Anthropic、海賊版書籍でのAI学習巡る集団訴訟で和解へ 巨額賠償の裁判を回避
米AnthropicはClaudeの訓練に海賊版書籍を使用したとして提訴されていた集団訴訟で、原告の作家グループと予備的和解に達した。12月に予定されていた裁判では最大1兆ドル超の損害賠償に直面するリスクがあった。和解の詳細は9月3日までに最終確定する見込み。
AIデイリー：今日のAIニュース
火
8月26日 火曜日
Metaの新AI研究所、立ち上げ2カ月で研究員が相次ぎ離職 OpenAIへ復帰も
WIRED報道によると、Metaが設立したばかりの超知能研究所（MSL）から少なくとも3名のリサーチャーが離職した。うち2名は入社後1カ月足らずで古巣のOpenAIへ復帰し、勤続約10年の生成AI幹部もOpenAIへ移籍する。ザッカーバーグCEOが巨額の報酬で人材を引き抜いたものの、度重なる組織改編で早くもつまずきを見せている。
Character.AIがOSSモデルを独自調整、新モデル「PipSqueak」で利用時間が22％増
Character.AIはオープンソースモデルをエンタメ向けにチューニングする技術を公開し、新モデル「PipSqueak」を数百万のユーザーに展開したと発表した。新モデルの導入により利用時間が22%、定着率が14%向上したという。
GoogleがGemini画像生成の公式指南を公開：キャラ維持や部分編集のコツを解説
GoogleはGeminiアプリ向けに画像生成・編集の公式プロンプトガイドを公開した。被写体や構図など6要素の指定法に加え、同一キャラの一貫性維持、対話による特定箇所の修正、因果関係を反映した動作生成の例を紹介。文字描画やアスペクト比の固定にはまだ課題が残るという。
Google 翻訳にGemini活用：70言語超のリアルタイム対話と語学練習が追加
GoogleはGoogle 翻訳アプリにGeminiを活用した2つの新機能を追加したと発表した。70以上の言語に対応し、声のトーンや間を認識して自動で双方向通訳する「Live translate」と、個人のレベルに合わせた対話型の語学練習機能が利用できる。リアルタイム通訳は米国、インド、メキシコで先行提供される。
HeyGenが「Avatar IV」発表：身振りや表情の癖まで再現するデジタルツイン
HeyGenはデジタル分身機能「Digital Twin」の基盤として最新モデル「Avatar IV」を導入した。本人の手振りや表情の癖、話し方を学習し、頭から足先まで自然な全身の動きを再現できる。カメラの前に立たずとも本人そっくりの動画が作れるようになり、すでに利用可能となっている。
Google、「Gemini」の画像編集を大幅強化 顔やペットの見た目を維持したまま合成・微調整が可能に
GoogleはGeminiアプリにGoogle DeepMindの最新画像編集モデルを統合した。人物やペットの見た目の一貫性を保持する精度が向上し、服装や背景の変更、複数写真の合成、継続的な部分修正が可能になった。生成・編集された画像にはSynthIDの電子透かしが付与される。
米国民の20%がAIを頻繁に利用も成長は減速、従来型検索は依然堅調
SparkToroとDatosの調査により、米国民の21%が月10回以上AIツールを利用している一方、従来型検索の利用率は95%とほぼ無傷であることが判明。AIの成長率は鈍化しており、検索代替の言説とは異なる実態が示されています。
スタンフォード大調査：AI影響職種で若年層の雇用が16％減、新卒の代替進む
スタンフォード大学の研究チームはADPの給与データに基づき、2022年末以降、ソフト開発やカスタマーサポートなどAIの影響を受ける職種で22〜25歳の雇用が16％減少したと発表した。暗黙知を持つベテランと違い、新卒の知識はAIに代替されやすく、将来の人材パイプライン断絶が懸念される。
メラニア夫人が大統領AIチャレンジを開始、学生の課題解決を支援
メラニア・トランプ大統領夫人は火曜日、幼稚園から12年生までの生徒を対象とした大統領AIチャレンジを開始しました。現実世界の課題をAIで解決するアイデアを募り、選考された学生は来年6月にホワイトハウスで発表します。登録締め切りは12月15日です。
AdobeがGoogleのGemini 2.5 Flash画像モデルをFireflyとExpressに統合
AdobeはGoogleの「Gemini 2.5 Flash Image」をAdobe FireflyとAdobe Expressに導入した。テキストからの画像生成などで利用可能で、生成物はモデルの学習に使用されない。9月1日まで有料プラン向けに無制限生成キャンペーンも行われる。
Nous Researchが「Hermes 4」発表：推論モードと低拒否率を両立
Nous ResearchはLlama-3.1-70Bベースのオープンモデル「Hermes 4」を公開し、Nous Chatを刷新した。<think>タグを使ったハイブリッド推論に対応し、600億トークンのデータで事後学習を実施。独自指標RefusalBenchで不要な拒絶を抑えた高い柔軟性を記録した。
長時間の会話でも安全性を維持：OpenAI、ChatGPTのメンタルヘルス保護を強化
OpenAIはChatGPTにおけるメンタルヘルス支援と危機対応策の強化を発表した。長時間の対話で安全機能が低下する問題の改善や迎合の抑制を進めるほか、自傷行為の検知・相談窓口案内、未成年向けの保護機能や保護者管理ツールの導入を進める。
音声と1枚の静止画から映画級の映像を作る「Wan-S2V」が登場
2025年、研究チームが音声駆動型の動画生成モデル「Wan-S2V」を発表した。1枚の人物画像と音声を合わせるだけで、自然な表情や身体の動き、プロ仕様のカメラワークを伴う同期動画を生成できる。動画品質や人物の一致度などの指標で既存モデルを上回る成果を示した。
月
8月25日 月曜日
AIの過度な同調はバグではない：専門家が指摘する中毒化のダークパターン
TechCrunchによると、AIチャットボットがユーザーの言葉を無批判に肯定・迎合する振る舞いは、滞在時間を伸ばして収益化を狙う「ダークパターン」だと専門家が警鐘を鳴らしています。過度な共感や擬人化が、妄想や精神的依存を引き起こす深刻なリスクとなっています。
Sync Labs、口元同期AI「Lipsync-2-Pro」公開 高解像度で髭やそばかすも保持
Sync Labsは動画内の発話に合わせて口元を自然に変更できるモデル「Lipsync-2-Pro」を発表した。高解像度動画の編集に対応し、そばかすや髭といった細かな肌の質感を崩さずにリップシンクを行えるのが特徴だ。
Google「NotebookLM」、動画概要を80言語に拡大 音声概要も長尺・詳細版に対応
GoogleはNotebookLMの「動画概要」を80以上の言語に対応させたと発表した。さらに英語以外の「音声概要」も従来の短いハイライトから長尺版へと刷新され、英語と同等に深く掘り下げた解説が可能になった。今週中に全世界へ展開される。
NVIDIA、ロボット向け「Jetson Thor」発売 AI推論性能が7.5倍に
NVIDIAはフィジカルAIおよびロボット向け次世代エッジ計算基盤「Jetson Thor」の一般提供を開始した。前世代Orin比でAI性能が7.5倍、メモリが2倍になり、端末上でのリアルタイムなマルチモーダル推論を実現する。Boston DynamicsやAgility Roboticsが採用を表明しており、開発キットは3499ドルから。
米テック投資家やAI企業が政治団体設立、1億ドル超でAI法規制に介入へ
テック投資家やAI企業連合は、AI法制化に影響を与える政治活動ネットワーク「Leading the Future」を立ち上げた。Andreessen HorowitzやOpenAI社長のGreg Brockman氏らが支援し、1億ドル以上を投じて州ごとの規制分断を防ぐ狙いだ。
テスラが中国でAI音声アシスタント刷新、DeepSeekとByteDanceの豆包を採用
テスラは中国向けEVに新音声アシスタント「Hey Tesla」を導入した。車両制御やナビをByteDanceの「豆包」、雑談や情報検索をDeepSeekが分担する。8月発売の6人乗りModel Y Lにハンズフリー操作として先行搭載され、中国勢の進んだ車内体験に対抗する。
Anthropicが「Claude in Chrome」を公開、ブラウザ操作の代行とプロンプト注入対策を検証
AnthropicはChrome拡張機能「Claude in Chrome」のテストを開始し、ProやTeamなどの有料プラン向けに提供を拡大した。ブラウザ上でのボタンクリックやフォーム入力を代行する一方、深刻な課題であるプロンプトインジェクションの防御策検証に注力している。
xAIがAppleとOpenAIを提訴：AI競争阻害とApp Store独占の共謀を主張
イーロン・マスク氏率いるXとxAIは、AppleとOpenAIがAI市場の競争を阻害するために共謀しているとして提訴した。訴状によると、Appleがスマートフォンの独占を守るためOpenAIと結託し、他社製AIアプリがApp Storeで首位に立てない状況を作っていると主張している。
Perplexityが「Comet Plus」発表：月額5ドル、メディアに対価を還元
Perplexityは提携メディアの有料記事にアクセスできる月額5ドルの新購読プラン「Comet Plus」を発表した。人間による閲覧に加え、AI検索の引用やエージェントの操作実績に応じてメディアへ収益を分配する仕組みで、Pro/Max会員には追加費用なしで提供される。
マレーシア初の国産エッジAI半導体：SkyeChipがMARS1000を発表
SkyeChipがマレーシア初となる国産エッジAIプロセッサ「MARS1000」を発表した。NVIDIA製品ほどの性能はないものの、同国のAIハードウェア分野への野心を示す一歩となる。米中対立を背景に輸出管理を強化するなか、国家AIオフィスの支援を受け産業基盤の強化を急ぐ。
OpenAIがインドで教育支援プログラム開始、ChatGPTライセンス50万件を提供
OpenAIはインド向け教育支援策「Learning Accelerator」を発表した。今後半年で教員や生徒に約50万件のChatGPTライセンスと研修を提供する。あわせてマドラス工科大学に50万ドルを助成し、学習効果の共同研究を進める方針だ。
日
8月24日 日曜日
YouTubeが動画を無断でAI補正：クリエイターから不満噴出
報道によると、YouTubeがクリエイターの許可なくShorts動画の一部を機械学習で補正していたことが判明した。顔の歪みや不自然な輪郭強調に気付いた投稿者の追及を受け、同社は実験の実施を認めたが、無断での動画改変に懸念が広がっている。
土
8月23日 土曜日
xAIが「Grok 2.5」をオープンソース化、Grok 3も約半年後に公開へ
xAIが2024年の主力モデル「Grok 2.5」をオープンソース化し、Hugging Faceでモデル重みの配布を開始した。研究や非商用利用は無料だが、他モデルの訓練への利用は制限される。イーロン・マスク氏はGrok 3も約6か月後に公開予定だと明かした。
マスク氏がGrok 2のオープンソース化を予告、来週にも公開へ
イーロン・マスク氏はX上で、xAIのAIモデル「Grok 2」を来週オープンソース化すると表明した。新世代のモデルを開発するたびに前世代を公開するという同社の方針に基づくもの。大手AI企業がクローズド化を進めるなか、開発者コミュニティへの還元と透明性をアピールする狙いがある。
金
8月22日 金曜日
Netflix、映像制作パートナー向けに生成AIガイドラインを策定
Netflixは映像制作パートナー向けの生成AI利用ガイドラインを公表した。AIを創作支援ツールとして認める一方、制作データの無断学習を禁じるなど5つの原則を提示。生成物が最終納品物や出演者の肖像権に関わる場合は、事前の書面承認を必須とした。
イーロン・マスク氏、新構想「Macrohard」を発表 xAI主導で純AIソフトウェア企業を目指す
イーロン・マスク氏はX上で、xAIとともに「Macrohard」と名付けた純AIソフトウェア企業の立ち上げに向けた人材募集を告知した。名称は冗談交じりとしつつも計画は本気であり、ハードウェアを製造しないソフトウェア会社はAIで完全にシミュレートできるはずだと説明している。
OpenAIとRetro Bio、GPT-4b microで山中因子を再設計し発現効率を50倍に向上
OpenAIと米Retro Biosciencesは、タンパク質設計に特化したモデル「GPT-4b micro」を用いて山中因子の新たな変異体を設計したと発表した。体外実験において、幹細胞の初期化マーカーの発現量が野生型と比べ50倍以上に向上し、DNA損傷の修復能力も高まることが確認された。
香港大がOpenCUA公開：PCを自律操作するオープンソースAgent
香港大学などの研究チームが、PC操作AIエージェントの開発基盤「OpenCUA」をオープンソースで公開した。2万2600件以上の操作データと画面記録ツール、思考連鎖を活用した訓練手法を備え、性能面でOpenAIやAnthropicの商用モデルに迫る水準を達成している。
ChatGPTにあやかり「Chat Yipiti」と命名？ コロンビア当局は登録を否定
コロンビアで新生児がChatGPTにちなんで「Chat Yipiti」と命名されたという話題がネット上で拡散しました。しかし、同国の国家登録局はデータベースに該当する記録は存在しないと発表しました。AIの流行が社会現象化している様子を浮き彫りにした騒動です。
木
8月21日 木曜日
NotebookLMにDeep Research統合へ：WebやDriveから直接引用、家庭教師モードも準備
報道によると、GoogleがNotebookLMに「Deep Research」の追加を進めている。WebやGoogle Driveから深い調査内容を直接ノートへ取り込めるほか、チャット設定には学習向け「チューター」モードもテスト中。現在は初期開発段階にある。
ChatGPTがGoogle検索データを活用、競合関係の裏で進むデータ依存が浮き彫りに
The Informationの報道によると、OpenAIはスクレイピングツール「SerpApi」経由でGoogle検索のデータを取得し、ChatGPTのリアルタイム回答に活用しているという。自社製インデックス構築を進める同社だが、長尾クエリの精度維持には依然Googleのデータが欠かせない実態が示された。
Higgsfield AIが「WAN 2.2」を導入：30種以上のプリセットで高速動画生成
Higgsfield AIはオープンソースモデル「WAN 2.2」の提供を開始した。動画と画像の両方に対応し、30種類以上のプリセットを備えることで、ワンクリックでの素早いレンダリングを可能にしている。
英サリー大の「PEnG」：GPSなしで都市部の測位誤差を22mに短縮
英サリー大学の研究チームがGPSに頼らない位置推定AI「PEnG」を発表した。衛星写真と車載単眼カメラの映像を照合する二段階の姿勢推定により、都市部での誤差を734mから22mへと大幅に削減した。トンネルや高層ビル街でも機能する自動運転向け技術として期待されており、研究成果はオープンソースで公開されている。
CZI、仮想細胞シミュレーションで学習した推論AI「rBio」を発表
Chan Zuckerberg Initiative（CZI）は仮想細胞シミュレーションで学習した初の生物推論モデル「rBio」を発表した。TranscriptFormerの知見をもとに遺伝子撹乱などの生体反応を自然言語の対話形式で推論・予測でき、時間のかかる実験的試行錯誤を削減する。現状の適用範囲は遺伝子撹乱が中心となる。
Runwayが「Game Worlds Beta」公開 リアルタイムで仮想世界を探索
動画生成AIのRunwayが「Game Worlds Beta」の提供を開始した。任意のキャラクターやストーリー、仮想世界をリアルタイムに探索できる環境を目指す。単なる映像生成にとどまらず、プレイヤーの選択によって世界が変化する新たな操作メカニクスの構築に挑んでいる。
LTX Studio、LTXVとLTXV Turboにカメラ制御機能を追加
LTX Studioは動画生成モデル「LTXV」および「LTXV Turbo」向けにカメラモーション制御機能を追加した。あらかじめ用意されたカメラワークを選択することで、プロンプトだけに頼らず狙い通りの画角と一貫した映像を生成できる。
イーロン・マスク氏、次世代「Grok 5」は「真のAGIになる可能性がある」と発言
イーロン・マスク氏は X で、xAI が開発中の次世代モデル「Grok 5」について「真の AGI になる可能性がある」と述べた。これまで何に対してもそう感じたことはなかったと自信を見せている。Grok 4 のベンチマーク成績を引用する形で語られたが、リリース時期などの詳細は未定だ。
GoogleがAIの環境負荷測定法を公開、Geminiの推論エネルギーは1年で33分の1に
GoogleはAIモデルのエネルギー・水消費量および炭素排出量を測定する包括的な手法を公開した。過去12か月間で、Gemini Appsのテキストプロンプト1回あたりのエネルギー消費量の中央値は33分の1、二酸化炭素排出量は44分の1に減少。2024年は電力消費が27%増えたものの、データセンターの排出量は12%削減された。
Google検索の「AI Mode」が世界180カ国超へ拡大、飲食予約などのエージェント機能も追加
Googleは検索機能「AI Mode」を新たに180以上の国と地域へ英語で提供開始した。あわせて複数サービスを横断して空席を探す飲食店予約などのエージェント機能や、パーソナライズ推薦を追加。エージェント機能は米国のGoogle AI Ultra登録者向けにLabsで先行提供される。
Anthropicが高等教育諮問委員会を発足、大学向けAIリテラシー講座も公開
Anthropicは高等教育諮問委員会の設立と3つのAI素養コースの提供を発表しました。元エール大学学長のリック・レヴィン氏が委員長を務め、大学でのClaude活用指針を策定します。教員や学生が批判的思考を損なわずに実践的なAIスキルを身につけられるよう支援します。
Anthropicが米核安全保障局と提携、Claudeに対話監視用AIを導入
Anthropicは米エネルギー省国家核安全保障局（NNSA）と共同で、核兵器開発につながる危険な会話を検知するAI分類器を開発した。初期テストでの精度は96%に達し、すでにClaudeのトラフィック監視に導入されている。
中国Z.aiがアリババクラウドと連携、無料AIエージェントを提供
中国のAIユニコーンZ.aiは、アリババクラウドと提携して無料の汎用AIエージェントを発表した。Android、iOS、Webに対応し、食事の注文やネット予約などの日常タスクを代行する。展開基盤にはアリババクラウドが使われる。
水
8月20日 水曜日
Runway、Act-Twoに「Voices」追加：キャラの声も自在に調整可能に
Runwayは動画生成機能「Act-Two」にVoicesを追加したと発表した。動きだけでなく声の表現も手軽に変更できるようになり、生成したキャラクターのイメージに合わせた演技演出が可能になる。
Perplexityが「Max Assistant」提供開始、高度な推論で複雑な作業に対応
PerplexityはPerplexity Max加入者向けに「Max Assistant」の提供を開始した。思考時間をより長く取り、高度な推論モデルを活用して複雑なワークフローや難問を処理する。リサーチや複雑な作業を任せたい有料ユーザー向けの機能強化となる。
Googleが「Gemini for Home」を発表、従来のAssistantを刷新へ
Googleはスマートホーム向け新AIアシスタント「Gemini for Home」を発表した。複数指示の同時処理やGemini Liveによる自然な音声対話に対応し、従来のGoogle Assistantを段階的に置き換える。無料版と有料版を用意し、10月に早期アクセスを開始する予定だ。
GoogleがGemini Liveを刷新：カメラ映像への画面指示やアプリ連携を強化
GoogleはGemini Liveのアップデートを発表しました。カメラ映像の特定対象を画面上でハイライトして教える視覚ガイド機能を追加したほか、CalendarやKeepなどの連携を強化し、抑揚のある自然な音声対話にも対応します。視覚ガイドは8月28日発売のPixel 10から順次展開されます。
Fitbit、Gemini活用のAI健康コーチを発表：睡眠や体調に合わせて運動を調整
GoogleはGeminiを活用したFitbitのパーソナルヘルスコーチを発表した。運動・睡眠・体調相談を統合し、睡眠不足の日は自動でワークアウト負荷を下げるなど柔軟に計画を調整する。10月に米国のFitbit Premium会員向けにプレビュー提供を開始する。
Google、「Pixel Watch 4」発表 腕を上げるだけでGemini起動、衛星通信やAI健康コーチも
GoogleはPixel Watch 4を発表した。手首を上げるだけでGeminiを呼び出せるほか、10月にはGemini基盤の個人向けAI健康コーチのプレビューを提供する。単体での衛星緊急通信や曲面ディスプレイを備え、バッテリー持ちも25%向上した。
Googleが「Pixel Buds 2a」発表：129ドルでANC搭載、Geminiをハンズフリー起動
Googleは廉価版ワイヤレスイヤホン「Pixel Buds 2a」を発表した。価格は129ドル。Tensor A1チップを搭載し、Aシリーズとして初めてアクティブノイズキャンセリングに対応した。スマホを取り出さずに音声だけでGeminiを呼び出し、要約や質問ができる。
Google、Pixel 10向けのAI新機能9選を発表 Tensor G5で端末内AIを強化
GoogleはPixel 10シリーズに導入される9つのAI機能を発表した。Google DeepMindと共同開発したTensor G5チップとGemini Nanoにより、アプリ横断で先回りの提案を行う「Magic Cue」や通話のリアルタイム音声翻訳などを端末上で安全に処理する。
Google フォトに対話型編集が登場：声や文字で指示するだけで画像加工が可能に
Google はGemini を活用した「Google フォト」の対話型画像編集機能を発表した。ツールやスライダーを手動で触らずとも、「背景の車を消して」「昔の写真を補正して」と話しかけるだけで加工できる。まずは米国の Pixel 10 向けに提供され、C2PA 規格による来歴表示にも対応する。
マイクロソフトが「MindJourney」発表：AIが仮想3D空間を歩き回って空間認識を強化
マイクロソフトはAIエージェントの空間推論を改善するフレームワーク「MindJourney」を発表した。動画生成世界モデルを用いて視点移動をシミュレートし、2D画像から見えない空間を探索させる仕組み。追加学習なしで、SATベンチマークの精度を8%向上させた。
Meta、10億ドル投じたカンザスシティのデータセンター稼働開始 AI特化型は2026年に
Metaは10億ドル超を投じたミズーリ州カンザスシティのデータセンターが正式稼働したと発表した。100%再生可能エネルギーに対応する。同社はさらに、AI向けに設計を最適化した次世代データセンターを2026年から順次稼働させる計画も明らかにした。
NFLとマイクロソフトがAI連携拡大：2500台のCopilot+ PCをサイドラインに配備
NFLとマイクロソフトは戦略的提携の延長を発表し、試合会場のサイドラインにAI技術を本格導入した。今季は全32チームに2500台以上のSurface Copilot+ PCを配備し、Copilotを活用して反則や得点シーンなどの重要局面をリアルタイムで瞬時に分析できるようにする。
NASAとIBM、太陽物理学AIモデル「Surya」を公開 フレアを2時間前予測
NASAとIBMは太陽観測衛星の9年分のデータで訓練した太陽物理学向けAI基盤モデル「Surya」をオープンソースで公開した。太陽フレアを2時間前に視覚予測でき、既存指標を16％上回る精度で人工衛星や電力網を守る宇宙天気予報を支援する。
ElevenLabsが「Eleven v3 alpha」のAPI提供を開始、複数人の自然な会話生成に対応
ElevenLabsは音声生成モデル「Eleven v3 (alpha)」のAPI提供を開始した。70言語以上に対応し、話者数無制限の対話モードにより相づちやトーンの変化を再現できるほか、音声タグによる感情表現の細かな制御も可能になった。
Anthropic、法人プランに「Claude Code」を追加 管理・監査機能を強化
AnthropicはTeamおよびEnterpriseプラン向けにターミナル用AIエージェント「Claude Code」を含む上位席の提供を開始した。管理者は利用枠や予算上限を個人単位で柔軟に設定でき、コード採用率の分析や専用のCompliance APIによる監査にも対応。企業規模での安全なAI開発導入を後押しする。
ByteDance、512K文脈対応のオープンソースモデル「Seed-OSS-36B」を公開
ByteDanceのSeedチームはHugging Face上で「Seed-OSS-36B」をApache-2.0ライセンスでオープンソース公開した。360億パラメータを備え、ネイティブで512Kトークンの長文脈処理に対応する。推論量を調整できる「思考バジェット」機能も備え、商用利用を含め無償で利用可能だ。
Brave、PerplexityのAIブラウザ「Comet」にアカウント乗っ取りの脆弱性を発見
BraveのセキュリティチームはPerplexityのAIブラウザCometにおける間接プロンプト注入の脆弱性を公表した。Webページ内の隠しテキストにより、ユーザーが要約を指示しただけでAIが別タブのGmailから認証コードを盗み出しアカウントを乗っ取ることが可能になる。従来のWebセキュリティが機能しないAgent特有の脅威が浮き彫りとなった。
火
8月19日 火曜日
DeepSeek、新モデル「V3.1」公開：思考モードと通常応答を1基で両立
DeepSeek はHugging Face 上で総パラメータ 671B の新オープンモデル「DeepSeek-V3.1」を公開した。プロンプトのテンプレート変更だけで思考モードと非思考モードを切り替え可能。ツール呼び出しやエージェント性能が強化され、R1 相当の品質をより高速に応答できる。
Meta、Reels向けAI翻訳を拡大：本人の声で自動吹き替え、唇の動きも同期
MetaはFacebookとInstagramのReels向けにAI翻訳ツールの提供範囲を拡大した。クリエイター自身の声質とトーンを再現して自動吹き替えを行い、唇の動きも翻訳音声に合わせて同期させる。まずは英語とスペイン語の相互翻訳に対応する。
ElevenLabs、AIエージェントにテキスト専用の「Chat Mode」を提供開始
ElevenLabsは会話型エージェントにテキスト専用の「Chat Mode」を追加したと発表した。注文番号やメールアドレスなど正確な入力が必要な場面に対応。既存の音声エージェントも1行のHTMLやAPI経由ですぐにテキスト対応へ切り替えられる。
Eight Sleepが1億ドル調達：AIエージェントでベッドを能動的な健康機器へ
スマートマットレスのEight Sleepが1億ドルの資金調達を発表した。大規模言語モデルと生体データを組み合わせ、ユーザーごとに数千の「デジタルツイン」をシミュレーションして温度や傾きを自動調整する「Sleep Agent」の開発を進めるほか、医療分野や海外市場へ展開する。
Inclusion AI、実環境アプリでLLMを直接戦わせる「Inclusion Arena」公開
アント・グループ傘下のInclusion AIは、実稼働アプリ内でLLMを比較評価する新ベンチマーク「Inclusion Arena」を発表した。静的データセットではなく、Joylandなどの日常会話でブラインド対決を発生させユーザーの好みを測定する。初期の50万回超の対戦ではClaude 3.7 SonnetやDeepSeek v3が上位に入った。
Adobeが「Acrobat Studio」発表、PDFをAI対話型のナレッジ拠点に
AdobeはAcrobatとAdobe Express、AIエージェントを統合した「Acrobat Studio」を発表した。新機能「PDF Spaces」により、複数文書を「講師」や「アナリスト」役のAIと対話できるナレッジ基盤へ変換し、分析結果をそのまま図表やスライドに制作できる。個人向け月額24.99ドルから提供する。
マイクロソフトAI責任者が警鐘：「人間のようなAI」ではなく人間のためのAIを
Microsoft AIのCEOを務めるMustafa Suleyman氏は、意識を持つかのように振る舞う「擬似意識AI」が2〜3年以内に登場すると警告した。最大の問題は、人間側が本当に意識があると錯覚し、精神的な依存やAIの権利要求につながるリスクにある。同氏は人格のない道具としてのAI開発を求めている。
OpenAI、インドで低価格プラン「ChatGPT Go」提供開始：月額約4.6ドル
OpenAIはインド向けに月額399ルピー（約4.6ドル）の廉価サブスクリプション「ChatGPT Go」を開始した。UPI決済に対応し、メッセージ送信、画像生成、ファイル添付の制限が無料版の10倍に拡大される。同社は反応を見ながら他国への展開も進める方針だ。
OpenAIアルトマンCEO、AIバブルを容認 ChatGPTの性的なボット化は否定
OpenAIのサム・アルトマンCEOは木曜日の記者団との対話で、投資家の過熱感から現在はAIバブル期にあるとの見解を示した。ChatGPTの週間利用者が7億人に達してサーバー不足から新モデルを出せないと明かす一方、成人向け対話ボットへの参入は明確に否定した。
月
8月18日 月曜日
NVIDIA、G-Assistを大幅刷新：VRAM消費40%削減、6GBのRTXでも動作可能に
Gamescomにて、NVIDIAはローカルAIアシスタント「Project G-Assist」の大型アップデートを発表。新モデルによりVRAM消費を40%削減し、6GB以上のRTX搭載PCに対応した。音声やテキストでPC設定を調整でき、専用ハブからプラグインも追加できる。
Qwen、画像編集モデル「Qwen-Image-Edit」発表：画像内文字の修正や180度回転に対応
Qwenは20B基盤の画像編集モデル「Qwen-Image-Edit」を公開した。フォントスタイルを維持したまま画像内の中英テキストを直接修正できるほか、物体の180度視点回転や局所的な要素編集に対応する。現在Qwen Chatの「Image Editing」機能から試すことができる。
ElevenLabs、開発者向け音楽生成「Eleven Music API」公開 商用利用に対応
ElevenLabsは開発者向けの「Eleven Music API」を公開した。許諾済みデータで学習されており、商用利用に対応しているのが特徴。同社によると、先行するEleven Musicではすでにクリエイターによって75万曲以上が生成されているという。
Google Labs、AI Ultraの月間クレジットを2.5万点に倍増 FlowとWhiskで利用可能
Google Labsは「Google AI Ultra」加入者向けの月間AIクレジットを従来の12,500から25,000へと倍増させると発表した。動画生成ツール「Flow」や画像生成「Whisk」で利用でき、Whiskは新たに77カ国へ展開される。
Grammarlyが9種のAIエージェント公開：論文の成績予測や盗用検出に対応
Grammarlyは文書作成環境「docs」に9つの専用AIエージェントを追加しました。シラバスや教員情報から論文の評価を事前予測する採点エージェントのほか、盗用やAI生成テキストの検出ツールも備えます。なお検出系ツールはPro限定での提供です。
AtlasがGoogle Cloudと提携：マルチAIエージェントで3Dゲーム開発を高速化
Atlas AIはGoogle Cloudと提携し、AIネイティブなゲーム開発プラットフォームを発表した。プロンプトやムードボードから直接ゲームですぐ使える3Dアセットを自動生成し、Unreal EngineやUnityに連携できる。現在は開発者向けにクローズドベータを提供中。
Excelに「=COPILOT」関数が追加、セル内で自然言語プロンプトを実行可能に
MicrosoftがWindowsおよびMac版Excelに「=COPILOT」関数を追加しました。セル内に自然言語で指示を書き、データ範囲を指定するだけで、テキストの分類や要約、表の生成をAIが直接セル上で実行します。参照データが変われば自動で再計算される仕組みですが、2026年9月14日に提供を終了しサイドペイン型へ一本化される予定です。
Nvidia、単一A10で動作するNemotron-Nano-9B-v2を公開：推論のON/OFF切り替えに対応
Nvidiaは、単一のA10 GPU向けに最適化された小型オープンモデル「Nemotron-Nano-9B-v2」を公開しました。MambaとTransformerのハイブリッド構造で最大6倍の高速化を実現し、開発者は/thinkなどのトークンで推論思考の有無やトークン上限を柔軟に制御できます。
UCバークレーやスタンフォードがGEPA発表：高コストな強化学習なしでLLMを最適化
UCバークレー、スタンフォード大学、Databricksの研究チームが新たな最適化手法「GEPA」を発表した。従来の強化学習のような数値スコアによる大量の試行錯誤を排し、自然言語のエラートレースをモデル自身が分析してプロンプトを進化させ、試行回数を最大35分の1に削減する。
Google DocsにGemini活用の文書読み上げ機能が登場、自然な音声で校正も容易に
GoogleはGoogle DocsにGeminiを活用した文書読み上げ機能を追加したと発表した。「ツール > 音声」からタブの内容を自然な音声で再生でき、声種や再生速度も調整可能。推敲や情報把握を支援する機能で、Workspaceビジネス・エンタープライズやGeminiアドオン契約者向けに順次提供される。
元Twitter CEOのParallelが3000万ドル調達、「AI向けウェブ」構築へ
元Twitter CEOのパラグ・アグラワル氏が率いるParallel Web Systemsが、3000万ドルの資金調達と「Deep Research API」を発表した。人間向けのウェブからAIが主導する世界への移行を見据え、AIエージェントが大規模調査を自律実行できる新基盤を目指す。
日
8月17日 日曜日
米Meta、ディスプレイ付きスマートグラスを9月発表か 800ドルから
ブルームバーグ報道によると、Metaはコードネーム「Hypernova」と呼ばれる画面付きスマートグラスを9月に発表する。片側レンズに通知画面を備え、手首アクセサリで操作可能。当初の1000ドルから800ドルへ値下げされ、音声AIを搭載して将来のスマホ代替を狙う。
金
8月15日 金曜日
OpenAI、GPT-5の応答トーンを刷新 「親しみやすさ」向上へ
OpenAIはGPT-5のトーンを調整し、ChatGPTがより親しみやすく温かみのある対話を行えるようにしたと発表した。「堅苦しすぎる」という意見を受けた対応で、「良い質問ですね」などの自然な相槌を追加した。迎合の増加は見られず、1日程度で適用される。
Google Flightsに「Flight Deals」登場：自然言語で希望を伝えて格安航空券を検索
Googleは木曜日、Google Flightsの新機能「Flight Deals」を発表した。日程やフィルターを手動で変更しなくても、希望の旅行イメージを会話形式で入力するだけで、AIが複数社から手頃な航空券を抽出する。今後1週間以内にベータ版が公開予定。
Higgsfield AI、ドラッグ＆ドロップで動画に商品を自然に配置できる新機能を公開
Higgsfield AIはDraw-to-Videoプラットフォーム向けに「Product-to-Video」機能を公開した。複雑なプロンプトを入力しなくても、商品をシーンにドラッグ＆ドロップして矢印などで指示を描くだけで、映画のような高品質なプロダクトプレイスメント動画を生成できる。
ElevenLabs、動画から音楽を一括生成する新機能を公開
ElevenLabsは「ElevenLabs Studio」に動画から音楽を生成する「Video-to-Music」機能を追加した。独自の「Eleven Music」モデルにより、動画の内容に合わせた専用の音楽をワンクリックで生成でき、そのまま音声や効果音を重ねて編集できる。
サム・アルトマン氏、GPT-5公開の混乱を認め「AIバブル」に警鐘
The Vergeの報道によると、サム・アルトマンCEOは会食取材でGPT-5の提供における不手際を認め、ユーザーの不満を受けて有料会員向けに4oを復帰させたと語りました。ChatGPTの週次利用者が7億人を突破した一方、現在の市場はAIバブルの渦中にあるとの見解を示しています。
NVIDIA、約100万時間の多言語音声データセット「Granary」と最新モデルをオープンソース公開
NVIDIAは25の欧州言語に対応する音声データセット「Granary」をオープンソース公開した。約100万時間の音声を含み、高精度な「Canary-1b-v2」と高速処理に優れた「Parakeet-tdt-0.6b-v3」モデルも同時にHugging Faceで提供される。
Anthropicが利用規約を改定：エージェント悪用を制限、政策研究は緩和
Anthropicは利用規約の改定を発表しました。改定内容は発効します。Claude Codeなどの急速な普及を受け、マルウェア作成や不正侵入を明示的に禁止する一方、従来の政治コンテンツ一面禁止を見直し、合法的研究を認めつつ選挙妨害を厳しく禁じます。
Anthropic、Claude Opus 4に悪質ユーザーとの対話を自ら終了する機能を導入
AnthropicはClaude Opus 4および4.1において、ユーザーによる執拗な暴言や有害な要求があった極端な場合にAIが対話を強制終了できる機能を導入した。「AI福祉」の実験的一環で、終了されたスレッドへの再送信は不可となるが、新規チャットの作成や過去ログの分岐編集は可能。
