devstral 2」(123B)と「Devstral Small 2」(24B)、端末向けCLI「Mistral Vibe」を発表した。123BモデルはSWE-bench Verifiedで72.2%を記録し、Claude Sonnetより最大7倍コスト効率が高い。24B版はコンシューマー向けハードウェアでローカル動作する。APIは現在無料で提供されている。
OpenAI はドイツテレコムとの協業を発表した。2026 年から欧州ユーザー向けにプライバシー重視の多言語 AI 体験を提供するほか、同社全体で ChatGPT Enterprise を導入して顧客対応やネットワーク運用の自動化を進める計画だ。
Anthropicとアクセンチュアは戦略的提携を拡大し、専用組織を設立すると発表しました。約3万人のアクセンチュア社員にClaudeの研修を実施し、開発者向けにClaude Codeを導入します。金融や医療など規制の厳しい業界で、AIの本格導入を支援する狙いです。
AnthropicはAI接続標準「Model Context Protocol(MCP)」をLinux Foundation傘下のAgentic AI Foundationへ寄贈すると発表した。OpenAIやBlockらと共同設立した基金で中立的に管理される。すでに1万以上の公開サーバーが存在し、ChatGPTやGeminiなど主要ツールへの導入が加速している。
OpenAIは公式認定プログラムを始動し、実務向けの「AI Foundations」と教員向けコースを発表した。基礎講座はChatGPT内部で受講でき、AIが指導役と演習環境を兼ねる。2030年までに1000万人の認定を目指し、今後は独自の求職プラットフォームとも連動させる計画だ。
AlibabaのQwenチームはコーディング支援CLI「Qwen Code」のv0.2.2〜v0.3.0アップデートを発表した。最大の目玉はStream JSONによるストリーミング入出力への対応で、CI/CDや自動化ツールとの連携が容易になる。さらにUIと出力の多言語化や20MBのメモリ上限による安定化も施された。
GoogleはGalaxy XR向けにWindows PCと連携する「PC Connect」やリアルなアバター機能「Likeness」のベータ版提供を開始した。さらにGemini対応のAIグラスやXREALの「Project Aura」を有線XRグラスとして来年投入することを予告した。
Anthropicはコーディング支援機能「Claude Code」をSlackに統合するプレビュー版を発表した。Slack上でClaudeをメンションするだけで、会話の文脈と連携済みリポジトリを自動で読み取り、バグ修正などのタスクを処理してくれる。利用には事前にWeb版でリポジトリ連携を済ませておく必要がある。
Google Labsはアイデア発想ツール「Mixboard」にNano Banana Proを導入したと発表した。ボード上の文脈やスタイル指定をもとに高精度なプレゼンテーション資料を作成できる。画像上への落書きによる指示編集やPDF対応、複数ボード管理も加わった。
OpenAIはChatGPT内で表示されていた広告風の提携アプリ推薦メッセージを停止した。有料プランを含む利用者の画面に関連性のないPelotonやTargetなどの案内が表示され不満が噴出。同社幹部は配慮不足を認め、今後はオフにできる設定も検討するとしている。
中国の智譜AIが視覚言語モデル「GLM-4.6V」シリーズをMITライセンスでオープンソース公開した。106Bと軽量な9B Flashの2種を用意し、12.8万トークンの文脈に対応する。画像や動画を直接関数へ渡せるネイティブなツール呼び出しが最大の特徴で、商用利用も可能だ。
米OpenAIとInstacartはChatGPT内で直接食料品を選んで決済できる統合機能を発表した。「Agentic Commerce Protocol」により、会話画面から離れることなく献立の相談からカート作成、即時決済まで完了し、自宅への配送手配まで行える。
OpenAIは企業におけるAI利用動向レポートを発表しました。ChatGPT Enterpriseの週次メッセージ数がこの1年で約8倍に増え、組織ごとの推論トークン消費量は約320倍に急増。調査対象の75%の従業員がAIにより速度や品質が向上したと回答しています。
Sensor Towerのデータによると、8月から11月にかけてChatGPTの世界月間アクティブユーザー数は約6%増の約8億1000万人に留まり、頭打ちの兆候が見られる。一方、GoogleのGeminiは新画像モデルやAndroid連携を追い風に同期間で約30%急増し、急ピッチで差を縮めている。
AIウェアラブルを手掛けるLimitlessがMetaに買収されたと発表した。PC上の画面や音声を常時記録するMac向けアプリ「Rewind」は12月19日に機能停止となり、録音ペンダント「Pendant」の新規販売も即座に終了する。既存のPendant利用者には最低1年間の無料サポートが提供される。
報道によると、OpenAIはGoogleのGemini 3などに対抗すべく社内に「コード・レッド」を発令し、GPT-5.2の公開予定を12月9日へ前倒ししたという。アルトマンCEOは社内評価で競合を上回ったと説明しているが、サーバー容量などの都合で日程が前後する可能性も残されている。
Googleはエージェント開発基盤「Google Antigravity」の利用枠を拡大したと発表した。Google AI ProおよびUltra契約者向けに5時間ごとに更新される優先枠を新設。無料プランも週単位の拡大枠に移行し、全ユーザーがGemini 3 Proを引き続き利用できる。
米ニューヨーク・タイムズはAI検索のPerplexityを著作権侵害で提訴した。RAG機能を用いてペイウォール内の記事を無断取得・複製しているほか、ハルシネーションによる誤情報を同紙発と誤認させていると主張。同紙によるAI企業提訴はOpenAIに続く2社目となる。
Google はマルチモーダルモデル「Gemini 3 Pro」を発表した。単純な認識にとどまらず、ピクセル精度の座標出力や 10 FPS の動画推論、文書を LaTeX や HTML へ逆変換する空間・視覚推論能力を備える。
MetaはMeta AIのリアルタイムニュース機能を拡充したと発表した。CNNやFox News、News Corp、仏ル・モンドなどと提携し、時事問題の質問に対して多様な視点の情報と元記事リンクを表示する。AIの即時性の課題を補いつつ、メディアへの送客も図る狙いだ。
NetflixはWarner Bros.のスタジオおよび配信事業を827億ドルで買収することで合意したと発表した。2026年第3四半期のDiscoveryからの分社化後にHBOやHBO Max、『ハリー・ポッター』などの人気IPを取得する。劇場公開を含む既存の運営は維持される見込みだが、独占禁止法に基づく厳しい規制審査が予想されている。
米Bloomberg MediaのCOOを務めるJulia Beizer氏が同社を退任し、米Microsoftに合流してAIニュース製品の開発を率いることが分かった。Beizer氏は同社で8年間勤務し、CPOやCDOを歴任した人物。Microsoft AIのCEOであるMustafa Suleyman氏の直属となり、AIを活用した情報配信プロダクトの強化を担う。
Googleは、GeminiアプリのGoogle AI Ultra加入者向けに「Gemini 3 Deep Think」モードを提供開始した。複数の仮説を並行検証する並列推論を採用し、ARC-AGI-2で45.1%、ツールなしのHumanity's Last Examで41.0%を記録した。
米Yahooはスポーツアプリ向けにAIを活用したリアルタイム試合解説機能「Game Breakdowns」のベータ版を発表した。スコアだけでなく、勝率の変化やファンのコメントをもとに注目シーンを自動要約する。現在はFantasy Plus会員限定で提供されている。
Kling AIはデジタルヒューマン機能「Avatar 2.0」を公開した。1回の生成で最長5分の動画出力に対応し、長尺の解説や歌唱表現が可能になった。1.0で課題だった手の動きの乱れを大幅に改善したほか、カメラワークや表情の連動も強化。社内評価ではHeyGenを上回るスコアを記録したとしている。
AnthropicはClaudeを活用した自動インタビューツール「Anthropic Interviewer」を発表し、専門職1250人を対象とした調査データを公開した。対象者の86%がAIによる時短効果を実感する一方、職場でAIを使うことに周囲からの偏見を感じると答えた割合も69%に上った。
GoogleはノーコードでAIエージェントを作成・共有できる「Workspace Studio」の一般提供を開始した。Gemini 3を活用し、自然言語の指示やテンプレートからメールの自動分類や外部ツール連携などの業務フローを数分で自動化できる。
KREA AIは「Node App Builder」を発表した。グラフベースの構造を採用し、ユーザーが配置した最大1,000個のノードをAIが最適に接続してアプリ化する。プログラミング不要で、社内の複雑なワークフローを手軽に独立ツールへ変換できる。
Kling AIは初となるネイティブ音声生成対応の動画生成モデル「VIDEO 2.6」を発表した。映像と整合性の取れた音声を同時に出力可能で、より豊かなマルチメディア表現を実現する。あわせてクリエイターとのコラボ短編映像も公開された。
AmazonはFire TV向けにAlexa Plusの新AI機能をリリースした。早送り操作をすることなく、セリフや登場人物などの特徴を自然な言葉で伝えるだけで、Prime Video内の該当シーンへ瞬時にジャンプできる。裏側ではAmazon NovaやAnthropicのClaudeが動作しており、映画名を言わなくても特定可能だ。
上海交通大学や中国科学院などの研究チームが、人間の眼球に着想を得たロボット視覚システム「EyeVLA」を開発した。指示に応じて自律的に回転やズームを行い、動作をトークン化して視覚言語モデルと連携させる。高価なセンサーに頼らず、広い視野と微細なディテール観察を両立できるのが特徴だ。
Anthropicは高速JavaScriptランタイムのBunを買収したと発表した。AIコーディングツール「Claude Code」は一般公開からわずか6か月で年商ランレート10億ドルに到達。Bunは今後もオープンソースを維持し、Claude Codeの高速化と安定性向上を支える。
Mistral AIは新世代モデル群「Mistral 3」を発表しました。総パラメータ数675B(アクティブ41B)の大規模MoEモデル「Mistral Large 3」と、エッジ向け小規模モデル「Ministral 3」(3B/8B/14B)で構成され、すべて商用利用可能なApache 2.0ライセンスで公開。全モデルが画像認識と多言語対話に対応しています。
AWSは年次カンファレンス「re:Invent 2025」で自社開発の3nm AIチップ「Trainium3」を発表した。前世代比で性能とメモリが4倍、電力効率が40%向上している。さらに開発中の次期チップ「Trainium4」では、NvidiaのNVLinkをサポートし両社GPUの併用を容易にする計画も明かした。
AWSはソフトウェア開発チーム向けの新AIエージェント「Kiro」「AWS Security Agent」「AWS DevOps Agent」をプレビュー公開しました。指示を受けると人の手を介さず数時間から数日自律稼働し、開発、セキュリティ診断、障害調査を担います。
Hugging Faceは、Claude CodeやCursorなどのコーディングエージェント向けに「Hugging Face Skills」を公開しました。モデルの学習や評価、データセット作成などの手順を定義した「SKILL.md」を含むパッケージで、AIが必要に応じて読み込み、エコシステム内のタスクを自律実行します。
The InformationはOpenAIがコードネーム「Garlic」と呼ぶ新モデルを開発中だと報じた。学習データを抑えてコスト効率を高めつつ、コーディングなどでGoogleのGemini 3に匹敵するという。競合の猛追を受け、Sam Altman CEOが社内に「厳戒警報(code red)」を発令したとも伝えられている。
米メディアの報道によると、OpenAIのサム・アルトマンCEOは社内に「コードレッド」を発令し、ChatGPTの機能改善に総力を挙げるよう指示した。広告やエージェント機能、個人アシスタント「Pulse」の開発を延期し、応答速度や信頼性の向上を優先する。Googleの「Gemini 3」猛追を受け、競争の潮目が変わりつつある。
AnthropicはGivingTuesdayと提携し「Claude for Nonprofits」を発表した。非営利団体向けにTeamおよびEnterpriseプランを最大75%割引で提供する。BlackbaudやCandidなど業界専用ツールとの連携機能に加え、専門知識不要で学べる無料研修コースも公開された。
AWSはre:Invent 2025にて、Nvidia製GPUや自社製Trainiumチップを含むAIインフラを顧客のデータセンター内に直接構築する「AWS AI Factory」を発表した。プライベートなAWSリージョンのように機能し、データ主権や規制要件をクリアしながら大規模AIをオンプレミスで運用できる。
Anthropicは自社エンジニアらを対象にしたAI活用の社内調査結果を公開した。業務の約60%でClaudeを活用し平均50%の生産性向上が見られる一方、完全委任は2割以下にとどまり、深いプログラミングスキルの低下や同僚間対話の減少を懸念する声も出ている。
Googleは検索機能「AI Mode」(英語版)を約120の国と地域へ拡大し、Gemini 3 Proと画像生成モデルNano Banana Proを提供開始した。Google AI ProまたはUltraの加入者は「Thinking with 3 Pro」を選べば、高度な推論や動的な対話型UIの即時生成を利用できる。
NVIDIAはNeurIPSにおいて物理・デジタルAI向けオープンモデル群を発表しました。目玉は自動運転研究向けの推論VLAモデル「Alpamayo-R1」で、思考の連鎖を活用して複雑な交通状況を論理的に分析しながら走行軌道を決定します。あわせて音声認識やAIセーフティ向けのモデル群も提供されます。
Interaction Labsは卓上ロボットランプ「Ongo」を発表し、初期100台の先行予約を開始した。『トイ・ストーリー』の脚本家が動作設計を担当。視覚・音声認識を備え、自動調光やリマインドのほか、プライバシー用のサングラスも用意される。
Leonardo.Ai は動画生成モデル「Kling O1 Video」の導入を発表した。最大 5 枚の参照画像と開始・終了フレームの指定に対応し、動きのあるシーンでも被写体の一貫性を維持できる。複数指示プロンプトへの追従性も向上し、思い通りの映像演出がしやすくなった。
Kling AI はマルチモーダル生成エンジン「Kling O1」を発表した。テキスト、画像、動画の入力を統合して処理できる真のマルチモーダル理解を備え、制作プロセスの効率化を図る。現在は有料サブスクリプション会員向けに限定提供されている。
DeepSeekは、エージェント向けに推论性能を強化した新モデル「DeepSeek-V3.2」と「DeepSeek-V3.2-Speciale」を公開した。V3.2はアプリ、ウェブ、APIで利用可能で、推論の限界を目指すSpeciale版は現在API限定で提供されている。
MIT出身の研究者が立ち上げたOpenAGIが、PC操作特化モデル「Lux」を発表しました。テキストではなく画面スクショと操作ログで直接訓練され、実Webタスク評価「Online-Mind2Web」で83.6%を達成。OpenAIのOperator(61.3%)を大きく上回り、低コストでの動作をうたっています。
NVIDIAはEDA大手Synopsysとの複数年にわたる戦略的提携と、同社への20億ドルの出資を発表した。CUDA加速計算、エージェントAI、Omniverseのデジタルツイン技術をSynopsysの設計ツールに統合する。半導体や航空宇宙分野の設計・物理シミュレーションを大幅に高速化するのが狙いだ。
Runwayは最新の動画生成モデル「Gen-4.5」を発表した。Artificial Analysisのベンチマークで1,247 Eloを獲得して首位に浮上。物体の質量や流体の挙動といった物理表現とプロンプト再現性が大幅に向上しており、全有料プラン向けに即日提供されている。
OpenAIは北米航空宇宙防衛司令部(NORAD)と提携し、恒例のサンタ追跡プログラム向けにChatGPTを活用した3つのツールを発表した。顔写真をエルフに変える機能、アイデアからぬり絵用線画を作るツール、創作ストーリー生成機能がNORAD公式サイトで利用できる。
OpenAIはThrive Holdingsへの出資と提携を発表した。まずはルールやワークフローが多い会計とITサービス領域に注力し、OpenAIの研究・開発チームを傘下企業へ直接派遣して業務効率化を図る。現場に入り込むエンタープライズ支援モデルを構築する狙いだ。
アクセンチュアとOpenAIは協業を発表し、数万人規模の社員にChatGPT Enterpriseを配布して認定資格の取得を進めると明かしました。両社はAgentKitなどを活用し、企業の顧客対応や財務、サプライチェーンに向けたカスタムAIエージェントの導入支援プログラムも展開します。
リバースエンジニアの Tibor Blaho 氏が、ChatGPT の Android 向けベータ版(1.2025.329)から広告機能の参照コードを発見したと報告した。「search ad(検索広告)」やカルーセル表示を示す記述が含まれており、検索結果への広告導入の可能性が注目されている。
OpenAIとGoogleは利用急増を受け、SoraとNano Banana Proの無料生成上限を引き下げた。Soraは1日6本、Nano Banana Proは1日2枚に制限され、OpenAI責任者はGPUの逼迫を明かした。フロンティアモデルの運用コスト増大に伴い、無料枠の引き締めが進んでいる。
Epic Gamesのティム・スウィーニーCEOが、Steamなどのゲームストアは「AI生成」タグを廃止すべきだとXで主張した。将来ほぼすべての制作にAIが使われるようになるため表記の意味がないとし、「開発者のシャンプーの銘柄も開示すべきか」と皮肉った。
OpenAIはサードパーティの分析プロバイダーMixpanelでセキュリティ侵害が発生したと公表した。一部のAPIユーザーやChatGPTユーザーの氏名、メールアドレスなどが流出した可能性があるが、APIキーやチャット履歴、認証情報は流出していないという。OpenAIはMixpanelの利用を停止した。
LTX Studioは動画のレンダリング後にもショットを再編集できる新機能「Retake」を発表した。動画全体を再生成することなく、台詞の変更や感情表現の調整、構図のリフレームが可能になる。AI動画制作における細かな修正コストを大幅に下げる狙いだ。
米メディア Rest of World は公開から3年を迎えた ChatGPT の世界的影響をまとめた記事を公開した。週次利用者数は約8億人に達し、コロンビアでは裁判官の85%が実務に活用している。一方、少数言語への対応不足から各地で独自モデル開発も加速している。
Perplexityは過去の会話や好みを保持する「記憶」機能を発表した。ユーザーの興味や日常の好みを自動で蓄積し、最適な回答に反映する。特筆すべきはモデル間の引き継ぎに対応した点で、推論モデルや高速モデルを切り替えても文脈が消えない。設定からいつでも無効化でき、シークレットモードにも対応する。
Luma AIは単一ステージ学習フレームワーク「Terminal Velocity Matching(TVM)」を発表した。従来の拡散モデルと同等の品質を保ちながら学習速度を25倍に高速化し、100億パラメータ規模にも拡張可能。通常100回近く必要な推論をわずか4ステップに短縮できる。
クアルコムは手頃な準フラッグシップ端末向けの「Snapdragon 8 Gen 5」を発表した。独自CPU「Oryon」を採用し、8 Gen 3比でCPU性能が36%向上。個人データに基づく文脈提案など最新のAIエージェント機能に対応し、12月17日発表予定のOnePlus 15Rなどに順次搭載される。
OpenAI は ChatGPT Enterprise、Edu、および API 利用企業向けに、データの保管地域を指定できるデータレジデンシー機能を日本や欧米など 10 地域に拡大した。会話やファイルを国内に留めて保管できるため、厳格な規制要件を抱える企業の導入障壁が下がる。
Sunoはワーナー・ミュージック・グループ(WMG)との提携を発表しました。正規ライセンス曲を用いた次世代モデルの開発や、同意したアーティストの声や肖像を使ったファン参加型生成機能を導入します。なお、今後の楽曲ダウンロードは有料プラン限定となります。
OpenAIはChatGPTの音声機能を個別の専用モードではなく通常のチャット画面内に統合したと発表した。話しながらテキスト回答の生成を見たり、過去の履歴や画像、地図などをリアルタイムで確認できる。モバイルアプリおよびウェブ版の全ユーザーに向けて順次提供されている。
米Googleは、地域の店舗に代理で電話をかけて商品の在庫や割引状況を確認する「agentic calling」機能を米国で提供開始した。Google検索やAI Modeで商品名に「near me」を付けて検索すると利用でき、いくつかの質問に答えるとAIが店舗へ架電し、結果をテキストメッセージやメールでまとめて通知する。
Character.AIはインタラクティブ小説機能「Stories」を発表した。ユーザーは最大3体のAIキャラクターとジャンルを選び、選択肢を選びながら分岐ストーリーを進められる。自由なチャットの代わりに導入され、特にティーン層の安全な利用を促す狙いがある。
Google DeepMindはAlphaFoldの5周年を記念し、長編ドキュメンタリー『The Thinking Game』を公式YouTubeで無料公開した。『AlphaGo』制作陣が5年間にわたり密着し、デミス・ハサビス氏らがAGI探求や生物学の難問解決に挑む姿を追っている。
Black Forest Labsは画像生成・編集モデルFLUX.2を発表した。最大10枚の参照画像から一貫したキャラや製品を生成でき、4MP解像度での編集やタイポグラフィ描画に対応する。32BのオープンモデルFLUX.2 [dev]も提供される。
AnthropicはClaude.ai上の10万件の会話分析に基づく調査結果を公開した。AIの活用により個別タスクの所要時間は平均80%短縮され、米国の年間労働生産性成長率を今後10年で1.8%押し上げる可能性があるという。ただし、AI出力の確認など会話外の作業時間は含まれていない。
OpenAIはChatGPTの利用が絡むメンタルヘルス関連の訴訟対応方針を発表した。Raine家の訴訟に対し、文脈を補うため会話履歴の全文を非公開で裁判所に提出したと説明。精神的苦痛の兆候を検知し現実の相談窓口へ誘導する訓練の強化も継続しているという。
米Perplexityは米国ユーザー向けにAIショッピング機能を無料で提供開始した。検索履歴や文脈からユーザーの好みを学習して的確な商品を提案し、PayPal連携によりチャット画面のまま決済まで完了できる。Webとデスクトップ版から先行提供される。