xAIが「Grok 3 Mini」を公開、推論対応でAPI価格競争を加速
xAIは軽量言語モデル「Grok 3 Mini」を発表しAPI提供を開始した。大型のGrok 3とは異なり思考プロセスを出力する推論機能を標準搭載し、入力は100万トークンあたり0.3ドルに抑えた。競合の主要モデルを大きく下回る低価格で市場の価格競争を激化させている。
xAIは軽量言語モデル「Grok 3 Mini」を発表しAPI提供を開始した。大型のGrok 3とは異なり思考プロセスを出力する推論機能を標準搭載し、入力は100万トークンあたり0.3ドルに抑えた。競合の主要モデルを大きく下回る低価格で市場の価格競争を激化させている。
Rumiの調査でGPT-o3などの長文出力に目に見えない特殊Unicode文字が含まれ、電子透かしではないかと話題を呼んだ。OpenAIは意図的な透かしではなく「大規模強化学習の特異な癖」だと説明し、4月23日のテストでは既に出現しなくなっている。
AI研究機関Epochの創設者タメイ・ベシログル氏が、人間の仕事を完全に自動化することを目指すスタートアップ「Mechanize」を立ち上げた。まずはホワイトカラー職を対象とし、ジェフ・ディーン氏らが出資する一方で、労働者を完全に置き換える構想に対し業界内から批判が殺到している。
TechCrunchによると、OpenAIの新型推論モデル「o3」と「o4-mini」は以前のモデルよりハルシネーション(幻覚)の発生率が高いことが判明した。社内テスト「PersonQA」ではo3が33%(o1の約2倍)、o4-miniは48%を記録。推論モデルの大規模化に伴い主張が増えたことが要因とみられるが、原因は未解明だという。
Kreaは、画像やテキストから編集可能な3D空間を構築できる実験的ツール「Krea Stage」を発表しました。照明や物体、カメラアングルを自由に調整できるほか、空間の一貫性を保った動画生成にも対応します。専門的な3Dモデリングソフトを使わずに仮想空間を作れるのが特徴です。
GoogleはTEDカンファレンスにて、Android XRとGeminiを搭載したスマートグラスの実機デモを初公開した。小型カラーディスプレイを内蔵し、置いたカードキーの場所を記憶したり、リアルタイム翻訳やレンズ上での道案内を行える。ただし発売時期は明かされず、市場投入は2026年になる見込みだ。
Googleは量子化認識トレーニング(QAT)を適用したオープンモデル「Gemma 3」の新版を公開した。学習時に量子化を模擬することで、int4圧縮時のパープレキシティ低下を54%抑制。高価なデータセンター向けGPUを使わずとも、RTX 3090などの民生用GPUで27Bモデルをローカル実行できる。
月曜日、AIコードエディタCursorのAIサポートが「1契約につき1デバイスのみ」という架空の規約を捏造して回答した。これを信じた開発者から解約予告や批判が相次ぎ、同社が謝罪する事態となった。人による監視のないAI導入のリスクが改めて浮き彫りになった。
OpenAI は推論モデル「o3」と「o4-mini」向けに「Flex processing」ベータ版を発表した。応答時間が延びる代わりに API 料金が半額になり、モデル評価やデータ拡充などの非同期タスクを想定する。o3 利用には本人確認が必要となる。
米Y Combinator元社長のGeoff Ralston氏はAIの安全性と責任ある展開を支援する新ファンド「SAIF」を立ち上げた。評価額上限1000万ドルのSAFE形式で各社に10万ドルを投資する。意思決定の透明化や偽情報対策を対象とし、完全自律型兵器は出資対象から除外する。
ウィキメディア財団はより、AI開発者向けに構造化されたWikipediaデータセットをKaggleで提供開始した。英語とフランス語に対応したJSON形式で提供され、開発者のクローリングやデータ整形の負担を減らすと同時に、サーバー負荷の軽減を目指している。
LTX Studioがオープンソース動画モデル「LTXV 0.9.6」を発表しました。20億パラメータ(2B)モデルに、最終出力向けの高品質版と、高速な試作や軽量デプロイに適した蒸留版の2種類を用意し、速度と安定性を向上させています。
OpenAIが公開したo3などの新モデルを使い、写真の微細な手がかりから撮影場所を割り出す試みがXで話題になっていると報じられた。画像の拡大やWeb検索を駆使してバーや図書館を特定できる一方、個人特定などのプライバシー侵害リスクが懸念されている。
アリババが14Bパラメータの動画生成モデル「Wan2.1-FLF2V」をオープンソース公開した。ユーザーが指定した最初と最後のフレームから滑らかな移行動画を生成し、一貫した画風と自然な動きを保つ。公式サイトで5秒・720pの動画を無料で生成できるほか、Hugging FaceやGitHubでも重みが公開されている。
AI動画生成プラットフォームのArcadsが新機能「Gestures」を発表した。全ユーザーが即日利用可能で、AIアバターを選択してプロンプトで感情を指定するだけで、動画冒頭のフックに使える多彩な仕草や表情を即座に付与できる。
GoogleはGemini 2.5 Flashのプレビュー版を公開した。思考プロセスのオン・オフを切り替えられる初のハイブリッド推論モデルで、思考予算を0〜24,576トークンの間で設定し、回答精度・コスト・レイテンシのバランスを自在に調整できる。
Grokに会話を記憶する機能が追加された。ユーザーがおすすめや助言を求めた際に、過去の対話内容を踏まえた個別回答を返せるようになる。毎回前提を説明し直す手間が省け、より自然なやり取りが可能になる。
米紙報道によると、トランプ米政権は中国のAI企業DeepSeekに対し、米国民による利用禁止やNVIDIA製AIチップ調達の制限を検討しているという。低コストで米IT大手を震撼させた同社への締め付けを強める狙いで、OpenAIの技術蒸留疑惑なども背景にあるとみられる。
LTX Studio がタイムライン編集機能とカスタム AI アバターの作成機能をリリースした。クリップのトリミングや音声同期、シーンの並べ替えを同一画面で行えるほか、参照画像からキャラクターの一貫性を維持できる。AI 映像制作で最大の課題だったカット割りやキャラ崩れの解消を狙う。
Stability AIはAMDと提携し、AMD Radeon GPUおよびRyzen AI APU向けに最適化したONNX版Stable Diffusionをリリースした。SD 3.5とSDXLの計4モデルが対象で、PyTorch版と比較して最大3.8倍高速に動作する。モデルはHugging Faceで公開され、Amuse 3.0でも利用可能。
SynthesiaなどのAI動画プラットフォームに顔や音声の権利を売却した俳優たちが、自身のデジタルクローンが怪しい健康食品の宣伝や政治プロパガンダに悪用される事態に頭を抱えている。契約に含まれる広範かつ撤回不能な条項が壁となり、削除要請も困難な状況だ。
OpenAIは最新の推論モデル「o3」と「o4-mini」を発表した。思考プロセスの途中でWeb検索やPython実行、画像分析などのツールを自律的に呼び出せるのが最大の特徴。数学やコーディングで最高水準のスコアを達成し、推论モデルのエージェント化を大きく前進させた。
BloombergとCNBCの報道によると、OpenAIがAIコーディングツールWindsurfを約30億ドルで買収する交渉を進めている。事前に競合Cursorの開発元Anysphereの買収を2度打診したものの不調に終わっていた。成立すれば同社にとって過去最大の買収案件となる。
Docusign は合意管理プラットフォーム向けに AI 契約エージェントを発表した。契約書を自動分析してリスクや人間による確認が必要な箇所を洗い出す。専用 AI エンジン「Iris」を活用し、2025 年末に調達や営業向けに提供が始まる予定だ。
マルチエージェント評価ベンチマーク「TextArena」の論文がarXivで公開された。交渉や騙し合い、心の理論などを試す57種類以上の対戦型テキストゲームを収録。リアルタイムTrueSkillや人間対モデル、モデル同士の対戦に対応し、LLMの推論と計画能力を測定できる。
Grokは「Grok Studio」の初回バージョンを公開した。コード実行とGoogle Drive連携に対応し、文書、コード、レポート、ブラウザゲームを生成可能。別ウィンドウを開いてGrokとリアルタイムで共同編集できる。
OpenAIはChatGPTに「Image Library」を追加し、無料・Plus・Proユーザー向けに提供を開始した。左側のサイドバーからGPT-4oで生成した全画像一覧にアクセスでき、部分的な再編集やダウンロードが可能。ただし、画像を削除するには生成元の会話全体を消す必要がある。
MicrosoftはCopilot Studioに「Computer Use」機能の早期プレビューを導入した。APIがないシステムでも、エージェントが人間に代わって画面をクリック・入力し、Webやデスクトップアプリを操作できる。UIの変更にも自律適応するのが特徴だ。
FigmaがAIスタートアップのLovableに対し、登録商標である「Dev Mode」の機能名使用停止を求める警告書を送付したことが判明した。Lovable側は要求に応じない姿勢を示しており、デザインツールとAI開発ツールの対立が浮き彫りになっている。
OpenAIがXに対抗するソーシャルネットワークを開発中であると報じられました。社内プロトタイプはChatGPTの画像生成機能を中心としたフィード形式で、サム・アルトマンCEOが外部に非公式な意見を求めている段階です。将来のAIモデル訓練に必要なリアルタイムデータの獲得が狙いとみられます。
OpenAIは新設した非営利委員会の外部アドバイザー4名を発表した。市民権運動や公衆衛生の専門家らが参加し、コミュニティの意見を集めて90日以内に取締役会へ提言を提出する。営利法人化の議論が続く中、既存の非営利組織の役割を維持・拡大する姿勢を示している。
Kuaishouは動画生成AI「KLING 2.0」と画像生成AI「KOLORS 2.0」を正式発表しました。動画内の要素をプロンプトや画像で自由に追加・削除・置換できる編集機能を導入。サービス開始から世界ユーザー数が2200万人を突破したことも明かしました。
Googleは動画生成モデル「Veo 2」を開発者向けに公開した。Google AI Studioでの検証やGemini APIの有料枠経由での組み込みに対応。テキストや画像から物理法則を再現した8秒の動画を生成できる。
AnthropicはClaudeにエージェント型の深層調査機能「Research」とGoogle Workspace連携を導入した。Web検索とGmailやDocs、カレンダーの社内情報を横断検索し、引用付きの回答を数分でまとめる。現在一部有料プランでベータ提供中。
Bloombergの報道によると、AnthropicはClaudeに対話型の「音声モード」を導入する準備を進めており、早ければ今月中にも提供を開始する見込みです。Airy、Mellow、Butteryの3種類の英語音声が用意され、ChatGPTの音声機能に対抗します。
OpenAIは最先端AIによる深刻な危害を防ぐ「Preparedness Framework」の改定を発表した。リスク水準を「High」と「Critical」の2段階に整理し、バイオ・化学やサイバー、AIの自己改善を重点追跡対象に設定。自律的な複製や意図的な性能偽装(サンドウバギング)などの研究領域も新設した。
Nvidiaはアリゾナ州フェニックスにあるTSMCの工場でBlackwell AI GPUの製造を開始したと発表した。パッケージングとテストも同州内で行われる。さらに同社はFoxconnやWistronと組み、テキサス州でスパコン工場を建設し、12〜15カ月以内の量産拡大を目指す。
Hugging Faceは仏人型ロボット企業のPollen Roboticsを買収したと発表した。人型ロボット「Reachy 2」の販売を進めるとともに、開発者がコードをダウンロードして改良できるようにする。オープンソースAIの領域をハードウェアへ本格拡張する狙いだ。
OpenAIが今後数週間以内に新推論モデル「o3」と「o4-mini」をリリースする見通しです。物理学や創薬、材料科学などを横断し、研究の仮説立案や実験設計を行える点が特徴。科学研究の加速が期待される一方、企業向け月額料金は2万ドルに達するとの観測もあります。
Googleはジョージア工科大学およびWDPと共同で「DolphinGemma」の進捗を発表した。Gemma基盤の約4億パラメータの音声モデルで、イルカの鳴き声パターンを予測・解析できる。Pixelスマートフォン上で直接動作し、2025年夏にオープンモデルとして公開予定。
ブルームバーグの報道によると、アップルのティム・クックCEOはMetaより先に真のARグラスを市場投入することに執念を燃やしている。Vision Proは通過点に過ぎず、開発面で最も注力しているという。ただし超小型バッテリーなどの課題から完成にはまだ数年かかる見込みで、先行してAIスマートグラスを出す案も浮上している。
OpenAIはAPI向けに「GPT-4.1」「GPT-4.1 mini」「GPT-4.1 nano」の3モデルを公開しました。100万トークンの長文脈に対応し、SWE-bench Verifiedスコアは54.6%に向上。mini版はGPT-4o比でコストを83%削減しつつレイテンシを半減させています。なおChatGPTには直接提供されず、API限定となります。
OpenAIはGPT-4.1向けの公式プロンプトガイドを公開した。GPT-4oより指示を文字どおり厳密に実行する特性に合わせ、自律的な粘り強さ、ツール呼び出し、事前の計画立案を促すことで、SWE-bench Verifiedのスコアが約20%向上したという。
PerplexityはLM Arenaの新設ベンチマーク「Search Arena」で同社のSonarモデル群が上位を独占したと発表した。最上位のSonar-Reasoning-ProはGoogleのGemini 2.5 Proと並び1位タイを獲得。直接対決でも勝率53%を記録し、競合より2〜3倍多い情報源を引用した。
Netflixは、OpenAIの技術を活用した新たなAI検索・推薦機能のテストを開始した。キーワードだけでなく気分や細かい好みに応じた作品探しが可能になる。現在はオーストラリアとニュージーランドのiOSユーザー向けに試験提供中で、数週間から数か月以内に米国でも展開される見込み。
OpenAIの元従業員12名がイーロン・マスク氏の訴訟を支持する法廷助言書を提出し、同社が計画する営利企業への移行に反対を表明した。非営利組織による統制の放棄は設立時の理念に反し、安全対策の軽視につながると主張している。OpenAI側は非営利部門は存続すると反論した。
DoorDash はロボット企業 Coco と提携し、米ロサンゼルスとシカゴで歩道配送ロボットによるデリバリーを開始した。約 600 店舗が参加している。同社はチキンサンド 2 個を届けるのに 2 トンの車は不要と説明し、マルチモーダル配送の推進を目指す。
OpenAIは木曜日の更新履歴で、4月30日にChatGPTからGPT-4を退役させ、GPT-4oへ完全移行すると発表した。執筆やコーディング、STEM分野の能力でGPT-4oが上回っており、なおAPI経由では4月30日以降もGPT-4を利用できる。
ニューヨーク・タイムズ紙によると、Appleは延期されていた新しいSiri機能を今秋にリリースする計画だという。指示に応じて写真を編集し友人に送信するなどの操作が可能になる見込みで、以前報じられた2026年への大幅延期説と異なり、iOS 19の初期リリースに含まれる可能性がある。
Microsoftは木曜日、Copilot Plus PC向け画面記録・検索機能「Recall」をWindows InsiderのRelease Previewチャネル向けに順次提供開始した。セキュリティ懸念による度重なる延期を経て、スナップショット保存は事前承諾制となり随時一時停止できる。Release Preview入りは一般提供前の最終段階を意味する。
Google DeepMindのデミス・ハサビスCEOはポッドキャスト番組で、Geminiと動画生成モデル「Veo」を将来的に統合する計画を明かした。VeoがYouTube動画から学習した物理法則の理解を組み合わせることで、現実世界で役立つ汎用デジタルアシスタントの実現を目指すという。
ジェームズ・キャメロン監督はポッドキャストで、『DUNE』や『アバター』のような大規模なVFX映画を今後も作り続けるには、AIを活用して制作費を半減させる必要があると語った。人間の仕事を奪うのではなく、制作速度を倍増させるツールとして捉えているという。
CanvaはAIアシスタント「Canva AI」や対話型アプリを作成できる「Canva Code」、データ分析に対応した「Canva Sheets」を発表した。Anthropicと提携したCanva Codeにより、プロンプト入力だけで計算機やマップなどの動的コンポーネントをデザイン内に直接組み込める。
OpenAIは過去の会話履歴を横断して参照し回答を最適化する新記憶機能をChatGPTに導入開始した。テキストや音声、画像生成に対応し、前提を毎回説明する手間が省ける。PlusおよびPro加入者向けに順次展開され、設定からオフにすることも可能だ。
YouTubeはCreator Music内でプロンプトからインストゥルメンタルの伴奏音楽を生成できる新機能の提供を開始しました。「Music Assistant」タブに楽器や雰囲気を入力して作成でき、著作権の心配なく動画で無料利用可能です。現在は米国のYouTubeパートナープログラム参加者が対象となります。
米マイクロソフトが50周年記念イベントを開き、ビル・ゲイツ氏、スティーブ・バルマー氏、サティア・ナデラCEOが10年ぶりにそろって登壇。Copilotの画面認識など新機能を披露しAIの重要性を訴えたが、軍事契約を巡る社内抗議運動により進行が中断する一幕もあった。
HubSpotは「Spring 2025 Spotlight」にて顧客対応や営業開拓を支援する4つの「Breeze」AIエージェントを含む200以上の機能を発表した。CRMデータを基に日常業務を自動化し、初期テストではカスタマーサポートの問い合わせの半数以上を自動解決したという。
xAIはフラッグシップAIモデル「Grok 3」および推論対応の「Grok 3 Mini」のAPI提供を開始した。Grok 3の利用料は入力100万トークンあたり3ドル、出力15ドルでClaude 3.7と同等水準。ただしAPIのコンテキスト長は上限131,072 tokensにとどまる。
Google DeepMindのDemis Hassabis氏はGeminiモデルおよびSDKでMCPプロトコルをサポートすると発表した。MCPがAIエージェント時代のオープン標準になりつつあるとし、今後はMCPチームや業界と連携して開発を進める方針だ。
OpenAIはイーロン・マスク氏を反訴し、不法かつ不公正な妨害行為の差し止めと損害賠償を求めました。同社はマスク氏が虚偽の買収提案などを通じて開発を遅らせ、私利を図ろうとしていると非難。営利法人化を巡る両者の対立がさらに激化しています。
サムスンは家庭用自律ロボット「Ballie」を今夏米国で発売すると発表し、事前登録を開始しました。内蔵プロジェクターを備えるほか、GoogleのGeminiによるマルチモーダル推論を統合し、服装のアドバイスやスマート家電の連携操作が可能です。価格はまだ公表されていません。
AdobeはPhotoshop初のAIエージェント「Action Panel」を発表した。画像を分析して文脈に応じた編集を提案し、自然言語で1000種類以上のアクションを代行実行する。Premiere Proでの粗編集アシスタントやAcrobat向けカスタムエージェントも順次展開する予定だ。
Googleはラスベガスの球体施設Sphere向けに、公開から86年が経つ映画『オズの魔法使』をAIで拡張・高解像度化していると明らかにした。微調整したGemini、Veo 2、Imagen 3を用い、背景拡張や画面外にいた登場人物のデジタル再現を実施。作品の90%以上にAIが使われ、2025年8月28日に公開予定。
WordPress.comがプロンプトを入力するだけでテキストやレイアウト、画像を含めたサイトを丸ごと自動生成する無料の「AIウェブサイトビルダー」を発表した。対話チャットや手動での微調整に対応する一方、現時点ではECサイトや複雑な連携には未対応となっている。
RedditはGoogle Cloudと提携し、Vertex AI上のGeminiを活用した新検索ツール「Reddit Answers」を発表した。スレッドを手動で探すことなく直接質問でき、回答の根拠となった投稿や関連コミュニティの確認、追加のチャット質問も行える。
GoogleはCloud Next 25にて第7世代となる独自AIチップ「Ironwood」を発表しました。推論向けに特化した初のTPUで、前世代Trillium比で電力効率が2倍に向上し、1チップあたり192GBのHBMを搭載。年内にGoogle Cloudで提供予定です。
Anthropicは水曜日、新サブスクリプション「Claude Max」を発表した。月額100ドルでProプランの5倍、月額200ドルで20倍の利用制限枠を提供する。長文や大量のコードファイルを扱い、頻繁に上限に達していたヘビーユーザー待望のプランとなっている。
映画監督のジェームズ・キャメロン氏はポッドキャストで、CGを多用する大作映画を存続させるにはAIで制作コストを半減させる必要があると語った。人員削減ではなく制作速度の倍増を目指すべきとし、著作権規制も学習データの入力制限ではなく最終出力の盗作判断に焦点を当てるべきだと主張した。
Googleは高品質動画生成モデル「Veo 2」をGemini APIで本番提供開始したと発表しました。同時に低遅延で音声や映像をストリーミング処理できる「Live API」のプレビュー版を公開し、思考機能を備えた軽量モデル「Gemini 2.5 Flash」の近日提供も予告しています。
Google CloudはVertex AIにテキスト音楽生成モデル「Lyria」をホワイトリスト限定プレビューとして追加した。動画、画像、音声、音楽の全モダリティを揃えた初の企業向け基盤となる。Veo 2のカメラ制御や補完編集、Chirp 3の10秒音声クローン機能も同時に提供される。
GoogleはWorkspace向けの新AI機能を発表した。自然言語で複数アプリ間の業務フローを自動化する「Workspace Flows」のほか、Docsのポッドキャスト風音声概要作成やVidsへのVeo 2動画生成統合などが順次追加される。一部機能はAlpha版として提供が始まっている。
Googleは異なるベンダーやフレームワークのAIエージェント同士が安全に協調動作できるオープン規格「Agent2Agent(A2A)」を発表した。SalesforceやAtlassianなど50社以上が参画し、AnthropicのMCPを補完する。年内に正式版を提供する予定だ。
OpenAIはプロンプトやモデル出力の評価をコードから自動実行できる「Evals API」を公開した。従来ダッシュボード上で行っていた検証をPythonスクリプトやYAMLで定義でき、CI/CDパイプラインに組み込んで単体テスト感覚で品質を管理できる。
Together AIとAgenticaは、コード推論特化の14Bモデル「DeepCoder-14B-Preview」をオープンソースで公開した。DeepSeek-R1蒸留モデルをRLで強化学習し、LiveCodeBenchで60.6%を記録してOpenAIのo3-miniに匹敵する性能を達成。データセットや学習ログ、高速化ツールも併せて公開された。
Googleは、Gemini Advanced加入者向けにGemini 2.5 Pro Experimentalを使ったDeep Research機能の提供を開始した。推論と要約能力が向上し、生成した調査レポートはポッドキャスト風の音声概要にも変換可能。テストでは競合を2対1以上の大差で上回る評価を得たとしている。
マイクロソフトが発表したリアルタイム生成AIゲームエンジン「WHAMM」による『Quake II』のデモに対し、雇用を奪うとの批判が噴出。これを受け、『Quake』生みの親のジョン・カーマック氏が反論し、AIはかつて手作業の機械語を淘汰した高級言語のような正当な開発ツールだと擁護した。
米Amazon傘下のZooxがロサンゼルスで手動運転による試験車両の走行を開始した。マッピングデータを収集し、今夏に予定する本格的な自動運転テストの準備を進める。同社にとって6番目のテスト都市となるが、先行するWaymoに比べると初期段階にとどまる。
Snapchatは企業向け新広告フォーマット「Sponsored AI Lenses」を発表しました。独自の生成AIを活用し、ユーザーの自撮りをブランド指定のAI生成シーン(最大10種)へ瞬時に合成します。3DやVFX制作の手間を省けるのが特徴で、UberやTinderの先行事例では通常レンズ広告より滞在時間が延びたといいます。
Google Researchは新たなリモートセンシング基盤モデルと研究フレームワーク「Geospatial Reasoning」を発表した。Geminiがエージェントワークフローを統括し、衛星画像や気象・人口データを組み合わせて災害評価などを自然言語で分析可能にする。エアバスなどが先行検証に参加している。
サンフランシスコのDeep Cogitoは、推論特化型モデル「Cogito v1」シリーズをオープンソースで公開した。3Bから70Bまでの5サイズ展開で、即答と自己反省型の長考を切り替えられるハイブリッド推論やネイティブなツール呼び出しに対応する。Hugging Faceなどで商用利用可能。
Nvidiaは2530億パラメータのオープンソースLLM「Llama-3.1-Nemotron-Ultra-253B-v1」を公開しました。8基のH100ノード1台で動作し、コーディングや一般質問応答で6710億パラメータのDeepSeek R1を上回る一方、一部の数学タスクでは後れを取っています。
IBMは次世代メインフレーム「IBM z17」を発表した。新チップ「Telum II」を搭載し、前世代z16比でAI推論処理能力が50%向上、1日4500億回以上の推論を1ミリ秒の応答時間で処理できる。機密データを外部へ移動させずに、基幹システム上で直接リスク分析や生成AIを実行できるのが強みだ。
Amazon は動画生成 AI「Nova Reel」をバージョン 1.1 に刷新し、最大生成時間を従来の 1 分から 2 分へと倍増させました。映像全体でスタイルの一貫性を保つマルチショット機能が追加され、参照画像とプロンプトで最大 20 カットの連続シーンを制御できます。
評価プラットフォームのlmarena.aiはLlama-4に関する2000件以上の対戦ログを公開した。Metaが提供した実験的モデルが人間の好みに過度に適応させたカスタム版であることを明記していなかったと批判し、公平な評価に向けランキング規則を改定すると発表した。
Shopify の CEO トビ・リュトケ氏は先月下旬、社員向けのメモで、新たな人員やリソースを申請する前に「なぜ AI では代替できないのか」の証明をチームに義務付けました。AI の活用は全社員の必須要件となり、人事評価にも組み込まれる方針です。
研究者のXiaolong Wang氏がテスト時訓練(TTT)を動画生成に導入したと発表しました。TTTをRNNの明示的な記憶モジュールとして機能させ、Diffusion Transformerと組み合わせることで、1分間にわたる『トムとジェリー』の連続ストーリーアニメーションの生成に成功。長尺動画の一貫性維持に新たな道を開きました。
Metaの生成AI担当VPであるAhmad Al-Dahle氏は、Llama 4 MaverickとScoutがテストセットを学習してベンチマークを水増ししたとする噂を否定した。性能差への批判に対し、同氏は公開直後で各クラウドの実装調整が追いついていないためだと説明している。
Runwayは動画生成モデル「Gen-4 Turbo」を発表した。10秒の動画をわずか30秒で生成でき、クリエイティブな試行錯誤を高速化する。現在、すべてのプランのユーザー向けに順次提供が開始されている。
ElevenLabsはClaude DesktopやCursorなどと連携できる公式MCPサーバーを公開した。チャットやエディタ画面から直接音声合成、音声クローン、文字起こしを実行できる。ローカル実行不要のホスト版も提供される。
ニューヨーク・タイムズなど米英の主要出版数百社が、テック大手による著作権侵害の阻止を米政府に求める共同広告キャンペーンを開始した。業界団体のNews/Media Allianceが主導し、AI学習データへの正当な対価支払いと帰属表示の義務化を訴えている。
Googleは検索特化の「AI Mode」にマルチモーダル機能を追加し、画像の撮影やアップロードによる質問に対応した。カスタム版GeminiとGoogle Lensを統合し、複数の関連クエリを同時処理して回答を生成する。有料会員限定だった提供範囲を広げ、米国の数百万人のLabsテスター向けに展開が始まっている。
米Microsoftは、スマホのカメラを通じて現実空間をリアルタイム認識・対話できる「Copilot Vision」の提供を開始した。植物の健康診断やインテリアの提案などが可能。現在は米国のCopilot Pro会員向けに、アプリの音声モード内で先行提供されている。
投稿によると、Meta AIのチーム関係者がLlama 4の性能がオープンソース首位に遠く及ばず、経営陣が指標をよく見せるためテストセットを事後学習に混ぜるよう求めたと告発した。告発者は技術論文への署名を拒否して辞任届を出し、AI担当VPも辞職したと主張している。
報道によると、OpenAIは元Apple最高デザイン責任者のジョナサン・アイブ氏が率いるAIハードウェア新興企業io Productsの買収を協議中だ。評価額は5億ドル超の可能性があり、画面を持たない携帯デバイスなどを開発しているという。OpenAI自ら独自端末の開発に乗り出す動きとして注目される。
Anthropicの主任科学者Jared Kaplan氏が、次世代モデル「Claude 4」はおよそ6か月以内に登場すると発言しました。事後学習と強化学習の進化により、AIの開発サイクルはハードウェアの更新速度を上回るペースで加速しています。