Nvidia、GPU上でローカル動作するゲーム用AI「G-Assist」を実験公開
NvidiaはGPU上でローカル動作する実験的AI「G-Assist」を公開した。Nvidiaデスクトップアプリから呼び出し、音声やチャットでPCの稼働状況確認やゲーム最適化、GPUのオーバークロックまで行える。現状対応タイトルは少ないが、周辺機器連携など実用機能も備える。
AIデイリー：今日のAIニュース
火
3月25日 火曜日
Earth AI、豪州の見過ごされた地域で重要鉱床を発見 AIで地質データ解析
豪スタートアップの Earth AI は、同国で数十年放置されていたエリアから銅やコバルトなどの重要鉱床を発見したと発表した。1970 年代からの公的探査データを AI で解析し、自社開発の掘削機で検証。長年停滞していた鉱物探査を加速させる実例として注目される。
Googleが「Gemini 2.5」を発表：思考機能を内包した2.5 ProがLMArenaで首位に
Googleは回答前に思考プロセスを挟む最新モデル「Gemini 2.5」の実験版「2.5 Pro」を公開した。LMArenaで大差をつけて首位に立ったほか、100万トークンの文脈窓に対応し、数学やコーディング評価でも高い性能を示している。Google AI StudioやGemini Advancedで即日利用可能だ。
Perplexity、画像・動画・旅行・ショッピングの回答タブを追加
Perplexity は画像、動画、旅行、ショッピングなどを横断検索できる新しい回答タブの提供を開始した。画面を移動せずに特定カテゴリの情報を整理して取得できる。Web 版で先行提供されており、モバイル版も近日提供予定だ。
Luma AI、動画生成「Ray2」のImg-to-Vid公開 手書きの落書きをアニメ化
Luma AIはDream MachineにおいてRay2を活用した画像・動画生成（Img-to-Vid）機能を公開した。簡単なスケッチや落書きを投入するだけで、描いたキャラクターや線画が生き生きと動き出すアニメーションに変換される。手軽なプロトタイピングの幅が広がりそうだ。
Bambu Lab、レーザー刻印やカッターもこなす多機能3Dプリンター「H2D」発表
Bambu Labは3Dプリントに加えてレーザー刻印、ペンプロッター、カッターとしても使える多機能機「H2D」を発表した。価格は1,899ドルから。モジュール式ヘッドとデュアルノズルを備え、1台で多様な工作に対応する。
Otterが音声対応AIエージェント発表：会議中に声で質問、過去ログから即答
Otterは3種類のAIエージェントを発表した。目玉となる「Meeting Agent」は音声対話に対応し、社内の過去の会議データを参照して会議中に声で質問へ回答できる。現在はZoomで順次展開中で、数週間以内にTeamsやGoogle Meetにも対応予定。
OpenAIがGPT-4oにネイティブ画像生成を導入：文字描画の精度向上
OpenAIはGPT-4oに統合されたネイティブ画像生成機能を発表した。画像内のテキストを正確に描写でき、最大20個のオブジェクト配置や会話を通じた一貫性の維持に対応する。ChatGPTの標準生成機能として提供され、生成には最大1分程度かかる。
Waymo、ワシントンDCで2026年に無人タクシー開始へ 規制緩和が前提
米Waymoは2026年にワシントンDCで自動運転タクシー「Waymo One」を展開する計画を発表した。現行法では車内に人間の運転手を置くことが義務付けられており、無人営業には法改正が必要となる。同社は現在、旧金山などで週20万回の配車実績を誇る。
Reveが画像生成モデル「Reve Image 1.0」公開、文字描画と画質で首位獲得
米スタートアップのReve AIが画像生成モデル「Reve Image 1.0」を公開した。評価機関Artificial AnalysisのImage ArenaでMidjourneyなどを抑え画質1位を記録。画像内の文字描画に強く、自然言語による画像編集にも対応する。現在ウェブ上で無料プレビューが利用可能。
Synthesia、AIアバターのモデル俳優にストックオプション付与へ
AI動画生成のSynthesiaは、同社の公式アバターとして人気を集めた俳優らを対象に、総額100万ドル規模の株式オプションを提供するプログラムを発表しました。最長4年間かけて権利確定します。従来の定額ライセンス料契約から一歩踏み込み、肖像権を提供する実在俳優への新たな還元モデルを目指します。
Apple、「WWDC25」を6月9日からオンライン開催へ 参加は無料
Appleは年次開発者会議「WWDC25」を2025年6月9日〜13日にオンライン開催すると発表した。すべての開発者に無料で公開され、最新のソフトウェアやツールが披露される。初日にはApple Parkでの特別対面イベントも実施される。
Google、創薬特化のオープンモデル群「TxGemma」を公開
Googleは創薬・治療法開発に特化したオープンモデル群「TxGemma」を公開した。Gemma 2をベースに開発され、2B、9B、27Bの3サイズで予測特化版と対話版を提供する。最大サイズの27B予測版は、66の創薬タスク中64項目で先行モデルと同等以上の性能を示している。
月
3月24日 月曜日
DeepSeekが改良版「DeepSeek-V3」を公開、MITライセンスへ移行
DeepSeekは大規模言語モデル「DeepSeek-V3」の改良版を公開し、ライセンスを商用利用しやすいMITライセンスへ変更しました。独自ベンチマークではプログラミング精度が向上しており、4ビット量子化によりMac Studio上で約20トークン/秒の動作も確認されています。
ARC Prizeが新基準「ARC-AGI-2」公開、人間には簡単でもLLMは0点
ARC Prize Foundationが推論・適応能力を測る新ベンチマーク「ARC-AGI-2」と2025年大会を発表した。人間なら2回以内の試行で全員解けた課題に対し、純粋なLLMは正答率0%、公開推論モデルでも一桁台に低迷している。
アリババ、「Qwen2.5-VL-32B-Instruct」を公開：ローカル動作の最適解へ
アリババは視覚言語モデル「Qwen2.5-VL-32B-Instruct」を公開した。強化学習でさらに最適化され、人間の選好への合致や数学的推論が大幅に向上。72Bでは重すぎ、7Bでは物足りないローカル環境向けの有力な選択肢としている。
AppleがiOS 18.4 RC版を配信：優先通知機能や日本語対応を追加
Appleは開発者向けにiOS 18.4とiPadOS 18.4のRC版を配信した。Apple Intelligenceに重要通知をロック画面で目立たせる「優先通知」やImage Playgroundのスケッチ風スタイルが加わり、日本語や簡体字中国語など対応言語も拡充された。正式版は4月初旬に配信予定だ。
Boston Dynamics、新型AtlasにNVIDIAのIsaac GR00TとJetson Thorを採用
先週、Boston DynamicsはNVIDIAとの提携拡大を発表し、新型電動AtlasにIsaac GR00T基盤とJetson Thor計算基盤を導入することを明かした。Isaac Labの物理シミュレーションを活用し、全身運動や複雑なマニピュレーションAIの学習を加速させる。
OpenAIが経営陣の体制を刷新、マーク・チェン氏がChief Research Officerに就任
OpenAIは組織拡大に伴う経営陣の役割変更を発表した。マーク・チェン氏がChief Research Officerに就任して研究と製品開発の統合を主導するほか、COOのブラッド・ライトキャップ氏が事業運営全般へ統括範囲を広げ、ジュリア・ヴィラグラ氏がChief People Officerに就いた。
MidjourneyがNYUと共同研究、LLMの「平凡な文章生成」打破へ
今週、Midjourneyとニューヨーク大学の研究チームが新たな論文を発表した。既存のLLMは無難で似通った文章ばかり書きがちだが、新手法「DDPO」と「DORPO」により、独自性の高い高品質な回答を学習段階で評価。画像生成の巨頭がテキストの創造性拡張に乗り出した。
日
3月23日 日曜日
Apple Watchにカメラ搭載か：2027年までに「ビジュアルインテリジェンス」対応の噂
Bloombergのマーク・ガーマン記者がAppleが今後2年以内にApple Watchへカメラを搭載し、AI機能「ビジュアルインテリジェンス」に対応させる計画だと報じた。通常モデルは画面内、Ultraは側面に配置される見込みで、ウェアラブルが周囲を「見て」情報を提供できるようになる。
土
3月22日 土曜日
アリババが「LHM」を発表：1枚の写真から数秒で動く3Dアバターを生成
アリババの研究チームが3D人体復元モデル「LHM」を発表した。1枚の人物写真からわずか数秒で、3D Gaussian Splattingを用いた動かせる高精度アバターを生成可能。顔や手の下処理を別途行うことなく、高精度なアニメーション制作が行える。
Google、Gemini LiveにAstraの画面・カメラ共有機能を順次提供開始
GoogleはAndroid版Gemini Live向けにProject Astraを活用したリアルタイムカメラおよび画面共有機能の提供を開始した。AIにスマホ画面全体やカメラ映像を見せながら対話できる。Gemini Advanced加入者向けに順次拡大中だ。
金
3月21日 金曜日
米Lyft、今夏アトランタでロボタクシーの運行を開始へ
Lyftは今夏、米アトランタで自動運転タクシーの運行を開始すると発表した。利用者はMay Mobilityの自動運転技術を搭載したトヨタ「シエナ」に乗車できるようになる。同社は2026年にMobileyeの技術を用いてダラスへ拡大し、数千台規模に展開する計画だ。
ボストン・ダイナミクスのアトラス、ブレイクダンスや側転を披露
Boston Dynamicsは人型ロボット「Atlas」が側転やほふく前進、ブレイクダンスの技を決める新映像を公開した。RAIと共同でモーションキャプチャと強化学習を用いて訓練したもの。二足歩行の驚異的な俊敏性を示す一方、高コストな開発競争の中でいかに実用化へ繋げるかが問われている。
PerplexityがTikTok買収を提案、アルゴリズムの再構築とオープンソース化を計画
AI検索スタートアップのPerplexityがTikTokの買収案を公開した。米国内のデータセンターで推薦アルゴリズムをゼロから再構築し、オープンソース化する方針を掲げている。ただしTikTokの事業評価額は最大500億ドル規模とされ、話題作りの側面も指摘されている。
Instagram、Meta AIによるコメント自動生成機能をテスト中
MetaがInstagramで「Write with Meta AI」機能をテストしていることが明らかになった。投稿画像をAIが解析し、3つの返信コメント候補を自動提示する。Metaはアプリ全体の体験向上を掲げるが、友人同士の自然なやり取りが形骸化するとの懸念も上がっている。
ChatGPTが無実の男性を「我が子の殺人犯」と虚偽回答：欧州でOpenAIが提訴される
プライバシー保護団体Noybが、ノルウェー人男性に代わりOpenAIを現地のデータ保護当局に申し立てました。ChatGPTが男性について、実在する家族構成と混同させながら「実子を殺害し服役中」という重大な虚偽情報を生成したためです。NoybはGDPRの個人データ正確性要件に違反しているとして制裁金を求めています。
木
3月20日 木曜日
AIクリエイター向け画像整理ツール「VrefDeck」登場、完全ローカルでプロンプトや設定も管理可能
Alie JulesがAIクリエイターやデザイナー向けのビジュアルリファレンス管理アプリ「VrefDeck」を公開した。ドラッグ＆ドロップで画像を自由に整理でき、カード形式で生成プロンプトやパラメータを記録できる。データはすべて端末内に保存され、29ドルの買い切り型で提供される。
Gmailが検索結果のAI並び替えを導入、時系列から関連度順が標準に
Google は Gmail の検索結果を AI で並び替える新機能を発表した。開封頻度や連絡頻度などを考慮し、「最も関連度が高い」メールを優先表示する。従来の時系列表示に戻す切り替えボタンも用意され、まずは個人向けアカウントの Web とアプリで提供される。
アップル、Siri責任者を交代 Vision Pro開発トップが引き継ぎへ
ブルームバーグの報道によると、米AppleはSiriおよびAI部門トップのジョン・ジャナンドレア氏を交代させ、Vision Pro開発を率いたマイク・ロックウェル氏を後任に据えた。Siriの生成AI機能の投入延期を受け、クックCEOが現状に危機感を募らせた人事とみられる。
Pika、動画内の特定キャラや物体だけを操る新機能を予告
Pika Labs は動画内の特定キャラクターや物体だけを編集・操作できる新ツールのプレビューを公開した。背景など他の要素を崩さず維持できるのが特徴で、現在はクリエイティブパートナー向けに先行アクセスが案内されている。
Bigscreen、小型VRヘッドセット「Beyond 2」発表 107gへ軽量化し視線追跡に対応
米Bigscreenは超小型PC VRヘッドセット「Bigscreen Beyond 2」を発表した。重量を107グラムまで軽量化しつつ視線追跡機能を新搭載。片目2560×2560のmicro-OLEDや116度の視野角、瞳距調整機構を備え、2025年4月より出荷を開始する。
Topaz LabsがGigapixel 8.3をリリース：新モデル「Recover v2」で修復速度が5倍以上に
Topaz Labsは画像高画質化ソフト「Gigapixel 8.3」をリリースしました。目玉は新世代の「Recover v2」モデルで、アーティファクトを大幅に抑えつつ前世代比500%以上の高速化を実現しています。ローカル実行には8GBのVRAMが必要ですが、クラウド処理にも対応します。
Krea、動画モデル「Wan 2.1」のカスタム学習機能を提供開始
Kreaは動画生成モデル「Wan 2.1」をユーザー自身の動画で追加学習できる「Video Training」を発表した。独自のビジュアルスタイルや特定の動作、被写体を学習させることで、AI動画生成の制御性を向上させられる。
ClaudeにWeb検索機能が追加：全プラン・全世界で利用可能に、引用元も明記
AnthropicはClaudeにWeb検索機能を導入し、全プランのユーザー向けにグローバル展開したと発表した。最新情報を取得して回答に引用元を明記できる。別タブで調べる手間が省け、市場データの確認やリサーチ作業を対話画面だけで完結できるのが強みだ。
Anthropic、Claudeの複雑なツール利用を支える「think」ツールを解説
AnthropicはClaudeが多段階のツール実行中に思考を挟める「think」ツールを解説した。応答生成前に熟考する機能とは異なり、ツールの実行結果を逐次検証して方針を確認でき、τ-Bench航空ドメインでの成功率が54%向上した。
Meta AIが欧州で提供開始：WhatsAppなど4大アプリに無料統合
Metaは欧州でMeta AIのチャット機能を今後数週間で順次提供すると発表した。初期段階で欧州6言語に対応し、WhatsApp、Instagram、Facebook、Messenger上で青いアイコンから無料利用できるほか、グループチャット内で「@MetaAI」と呼び出せる。
水
3月19日 水曜日
OpenAI、o1-pro APIを提供開始：出力100万トークン600ドルの超高価格
OpenAI は推論モデル「o1-pro」の API 提供を一部開発者向けに開始した。より多くの計算リソースを投じることで回答品質を引き上げ、画像認識や関数呼び出しにも対応する。一方、料金は入力 100 万トークン 150 ドル、出力 600 ドルと極めて高額だ。
xAIが画像生成APIを提供開始、1枚0.07ドルで展開
xAIは開発者向けAPIに画像生成機能を追加し、モデル「grok-2-image-1212」の提供を始めた。料金は1枚あたり0.07ドルで、1回のリクエストで最大10枚のJPGを生成できる。現時点ではサイズやスタイルの指定はできず、プロンプトが自動で手直しされる仕様となっている。
Razer、ゲーム開発向け「AI QA Copilot」発表：バグ報告書の作成を自動化
Razerはゲームテスター向けの「AI QA Copilot」を発表した。テスターがプレイするだけで、不具合やクラッシュをAIが検知し、スクリーンショットや録画、再現手順をまとめた詳細なバグ報告書を自動生成する。人間の確認は引き続き不可欠だが、手作業の記録作業を大幅に減らし開発の迅速化を促す。
Nvidia、DeepMindやディズニーと提携：ロボット向けオープンソース物理エンジン「Newton」開発へ
NvidiaはGTCにてGoogle DeepMindおよびDisney Researchと提携し、ロボット向けオープンソース物理エンジン「Newton」を開発すると発表した。ディズニーはこれを次世代エンタメ用ロボットに導入し、スター・ウォーズ風のBDXドロイドなどの表現力向上に役立てる。
CloudflareがAI Labyrinthを発表：AI迷宮で悪質クローラーを翻弄
Cloudflareは規則を無視するAIクローラーに対抗する「AI Labyrinth」を発表した。アクセスを遮断する代わりに、AI生成のリアルなダミーページ群へ誘導して計算リソースを浪費させ、特徴を特定する。無料プランを含む全顧客が管理画面からワンクリックで有効化できる。
テスラがカリフォルニアで配車免許を取得、自動運転は含まず人間が運転
カリフォルニア州公益事業委員会はテスラに対し、配車サービス運営に必要な認可を付与しました。ただし自動運転は認められておらず、人間の従業員が運転する形となります。まずは従業員向けの送迎から開始し、UberやLyftへの対抗を視野に一般向けへの展開を目指します。
Perplexity、Sonarモデルを刷新：3段階の検索モード追加、引用トークンは無料化
PerplexityはSonarシリーズの刷新を発表し、用途とコストに応じて選べる高・中・低の3つの検索モードを導入しました。さらに回答内の引用トークンの課金を廃止。ベンチマークでは検索機能付きGPT-4oを上回る精度をより低価格で実現したとしています。
NVIDIAとxAI、BlackRockとMicrosoft主導の300億ドル規模AIインフラ連合に参画
水曜日、NVIDIAとElon Musk氏率いるxAIが、MicrosoftやBlackRock、MGXらが主導する「AIインフラ・パートナーシップ（AIP）」への正式参画を発表した。米国などを中心に300億ドル規模の資金を投じ、データセンターと電力網の整備を進める方針だ。
『アバター』のVFX開拓者Robert Legato氏、Stability AIに参画
『アバター』などの映画で知られるVFX界の先駆者Robert Legato氏がStability AIにチーフパイプラインアーキテクトとして参画した。取締役のジェームズ・キャメロン氏と再び組み、生成AI技術と映画制作パイプラインの統合を推進する。
Google「NotebookLM」に対話型マインドマップ機能が登場
GoogleのAIノート「NotebookLM」に対話型マインドマップの展開が始まった。テキストや画像にとどまらず、ノート内容を動かして学べるツールへと進化させる試みだ。ユーザーごとに最適化された対話的な学習体験の実現を目指している。
火
3月18日 火曜日
OpenAI、APIでPDFの直接入力に対応 gpt-4oやo1で利用可能に
OpenAI は Responses API および Chat Completions API で PDF ファイルの直接入力に対応したと発表した。事前パースなしで、o1 や gpt-4o、gpt-4o-mini に文書を直接読み込ませてテキストを生成できる。
水
3月12日 水曜日
AIエージェント「Manus」の波に乗り「Browser Use」が急拡大、日次DLは2.8万件に
TechCrunch 報道によると、話題の AI エージェント「Manus」に採用されたことで、オープンソースツール「Browser Use」のダウンロード数が急増した。1 日あたりのダウンロード数は 3 月 3 日の約 5,000 件から 3 月 10 日には 28,000 件へと 5 倍以上に跳ね上がっている。
Meta、AI著作権訴訟で「ボブ・ディラン弁護」と作家側に揶揄される
作家らは月曜日、MetaがAI訓練用に海賊版書籍データをトレントで一括ダウンロードし、P2Pネットワーク上で他者へ再配布していたとして米連邦地裁に略式判決を求めた。「少し盗めば投獄、大量に盗めば王」という歌詞を引き、Metaの姿勢を強く批判している。5月1日に審理予定。
Captions、UGC風動画広告を生成する「Mirage」公開 実在しないアバターで制作
CaptionsはUGC（ユーザー生成コンテンツ）スタイルの動画広告に特化したAIモデル「Mirage」を公開した。台本や音声を入力するだけで、身振りや微表情を備えた架空のアバター動画を生成でき、外見や背景、感情も指定できる。実写撮影なしで広告の大量制作が可能になる。
Google、「Gemini 2.0 Flash」のネイティブ画像生成を開発者に開放
Googleは、Gemini 2.0 Flashのネイティブ画像生成機能を開発者向けに提供開始した。外部ツールを挟まず直接画像を生成可能で、対話形式での継続的な編集やキャラクターの一貫性保持、画像内テキスト描写に対応する。Google AI StudioおよびGemini APIからテストできる。
Snap、自社製動画生成AIモデルを搭載した「AI Video Lenses」を提供開始
Snapは自社開発の動画生成AIモデルを組み込んだ新しい「AI Video Lenses」を発表した。動物と寄り添うシーンやズームアウト演出を生成できる。月額15.99ドルの有料プラン「Snapchat Platinum」向けに提供され、毎週新作が追加される予定だ。
Googleがオープンモデル「Gemma 3」公開、画像認識と128K文脈に対応
Googleはオープンウェイトモデルの最新版「Gemma 3」を公開した。1Bから27Bまでの4サイズを展開し、4B以上は画像とテキストの両方を扱えるマルチモーダルに対応。文脈長は最大128kトークンに拡張され、27B版はGemini 1.5 Proを上回る性能を示している。
Rivianが高速での手放し運転に対応、北米13.5万マイルで利用可能に
Rivianは火曜日、第2世代車両向けアップデートでEnhanced Highway Assistを配信した。米国とカナダの135,000マイルの高速道路で手放し運転が可能で、バックミラーの赤外線カメラが視線を監視する。2026年には一般道への拡大も目指す。
Freepik、Google Veo 2統合で画像からの動画生成に対応
FreepikはAIクリエイティブ環境「Freepik AI Suite」にGoogleの動画生成AI「Veo 2」を統合した。画像生成やレタッチツールで仕上げた静止画から、そのまま高画質な動画へ変換できる。ワークフローが一元化されるのが魅力だが、利用はPremium有料会員限定となる。
Google DeepMindがロボット向けGeminiを発表：折り紙もこなす器用さ
Google DeepMindはGemini 2.0ベースのロボット向けモデル「Gemini Robotics」と「Gemini Robotics-ER」を発表した。物理動作を直接制御でき、折り紙などの精密作業にも対応。Apptronikと提携し、人型ロボット「Apollo」への搭載も進める。
Nous Researchが推論APIを公開、Hermes 3などをクラウド提供
Nous ResearchはHermes 3 70Bと推論特化型DeepHermes-3 8Bを呼び出せる公式推論APIを公開した。OpenAI互換の形式を採用しており自前インフラなしで導入できる。現在は順番待ちリスト制で、新規登録者には5ドル分の無料枠が付与される。
Nianticがゲーム事業を38.5億ドル規模で売却、空間AI専業へ
Nianticは『Pokémon GO』などの主要ゲーム事業と開発チームを、Scopelyへ約38.5億ドル規模で売却することで合意したと発表した。同社はゲームの運営から離れ、空間コンピューティングとAI技術に特化したNiantic Spatialとして新たな道へ進む。
Sakana AI、完全AI生成の論文が国際会議「ICLR」ワークショップの査読を通過
Sakana AIは改良版「The AI Scientist-v2」が執筆した論文がトップAIカンファレンスICLRのワークショップで査読を通過したと発表した。人間と同じ審査基準をクリアした完全AI生成論文は初とみられる。実験は学会側の協力のもと実施され、モデルの詳細は近日公開予定。
火
3月11日 火曜日
マイクロソフト、GUIを自動操作するCUAとResponses APIをAzureで提供
マイクロソフトはAzure AI FoundryでResponses APIとComputer-Using Agent（CUA）を発表しました。CUAは画面UIを認識し、自然言語の指示でアプリ操作や入力を代行します。単一API呼び出しでツール連携が可能ですが、慎重な操作には人間の確認が推奨されます。
OpenAIが創作に特化した新モデルを開発、アルトマン氏「初めて心を揺さぶられた」
OpenAIのサム・アルトマンCEOは、クリエイティブライティングに長けた新モデルをトレーニングしたとXで明かした。AIと悲しみをテーマにしたメタフィクションの短編を披露し、AIの文章に初めて深く胸を打たれたと称賛している。提供時期や提供方法は未定だという。
リーガルAIのHarvey、弁護士を凌ぐ分析力を備えたエージェント機能を発表
リーガル AI プラットフォームの Harvey は新機能「Assistant workflows」を発表した。法務や訴訟などのタスクで AI が自律的に手順を計画し、思考過程を開示しながら対話形式で業務を進める。裁判記録の分析テストでは弁護士を上回る評価を獲得しており、3 月末に一般提供を開始する予定だ。
Nvidia GTC 2025の視聴方法：ジェンスン・フアンCEOの基調講演を見るには
TechCrunchはNvidia GTC 2025の視聴案内を公開した。ジェンスン・フアンCEOの基调講演は火曜午前10時（PT）に配信され、登録不要で公式サイトやYouTubeから視聴できる。Blackwell Ultraや次世代Rubinアーキテクチャの発表が期待される。
Perplexity、公式Windowsアプリを公開 音声入力やショートカットに対応
PerplexityはPC向けの公式Windowsデスクトップアプリを公開した。音声入力やキーボードショートカットに対応し、最新モデルをデスクトップ上から素早く呼び出せるようにした。
Reka、21B推論モデル「Flash 3」をオープンソース公開：企業向け基盤Nexusに採用
AIスタートアップのRekaは、スクラッチから学習させた21Bパラメータの推論モデル「Reka Flash 3」のオープンソース化を発表しました。高い推論性能を備え、同日発表された企業向けインテリジェンス基盤「Nexus」のエンジンとしても機能します。
音声AIのCartesiaが約6400万ドル調達、新モデル「Sonic 2.0」を公開
リアルタイム音声AIを手がけるCartesiaは、Kleiner Perkins主導のシリーズAラウンドで6400万ドルを調達したと発表した。資金はチーム拡大や次世代インフラ開発に充てられ、あわせて最新音声モデル「Sonic 2.0」の提供も開始した。
Lumaが新手法「IMM」を発表：拡散モデル超えの画質と10倍以上のサンプリング効率を実現
Luma AIは新たな生成事前学習技術「IMM」を発表しコードを公開した。拡散モデルの限界を克服するため推論視点から再設計され、サンプリングステップ数を最大30分の1に削減しながら拡散モデルやFlow Matchingを上回る生成品質を達成している。
汎用AIエージェントの中国Manus、アリババのQwenチームと戦略提携
中国のAIスタートアップManusは、アリババのQwen（通義千問）チームとの戦略提携を発表した。Qwenのオープンソースモデルを基盤にエージェント機能と計算基盤を統合する。先週の公開後にトラフィック急増でサーバー障害が続いた同社にとって、インフラ強化と展開拡大を狙う動きとなる。
Adobe Stockに新AI機能「Customize」 Photoshopを開かずに素材を直接編集
Adobeは素材サービス「Adobe Stock」にFirefly活用の新機能「Customize」を追加した。Photoshopなどの外部ソフトを開かずに、ブラウザ上で画像の拡張やスタイル適用、縦横比の変更が行える。有料プラン会員向けに提供され、利用には生成クレジットを消費する。
Anthropic CEOが予測：AIが1年以内にほぼすべてのコードを書く
報道によると、AnthropicのDario Amodei CEOは、AIが3〜6か月以内にコードの90%を書き、1年以内にはほぼ全コードを生成する可能性があると述べた。エンジニアの仕事は手動コーディングから監査へと激変しそうだ。
OpenAIがエージェント構築ツールを発表、新Responses APIで操作や検索を統合
OpenAIはエージェント開発向けの新ツール群を発表した。Chat CompletionsとAssistants APIの利点を統合したResponses APIを中心に、ウェブ検索、ファイル検索、コンピューター操作ツールやAgents SDKを提供する。従来のAssistants APIは2026年半ばに廃止予定となっている。
アップル、カメラ内蔵AirPodsを開発中か AIで周囲を認識、2027年登場の噂
Bloombergのマーク・ガーマン氏によると、アップルは超小型カメラを内蔵した次世代AirPodsを開発中。イヤホンにAIとSiriを組み合わせ、メガネをかけずに周囲の環境をリアルタイム認識する狙いで、AirPods Pro 4として2027年頃の投入が見込まれている。
米判事、MetaのAI著作権訴訟の継続を容認 著作権情報削除の主張認める
米連邦判事は、サラ・シルヴァーマン氏ら作家陣がMetaを訴えたAI著作権訴訟の継続を認めた。Metaの却下申し立てを退け、Llamaの学習隠蔽を目的に書籍の著作権情報を意図的に削除したとする作家側の主張を支持した形だ。コンピュータ詐欺関連の訴えは退けられた。
Meta、初の自社製AI学習チップをテスト中 NVIDIA依存脱却狙う
ロイターの報道によると、Meta は自社開発の AI 学習用アクセラレータチップ「MTIA」の小規模テストを開始した。テープアウトを完了し、汎用 GPU より高い電力効率を目指す。巨額のインフラ費用と NVIDIA への依存を抑える狙いで、順調なら 2026 年の本格稼働を目指す。
月
3月10日 月曜日
OpenAI、CoreWeaveと約119億ドルの5年契約を締結 AIデータセンターを確保
関係者によると、OpenAIはCoreWeaveとAIデータセンター技術およびサービスに関する5年間で119億ドル規模の契約を締结した。契約の一環として、OpenAIは近く予定されているCoreWeaveのIPOに関連した約3億5000万ドル相当の株式も取得する。
ElevenLabsが音声文字起こしを45%値下げ：Scribeが4月9日まで無料
ElevenLabsは音声文字起こしモデル「Scribe」の大規模利用時の料金を45%値下げし、4月9日までWeb UI経由で無料提供すると発表した。99言語に対応する。高精度な多言語文字起こしの導入コストが大きく下がりそうだ。
GmailにGemini搭載の「カレンダーに追加」ボタンが登場 メールからワンクリックで予定作成
GoogleはWeb版GmailにGeminiがメール内の予定を自動検出してGoogleカレンダーへ登録できるボタンを追加した。サイドパネルで確認してワンクリックで予定を作成できる。手動入力の手間が省けるが、現在は英語のみの対応で、Workspaceなどの有料プラン契約者向けに提供される。
Tencentが混元TurboSを発表：Mambaハイブリッドで推論コストを7分の1に
Tencent HunyuanはTransformerとMambaを組み合わせた超大規模MoEモデル「Hunyuan-TurboS」を発表した。Mambaで長文処理を効率化し、数学や推論でGPT-4oやDeepSeek-V3を上回ると主張。推論コストは従来モデルの7分の1に削減された。
拡散言語モデルに「自己修正能力」を持たせる新手法「GIDD」が登場
研究チームが離散拡散モデルを拡張する新フレームワーク「GIDD」を発表した。マスクノイズと一様ノイズを組み合わせることで、従来の自己回帰型モデルやマスク拡散では難しかった「生成済みトークンの自己修正」を実現している。コードも公開された。
Apple、iOS 19やmacOS 16で大規模刷新へ：visionOS風UIに統一か
報道によると、AppleはiOS 19、iPadOS 19、macOS 16のUIを刷新する大規模改修を準備中です。半透明パネルや3D効果などvisionOSの要素を取り入れ、操作感の統一を目指します。iOS 7以来の大規模な見た目の刷新とされ、6月のWWDCで披露される見込みです。
土
3月8日 土曜日
米連邦判事、Metaに対する作家陣のAI著作権訴訟の継続を容認
金曜日の判断で、米連邦地裁の判事はMetaによるAI著作権訴訟の棄却申し立てを退け、作家陣による訴訟の継続を認めた。作家側はLlamaの訓練に無断で書籍が使われ、著作権管理情報が削除されたと主張している。州法に基づく一部の請求は却下されたものの、法廷闘争は続く。
金
3月7日 金曜日
米国のAI関連法案、2025年は開始66日で781件に急増
調査企業MultiStateの集計によると、2025年に入りわずか66日間で米国のAI関連法案が781件に達し、2024年通年の743件を上回った。連邦レベルでの包括的なAI規制枠組みが停滞する中、各州議会が独自に規制法案の提出を加速させている。
GoogleカレンダーにGeminiサイドパネル追加：会話で予定確認や作成が可能に
GoogleはGoogleカレンダーにGeminiサイドパネルを追加し、Workspace Labs向けにテストを開始した。自然言語で次の会議予定を確認したり、繰り返しイベントを作成したりできる。日程調整の手間を省く狙いだが、現在は早期テスター向けに限定提供されている。
HighlightがMCP対応ユニバーサルAIを発表：全アプリでCursor風操作を実現
HighlightのPim de Witte氏がMCPサーバー向けインターフェースを発表。画面の文脈を認識して任意サービスを呼び出し、Tabキーで書き込みを行える。コンピューター上の全アプリでCursorのような操作性を目指す。
X、リプライで「grok」と打つだけでAIに質問可能に Grok-2連携
xAIはXの投稿リプライ欄に「grok」と入力するだけでGrokに直接質問できる機能を提供開始したと明かした。「Grok-2」および「Grok-2 mini」の展開の一環。アプリを切り替えることなく、スレッド内で直接AIに解説や質問を求められる。
Metaの次期「Llama 4」、音声機能を大幅強化か 会話の割り込みに対応
米メディアなどの報道によると、Metaは数週間以内に公開予定の「Llama 4」で音声機能を大幅に強化する方針だ。発話中の割り込みやネイティブな音声処理に対応するオムニモデルになるという。競合するDeepSeekの台頭を受け、Metaは開発スピードを急加速させている。
マイクロソフトのAI責任者、OpenAI依存からの脱却を模索
The Informationによると、マイクロソフトのAI部門責任者ムスタファ・スレイマン氏がOpenAIへの依存低減を試みている。Copilotへの自社製「Phi-4」導入などで高額な運用コスト削減を狙うが、深い技術的依存と提携契約の壁により進捗は緩慢だ。
ElevenLabsがGoogle Cloudと提携、企業向け音声AIをMarketplaceで提供開始
ElevenLabsはGoogle Cloudとの提携を発表し、音声AIモデルをGoogle Cloud Marketplaceで提供開始した。Gemini 2.0 Flashと連携させ、低遅延な対話型エージェントや多言語吹き替えを企業のクラウド環境へ迅速に導入できる。
xAI、メンフィスで約9万平米の用地を取得：Colossus超スパコンをさらに拡張へ
グレーター・メンフィス商工会議所の発表によると、xAIは米テネシー州メンフィス南西部にある100万平方フィート（約9.3万平方メートル）の不動産を取得しました。巨大AIスーパーコンピューター「Colossus」の拡張を支える拠点で、現地では巨大なTesla Megapack蓄電施設や専用の水再生施設も併設し、インフラ負荷を抑えながら計算資源を増強します。
GoogleがGemini新埋め込みモデル提供開始、MTEBで首位獲得
GoogleはGemini API向けに実験的テキスト埋め込みモデル「gemini-embedding-exp-03-07」を公開した。Gemini自身を用いて学習され、MTEB多言語ベンチマークで2位に5.81点差をつけて首位を獲得。既存のembed_contentエンドポイントから即座に試用できる。
Apple、個人コンテキストを理解する賢いSiriの提供を延期
Appleの広報担当者は、個人の文脈理解やアプリ横断アクションに対応した次世代Siriの提供延期を明らかにしました。リリースは「今後1年以内」を見込むとしています。メールを読み解きタスクをこなす端側AIの実装難度は高く、iOS 19待ちとなる見立てです。
米軍、核指揮系統へのAI導入を検討：通信最適化を支援も発射判断は人間が維持
米空軍と宇宙軍の高官が、核指揮統制通信（NC3）システムに AI を導入する構想を語った。データの高速処理や最も安全な伝送ルートの選定に AI を活用する方針だが、核兵器の使用判断は絶対に機械に委ねず、大統領が最終決定を下す原則を強調している。
