米Google創業者のラリー・ペイジ氏、製造業向けAI新興「Dynatomics」を立ち上げか
米The Informationの報道によると、Google共同創業者ラリー・ペイジ氏がAIで製品製造を効率化する新企業「Dynatomics」を立ち上げているという。AIが高度に最適化された設計図を生成して工場で生産する仕組みを目指し、元KittyhawkのCTOが開発を主導している模様だ。
AIデイリー：今日のAIニュース
木
3月6日 木曜日
AIデータラベリングの米Scale AI、労働基準法違反の疑いで米労働省が調査
TechCrunchの報道によると、米労働省はデータラベリング大手Scale AIに対し、公正労働基準法違反の疑いで調査を進めている。2024年8月から続くこの調査では、作業者を従業員ではなく独立請負業者として誤分類し、残業代などの支払いを逃れていないかが焦点。Scale AI側は適法性を主張している。
米JHUが新型義手を開発：触覚センサー搭載で極薄コップも潰さず把持
ジョンズ・ホプキンス大学の研究チームが、高剛性骨格と柔軟なシリコン関節を融合した生体模倣義手を開発した。指先に3層の触覚センサーを内蔵し、日常物品を99.69%の精度で識別可能。水入りプラスチックカップも潰さず把持できるが、現在は外部コンプレッサーが必要となる。
macOS版「ChatGPT」、IDE内のコードを直接編集可能に
OpenAIはmacOS向けChatGPTアプリで開発用IDE内のコードを直接編集できる新機能を公開した。Plus、Pro、Teamユーザー向けに即日提供され、無料版やEnterpriseにも順次拡大予定。コピペの手間が省ける一方、複数ファイルの誤編集には注意が必要だ。
Tavus、対話型動画向けAIモデル3種を公開 表情・視覚・対話の「間」を改善
Tavusは対話型動画向けの新AIモデル「Phoenix-3」「Raven-0」「Sparrow-0」を発表し、APIを公開した。微表情の再現、リアルタイムの視覚認識、会話ターンの正確な制御を組み合わせ、より自然で滑らかなアバター対話を実現する。
Hedraが全モーダル動画モデル「Character-3」とStudioを発表
Hedraは画像・テキスト・音声を同時処理するAIモデル「Character-3」と制作基盤「Hedra Studio」を発表した。音声に合わせた口の動きや表情を一括で同期生成でき、複数のツールを行き来する手間を解消している。
Mistral AIが「Mistral OCR」公開：1000ページ1ドルで図表も高精度抽出
Mistral AIは高度な文書認識API「Mistral OCR」を発表した。数式や表、画像が混在するPDFを高精度に解析し、1分間に最大2000ページを処理できる。価格は1000ページあたり1ドルで、Le Chatの標準機能にも採用された。
a16zが生成AIアプリTop100を発表、ChatGPTは週活4億人突破
ベンチャーキャピタルのa16zがコンシューマー向け生成AIアプリTop100の第4弾を発表した。ChatGPTはGPT-4oやo1などの投入により、2月中旬に週間アクティブユーザーが4億人を突破。1月に登場したDeepSeekもわずか10日で世界2位に急浮上するなど、勢力図の激変が浮き彫りとなった。
Krea AI、Pika Labsの動画新機能を導入：領域編集やフレーム補間に対応
Krea AIはPika Labsの新しい動画生成機能を導入したと発表した。動画内の特定エリアの修正やAI要素の追加、フレーム補間、画像合成などが可能になり、動画の微調整の幅が大きく広がった。
Convergenceが「Template Hub」公開、数百種のエージェントワークフローがワンクリックで動作
Convergenceはコミュニティ作成の自律型ワークフローを集約した「Template Hub」を公開した。数百種類のテンプレートが用意されており、クリックするだけで同社のAIエージェント「Proxy」が作業を代行する。作成したテンプレートの共有や実行回数の追跡にも対応している。
マクドナルドが世界4.3万店にAI導入：アイスクリーム機の故障も事前検知
McDonald'sは世界4万3000の全店舗でAIとエッジコンピューティングを活用した大規模刷新を進めている。Google Cloudと連携し、厨房機器にセンサーを設置して故障を事前検知。頻繁に壊れるフルーリー機器の安定稼働と店舗スタッフの負担軽減を狙う。
DuckDuckGoのプライベートAIが正式版に：ログイン不要で利用可能、完全オフにも対応
DuckDuckGo は AI チャット「Duck.ai」のベータを終了し、検索の AI 要約を拡充した。アカウント登録不要かつ完全匿名で GPT-4o mini や Claude 3 Haiku などを無料で利用でき、会話履歴は端末内のみに保存される。AI 機能が不要なら設定から完全にオフにすることも可能だ。
Tencent混元、画像から動画を生成する13Bモデルをオープンソース公開
Tencent混元は画像生成動画モデル「HunyuanVideo-I2V」の重みとLoRA学習コードをオープンソース公開した。130億パラメータを備え、画像1枚から音効付きの5秒間2K動画を生成でき、リップシンクや動作駆動にも対応する。GitHubなどで入手できるほか、Web上でも体験可能。
Google、医療AI「AMIE」を長期的な疾患管理へ拡張 模擬診療で医師に匹敵
Googleは対話型医療AI「AMIE」の能力を診断から長期的な疾患管理へと拡張したと発表した。2つのエージェントが連携してガイドラインや複数回の診察履歴をふまえた治療計画を作成し、模擬試験では一般開業医と同等以上の推論精度を示した。ただし現在は模擬環境での検証段階にとどまる。
Anthropicがコンソール刷新、プロンプトのチーム共有や思考量調整に対応
AnthropicはAnthropic Consoleの大幅刷新を発表した。チーム内でプロンプトを直接共有・共同編集できるライブラリ機能が追加されたほか、最新モデル「Claude 3.7 Sonnet」に対応し、思考トークン数の上限調整や本番用コードの即時出力が可能になった。
中国発自律型エージェント「Manus」が話題沸騰、実測では不具合も続出
先週プレビュー公開された中国発の自律型AIエージェント「Manus」が大きな注目を集め、招待コードが高額転売される事態となっている。GAIAベンチマークでOpenAI超えを謳い、ClaudeやQwenを組み合わせて動作するが、実利用では予約や発注タスクで無限ループやエラーが多発している。
水
3月5日 水曜日
Prime Video、映画やドラマでAI吹き替えのテスト運用を開始
Amazon傘下のPrime Videoは一部のライセンス作品向けにAIを活用した吹き替えテストを開始した。まずはこれまで吹き替えがなかった12作品を対象に英語と中南米スペイン語を提供し、プロの監修を組み合わせて品質を担保する。
Qwenが推論モデル「QwQ-32B」公開、DeepSeek-R1に匹敵
Qwenは320億パラメータの新推論モデル「QwQ-32B」を公開した。強化学習のスケーリングにより数学とコーディング性能を大幅に向上させ、中規模モデルでありながら巨大なMoEモデルに対抗できる実力を示した。
Perplexity、macOSアプリに「音声モード」を追加
PerplexityはmacOS向けアプリに音声モードを導入した。ショートカットキー「⌘ + ⇧ + M」を押すだけで音声検索や質問が可能になる。Mac App Storeから最新版をダウンロードまたはアップデートして利用できる。
OpenAI、最大モデル「GPT-4.5」をPlus会員向けに順次提供開始
OpenAIはChatGPT Plus加入者向けに最新かつ最大規模のモデル「GPT-4.5」の展開を開始した。日常会話や知識の深さ、幻覚の低減に優れる一方、Altman氏は複雑な推論に特化したモデルではないと説明している。API出力価格はGPT-4oの15倍に設定されている。
D-IDがマイクロソフトと提携、Azure上で対話型AIアバターを提供へ
D-ID はマイクロソフトとの提携を発表し、リアルタイム AI アバター技術を Microsoft Azure に導入した。開発者は Teams などのアプリ向けに対話型デジタルヒューマンを構築でき、リアルタイムの多言語リップシンクや手話通訳などの支援機能も利用できる。
Google検索に新実験「AI Mode」登場、Gemini 2.0で複雑な質問に対応
Googleは米国の「AI Overviews」にGemini 2.0を導入し、プログラミングや数学の回答精度を高めたと発表した。未ログインや未成年でも利用可能に。あわせて複数回の追加質問に対応するLabs実験機能「AI Mode」も公開。まずはGoogle One AI Premium会員向けに提供を開始する。
iOS 18.4ベータ、App StoreにAIによるレビュー要約機能を導入
Appleが「iOS 18.4 beta 2」で、App StoreのレビューをAIで要約表示する機能を導入した。ユーザーの主な意見をまとめてレビュー欄の上に表示し、週1回以上更新される。現在は米国の英語アプリ向けに提供されており、年内に対応地域を広げる予定だ。
LTX Studio、オープンソース動画モデル「LTXV 0.9.5」公開：商用利用とComfyUIに対応
LTX StudioはオープンソースのAI動画生成モデル「LTXV 0.9.5」を公開した。新たに商用ライセンスに対応し、キーフレーム制御や解像度の向上、アーティファクトの低減を実現。さらにComfyUIをネイティブサポートし、ローカル環境の制作パイプラインに直接組み込めるようになった。
広告大手WPPがStability AIに出資、画像・動画モデルを自社基盤「WPP Open」に統合
Stability AIは世界的広告大手WPPからの戦略的出資と提携を発表した。WPPはStability AIの画像、動画、3D、音声モデルを自社のAI基盤「WPP Open」に直接組み込み、広告制作や検証に活用する。経営体制刷新後の同社にとって、法人向け展開を加速させる重要な一歩となる。
OpenAIが博士レベルAIエージェントに月額最大2万ドルの課金を計画か
報道によると、OpenAIはビジネス業務から博士レベルの研究支援まで対応する専門AIエージェントの提供を計画している。月額料金は2,000ドルから20,000ドルの3段階で、ソフトバンクがすでに30億ドルを拠出したとされる。高度な自動化に企業が役員並みの費用を払うか試す動きだ。
強化学習の先駆者がチューリング賞を受賞、AIの性急な商用化に警鐘
強化学習の基盤を築きチューリング賞を受賞したアンドリュー・バルト氏とリチャード・サットン氏が、AIの安全性に警鐘を鳴らしました。両氏は、企業が利益を優先して十分なテストや安全策を欠いたまま製品を公開している現状を、橋を作ってそのまま人を渡らせて耐久テストをするようなものだと批判しています。
Google、ショッピング機能に生成AI導入 言葉から服を生成して似た商品を検索可能に
米Googleは「Googleショッピング」に複数のAI新機能を導入した。頭の中の服のイメージを文章で入力すると、画像生成AIが可視化して実在する似た服を探す「vision match」を米国のモバイル向けに提供開始。Geminiを活用したフルメイクのAR試着や、ボトムスのバーチャル試着も順次展開する。
CodeiumがWindsurf Wave 4を公開：プレビューのエラー取得やTabでのインポート補完に対応
CodeiumはAIエディタ「Windsurf」の大型アップデート「Wave 4」を公開した。Web画面の要素クリックやコンソールエラーを直接Cascadeに渡せるPreviews機能を追加。Tabキーでのimport文自動挿入やLinter自動修正にも対応し、開発の摩擦を大きく減らしている。
Apple、M4搭載MacBook Airを発表：16GB標準で999ドルからに値下げ
AppleはM4チップを搭載した新型MacBook Airを発表した。価格は従来より100ドル安い999ドルからで、メモリは16GBが標準となる。Neural Engineの強化によりAIタスクはM1比で最大3倍高速化し、Apple Intelligenceを快適に処理できる。3月12日発売予定。
Appleが新Mac Studioを発表：最大512GBメモリで6000億LLMをローカル実行
AppleはM4 MaxおよびM3 Ultraを搭載した新型Mac Studioを発表した。最大512GBのユニファイドメモリとThunderbolt 5に対応。GPUと広帯域メモリを活かし、6000億パラメータ超のLLMを完全にローカルメモリ上で実行できるモンスターマシンとなった。
UberとWaymo、テスラのお膝元オースティンで無人タクシーを始動
UberとWaymoはテスラ本社があるテキサス州オースティンで自動運転タクシーの運行を開始した。通常のUber配車時に追加料金なしでジャガー製無人EVが配車される仕組みで、乗客は乗車の可否を設定できる。テスラに先んじて現地での商用化を進める構えだ。
「Minecraft」Jenny Modを解説：成人向け仮想コンパニオンModの機能と導入法
TechBullionがMinecraft Java版向けの成人向けMod「Jenny Mod」の概要を解説した。特有のスキルやAIによる対話応答を備えた仮想コンパニオンJennyを追加できる。成人プレイヤー向けの単人プレイ専用で、導入にはForgeまたはFabricが必要となる。
xAI、Grokアプリで音声モードを全iOSユーザーに無料開放
xAIはGrokのiOSアプリで音声モード（Voice Mode）を全ユーザー向けに無料開放した。有料サブスクリプションなしでリアルタイムの音声対話が可能になり、モバイル環境での利用ハードルが大きく下がった形だ。
米連邦地裁、OpenAIの営利化差し止めを求めるマスク氏の訴えを却下
米カリフォルニア州の連邦地裁は火曜日、OpenAIの営利企業への移行差し止めを求めたイーロン・マスク氏の仮処分申請を却下した。立証要件を満たしていないとの判断によるもので、OpenAIの組織改編は継続可能となる一方、契約違反などを巡る本訴訟は引き続き進められる。
火
3月4日 火曜日
LA Times、記事の偏向をAIで分析する機能を導入 別視点の自動付与に反発も
Yesterday morning、Los Angeles Times のオーナーである Patrick Soon-Shiong 氏が、主観的な記事に AI で「Voices」ラベルを付け、異なる視点を示す「Insights」を末尾に自動生成する試みを発表した。しかし編集者の事前チェックがないため、組合からの懸念や不自然な生成結果が早くも物議を醸している。
Google、メッセージアプリに詐欺検出AIを追加：端末内でリアルタイム検知
Google は「Google メッセージ」に端末側で動作する AI 詐欺検出機能を導入したと発表した。最初は普通を装い会話の途中で騙そうとする手口を SMS や RCS からリアルタイムで検知して警告する。全処理が端末内で完結し、まずは米英加の英語ユーザー向けに順次展開される。
マイクロソフト、Windows向けCopilotを刷新 ネイティブ版でUI改善
MicrosoftはWindows Insider向けにネイティブ仕様の新しいCopilotアプリの配信を開始した。Webアプリ化から約1年を経てmacOS版に似たUIとサイドバーを採用し、音声入力や履歴管理に対応。数週間以内に全Windows 11端末へ展開予定だ。
独ドイツ・テレコム、ElevenLabsと提携 「Magenta AI」で記事を数秒でポッドキャスト化
独Deutsche Telekomは音声AI企業のElevenLabsとの戦略的提携を発表した。自社の「Magenta AI」に「Gen FM」技術を組み込み、ニュース記事を数秒でリアルなポッドキャストへ変換可能にする。あわせてドイツ・テレコムはElevenLabsのシリーズC調達にも出資した。
ElevenLabs、対話型AIプラットフォームでClaude 3.7 Sonnetに対応
ElevenLabsは会話型AIプラットフォームにAnthropicの「Claude 3.7 Sonnet」を統合したと発表した。高度な推論とリアルな合成音声を組み合わせ、ハルシネーションの少ない音声エージェントを構築できる。
Apple、M3搭載の新「iPad Air」を発表 Apple Intelligence向けにAI性能強化
AppleはM3チップを搭載しApple Intelligence向けに設計された新型「iPad Air」を発表した。11インチと13インチの2サイズ展開で、Neural EngineはM1比で最大60％高速化。米国では599ドルから販売され、新しいMagic Keyboardも用意される。
英施設、AI搭載のエアバスA320シミュレーターを開設
英Infinity Sim Wingsはガトウィック空港近くの施設で、AIを活用した初のエアバスA320フライトシミュレーターの導入を発表した。AIによる航空管制や地上員、客室乗務員との連携を再現し、プロおよび一般パイロット向けに実践的な訓練環境を提供する。
OpenAIが「NextGenAI」設立：15機関に5000万ドル規模の資金とAPIを提供
OpenAIはハーバード大やMIT、オックスフォード大など15の研究機関と連携する「NextGenAI」コンソーシアムを発足した。助成金や計算資源、APIなど計5000万ドル相当を投じ、難病診断や貴重書のデジタル化といった先端研究の加速を図る。
月
3月3日 月曜日
『スーパーマリオ』でAI性能測定：Claude 3.7が首位、o1は考えすぎて落下死
カリフォルニア大学サンディエゴ校のHao AI Labが『スーパーマリオブラザーズ』を使ったAIテストを実施した。AnthropicのClaude 3.7がトップに立った一方、OpenAIのo1など推論モデルは判断に数秒かかるため、即死を連発して惨敗した。
TSMCが米国半導体生産に1000億ドル追加投資、AI向け工場を新設
TSMCは米国での半導体製造拡大に向け少なくとも1000億ドルを投資すると発表した。アリゾナ州に2棟の工場を新設し、最先端プロセスとAIチップを生産する。同社は今年1月に現地で4nmチップの生産を開始しており、既存の650億ドル投資計画に上乗せされる。
カリフォルニア州が新AI法案「SB 53」提出：内部告発者保護と公共計算基盤を軸に
カリフォルニア州のスコット・ウィーナー上院議員が新法案「SB 53」を提出した。否決されたSB 1047のうち論争の少なかった要素を再構築し、AIの重大リスクを告発した従業員の保護や、研究者向け公共クラウド「CalCompute」の創設を盛り込んでいる。
Google、Colab に「Data Science Agent」を統合：データ分析を自動化
Google はColab に「Data Science Agent」を導入した。Gemini 2.0 を基盤とし、最大 1GB の CSV や JSON データをアップロードして質問するだけで、データのクレンジングや可視化、SQL 生成を支援する。今週より無料提供されるが、計算リソースの制限がある。
Google、自然保護に向けたAI施策を発表 動物識別モデル「SpeciesNet」をオープンソース化
Googleは生物多様性の保護と回復に向けた3つのAI施策を発表した。米州向けスタートアップ育成プログラムの開設やブラジルの非営利団体への300万ドル助成に加え、自動撮影カメラの写真から動物の種を識別するAIモデル「SpeciesNet」をオープンソース公開し、生態系監視の効率化を後押しする。
ドイツテレコムがPerplexityと「AI Phone」開発、ロック画面から直通
ドイツテレコムはPerplexityと提携し「AI Phone」を開発すると発表した。ロック画面から直接Perplexityアシスタントを呼び出せ、アプリ間の移動を省く設計だ。ElevenLabsなどの機能も統合し、年内に1000ドル未満で発売予定となっている。
Stability AIとArmが連携、スマホ上で音声生成AIが完全オフライン動作
Stability AI は Arm と提携し、テキストから音声を生成する Stable Audio Open をスマートフォン向けに最適化したと発表。Arm の KleidiAI を活用し、11 秒の音声生成を 240 秒から 8 秒未満へと 30 倍高速化し、ネット接続なしの CPU 実行を実現した。
Operaがブラウザ操作AI「Browser Operator」公開：画面解析ではなくDOM操作で自律動作
Operaはブラウザ内で自律的に作業を代行するAI「Browser Operator」のプレビューを発表した。画面のスクショ解析ではなくDOMツリーをローカルで直接読み取るため、動作が速くログイン情報も外部に送信されない。決済やフォーム入力時は人間が介入できる設計で、近く先行配信される予定だ。
自動運転のマセラティが時速318キロを記録：自律走行の世界最速記録を更新
先週、ケネディ宇宙センターで完全無人のマセラティ MC20 クーペが時速197.7マイル（約318km/h）を記録し、自動運転車の世界最高速度記録を更新した。ミラノ工科大学のアルゴリズムを搭載し、極限の負荷試験を通じて公道での自律走行の安全性向上を目指す。
Google、Geminiに画面共有とリアルタイム動画での質問機能を追加へ
GoogleはMWC 2025にて、Geminiがスマートフォンの画面内容やリアルタイムの撮影動画を認識して質問に答える新機能を披露した。買い物中の画面を見せてコーディネートを相談することなどが可能になる。3月後半にAndroidのGemini Advanced登録者向けに提供予定だ。
AnthropicがシリーズEで35億ドル調達、評価額は615億ドルに到達
AnthropicはLightspeed主導のシリーズEで35億ドルを調達し、評価額が615億ドルに達したと発表した。資金は次世代AI開発や計算基盤の拡張、モデルの安全性・解釈可能性研究に充てられる。Claude 3.7 Sonnetの投入直後、企業向けAI市場での主導権争いが一段と激化している。
マイクロソフト、医療向け音声AI「Dragon Copilot」発表：カルテ作成を自動化
マイクロソフトは医療従事者向けのAIアシスタント「Dragon Copilot」を発表した。音声入力のDragon Medical Oneと環境音声認識のDAX Copilotを統合し、問診からの自動カルテ作成や指示出しを支援する。5月に米国とカナダで提供開始予定。
Metaが新技術「Avat3r」発表：自撮り4枚から動かせるリアルアバターを数分で生成
Metaとミュンヘン工科大学の研究チームが新システム「Avat3r」を発表した。スマホ自撮り写真4枚から、表情を動かせるフォトリアルな3Dアバター頭部を数分で生成できる。3Dガウススプラッティング技術で従来の重厚な撮影設備を不要にしたが、現状はRTX 3090で8FPSにとどまりリアルタイム描画には課題が残る。
日
3月2日 日曜日
AppleのAI展開に遅れ：会話型SiriはiOS 20へ延期か、利用率の低さも露呈
Bloombergの報道によると、AppleのAI展開が難航しており、ChatGPT風の会話型Siriの提供は早くてもiOS 20にずれ込む見込みです。社内データではApple Intelligenceの利用率が「極めて低い」とされ、iOS 19での大幅な進化も見込めない状況です。
金
2月28日 金曜日
世界最大のコールセンターがAI導入：インド人従業員の訛りをリアルタイム除去へ
Bloombergによると、世界最大手の仏コールセンター代行Teleperformanceは、Sanas AIの技術を使ってインド人スタッフの訛りをリアルタイムで中和する仕組みを導入した。通話時間短縮や顧客満足度向上を狙うが、最大1億400万ドルのAI投資計画を発表した直後に同社株は11%急落した。
GoogleスプレッドシートにGemini分析機能が追加、異常値検出やヒートマップ作成に対応
GoogleはWorkspaceビジネスユーザー向けにスプレッドシートのGemini新機能を提供開始した。データ間の相関関係や異常値を自動検出し、ヒートマップなどの高度なグラフも生成できる。右上のGeminiアイコンから自然言語で指示するだけで、複雑な関数なしに集計や分析が行える。
米OpenAI、米国立研究所9拠点と「1000人の科学者AIジャム」開催
米OpenAIは米エネルギー省傘下の9つの国立研究所と共同で「1000人の科学者AIジャムセッション」を開催した。オークリッジやバークレーなどの研究者1000人以上が最先端モデルを実際の科学研究で検証し、将来のAI開発に向けた知見を共有する。
OpenAIの動画生成AI「Sora」、EUと英国で提供開始
OpenAIはAI動画生成ツール「Sora」がEUおよび英国で利用可能になったと発表しました。これにより現地のクリエイターやユーザーもSoraを用いた動画生成を行えるようになります。
木
2月27日 木曜日
Amazon、今秋に新Alexaハードウェア発売へ CEOが予告
AmazonのAndy Jassy CEOはBloombergのインタビューで、新AIアシスタント「Alexa Plus」に合わせた美しい新ハードウェア製品群を秋に投入すると明かした。Alexa PlusはPrime会員向けに提供され、新端末はディスプレイ体験をさらに重視する見通しだ。
Metaが「Meta AI」単独アプリを準備中、有料版もテストへ
CNBC報道によると、Metaは第2四半期に「Meta AI」の単体モバイルアプリを投入し、有料サブスクの導入もテストする計画です。現在はSNSアプリ内やWeb限定ですが、独立アプリ化により履歴管理やスマートグラス等との連携強化を狙います。
日本マイクロソフト、Azure AI FoundryにGPT-4.5とマルチエージェント基盤を追加
MicrosoftはAzure AI Foundryの大幅アップデートを発表し、GPT-4.5のプレビュー提供を開始しました。あわせてモデル蒸留や強化学習ファインチューニング機能、自社VNet内でエージェントを動かすセキュリティ機能、数百のエージェントを統括するMagmaアーキテクチャを展開します。
Figure AI、家庭用ロボット検証を前倒し：2025年に初期テスト開始
FigureのBrett Adcock CEOは人型ロボット「Figure 02」の家庭内アルファテストを2025年内に開始すると明かした。独自開発のVLAモデル「Helix」により計画を2年前倒しした形だが、複雑な家庭環境下での検証はまだごく初期段階にとどまる。
Oculus創業者が新企業Sesameを公開：極めて自然な音声AIとAIグラス開発へ
Oculus共同創業者らが率いるSesameがステルスを解除し、自然な割り込みや間を再現する高表現力な音声AIを発表した。同社は日常使いを想定したAIスマートグラスも開発中で、今後数か月以内にモデルのオープンソース化と20言語以上の対応を予定している。
Ideogram、新画像モデル「2a」公開 価格半額で文字入り画像を高速生成
Ideogramは最新の画像生成モデル「Ideogram 2a」を公開した。前世代の2.0と比べて価格が50％引き下げられ、テキストを含むフォトリアルな画像を数秒で出力できる。WebアプリとAPIの両方で提供され、ログイン不要でプロンプトを閲覧できる公開フィード機能も追加された。
Pikaが「v2.2」を公開：1080p対応とキーフレーム遷移「Pikaframes」を導入
Pikaは動画生成モデルの最新版「Pika 2.2」をリリースした。1080p解像度での最大10秒の動画生成に対応したほか、1〜10秒の間でキーフレーム間のスムーズな遷移を設定できる新機能「Pikaframes」が利用可能になっている。
DJI、走行中の車両から離陸できるドローン格納庫「Dock 3」を発表
DJIは走行中の車両からの離陸に対応した新型ドローン格納庫「DJI Dock 3」を発表した。Matrice 4Dおよび4TDドローン向けで、IP56の防塵防水やマイナス30度から50度までの耐環境性能を備える。通信距離は最大10kmで、価格は2万1059ドルからとなる。
Mystic、画像生成の構図を精密に制御する構造参照ツールを公開
Mysticが新機能「Structure Reference」を公開しました。画像の構造や構図を維持したまま、カートゥーン調から実写風への変換など自由なスタイル変更が可能で、映画やゲーム、建築デザインなど幅広い制作に活用できます。
Meta、ロボット・身体性AI研究用メガネ「Aria Gen 2」発表：SLAMをオンデバイス処理
Meta は機械知覚やロボット工学研究向けの新型スマートグラス「Aria Gen 2」を発表しました。約 75g の筐体に独自低電力チップを搭載し、SLAM やアイトラッキングを端末上で処理します。研究機関向けに提供される予定です。
You.comが企業向けリサーチAI「ARI」公開：5分で400件のソースを分析
You.comは企業向けディープリサーチAI「ARI」を発表しました。最大400件のソースを並行して分析し、思考プロセスを示しながら、出典付きのレポートやPDFを約5分で自動生成します。現在You.com Labsにてプレビュー提供されています。
AWS、量子計算チップ「Ocelot」を発表 誤り訂正コストを最大90%削減
AWSは量子計算チップのプロトタイプ「Ocelot」を発表した。「キャット量子ビット」を採用してノイズ耐性を高め、量子誤り訂正に必要なリソースとコストを最大90%削減できるという。実用的な誤り耐性量子コンピューターの実現を最大5年早められる可能性があると期待されている。
OpenAIがGPT-4.5をプレビュー公開：事前学習を大規模化し対話力を向上
OpenAIは最大規模の対話モデル「GPT-4.5」の研究プレビューを公開した。教師なし学習をスケールアップし、幅広い知識と高い共感力、ハルシネーションの低減を実現。ChatGPT Proユーザーおよび有料API開発者向けに提供を開始した。
NVIDIAの黄CEO、AI計算需要はChatGPT登場時の「100倍」と指摘
米NVIDIAのジェンスン・ファンCEOは、段階的に思考する推論モデルの普及により、AIが必要とする計算量はChatGPT公開時の100倍に達したと語った。DeepSeek台頭による需要減少の懸念を一蹴し、推論モデルこそが更なるGPU需要を生むと強調している。
水
2月26日 水曜日
マイクロソフト、小型モデル「Phi-4」発表：音声・画像・テキストを単一処理
Microsoftは小型モデル「Phi-4-multimodal」（56億パラメータ）と「Phi-4-mini」（38億パラメータ）を発表した。マルチモーダル版は音声・視覚・テキストを同一アーキテクチャで同時処理でき、Copilot+ PCなど端末側での動作を想定している。
Inception LabsがMercury Coder公開：画像拡散技術を応用、毎秒1000トークン超
Inception Labsは、画像生成の拡散技術をテキストに応用した初の商用言語モデル「Mercury Coder」を公開した。従来の逐次生成ではなく並列にノイズを除去する手法を採用し、標準的なNvidia H100上で毎秒1000トークン以上を出力する。GPT-4o Mini匹敵の性能を、専用チップなしで高速かつ安価に実現した。
読書体験をAIでデジタル化 Mark Engineeringが129ドルのスマートしおり「Mark 1」発表
Mark Engineeringは、読書習慣の記録と要約を行うAI搭載スマートしおり「Mark 1」を発表した。価格は129ドル。チタン製ボディに小型画面と回転ノブを備え、連携アプリで読んだ内容の要約や進捗追跡、重要箇所の抽出を行う。紙の読書をデジタル化する試みだが、詳細なハードウェア仕様やサブスクリプションの有無などはまだ明かされていない。
Microsoft CopilotがMacに対応、ショートカット起動や割り込み可能な音声対話を提供
MicrosoftのAIアシスタント「Copilot」がMac向けに登場した。Option＋スペースキーのショートカットでどのアプリからでも即座に呼び出せるほか、ポッドキャスト風にニュースをまとめる「Copilot Daily」や、発言の途中で割り込んでも自然に対応する音声チャット機能を備えている。
Amazon、生成AI搭載の次世代「Alexa+」発表 自律操作に対応しPrime会員は無料
米Amazonは生成AIを基盤にした新アシスタント「Alexa+」を発表した。Amazon Bedrockのモデルを活用し、4種類のトーン設定や長期記憶に対応するほか、外部サービスを自律操作して予約や手配を完結できる。月額19.99ドルだがPrime会員は無料で利用可能だ。
トランプ氏が共有したガザ再開発のAI動画に批判殺到、支持者からも苦言
トランプ氏がTruth Socialで生成AIによるガザ再開発の構想動画を共有し、物議を醸している。映像には高級リゾート化した街、半裸のネタニヤフ首相、巨大な自身の黄金像などが登場し、熱心な支持者からも「非常に悪趣味だ」と強い反発の声が上がっている。
ElevenLabs、音声認識モデル「Scribe」公開：99言語対応でWhisperを上回る精度をアピール
ElevenLabsは初の音声認識モデル「Scribe」を発表した。99言語の文字起こしに対応し、単語単位のタイムスタンプや話者分離、笑い声などの非音声タグを付与可能で、Whisper Large V3を上回る精度を達成したという。APIとダッシュボードで提供が始まっており、低遅延版も予定されている。
Qualcommが産業向け新ブランド「Dragonwing」を発表、エッジAIとIoTを強化
Qualcommは、産業・エンタープライズIoT向けの新ブランド「Dragonwing」を発表した。最大100 TOPSのAI性能と過酷な環境耐性を備えたIQシリーズや、Wi-Fi 7対応のQシリーズなどを展開する。スマートフォン向けのSnapdragonとは切り分け、工場自動化などの現場でAMDやNVIDIAに対抗する狙いだ。
IBMがGranite 3.2をオープンソース公開、「思考スイッチ」付き推論と文書特化VLM
IBMはGranite 3.2を発表し、Apache 2.0ライセンスでHugging Face等に公開した。APIで思考プロセスをオン・オフできるGranite 3.2 Instructに加え、企業向け文書理解に特化した初の公式視覚言語モデルGranite Vision 3.2 2Bを提供する。
Wonder Dynamicsが動作予測モデル発表：遮蔽時も3Dモーションを補完
Wonder Dynamicsは、マーカーレス動捕向けのAIモデル「Motion Prediction」を発表した。遮蔽物や画角外で身体が見えない場合でも姿勢を推定し、足の滑りやブレを軽減する。Wonder Animation内で利用可能。
アリババが動画生成AI「Wan2.1」をオープンソース公開、RTX 4090でも動作
アリババの通義実験室が動画生成モデル「Wan2.1」をオープンソース公開した。14B版は主要ベンチマークでSoraを上回り、生成速度も2.5倍に高速化。中英2言語の文字描画に対応し、1.3B版ならRTX 4090などの民生用GPUでも動作する。
Hume AIがOctaveを発表：文脈や皮肉を理解して演じ分ける音声LLM
Hume AIは文脈を理解する音声言語モデル「Octave」を公開した。単なるテキスト読み上げを超え、皮肉や恐怖などの感情やキャラクター設定を解釈して声色や抑揚を演じ分ける。盲検テストではElevenLabsを上回る評価を得た。
火
2月25日 火曜日
xAIがGrok 3に「暴走」音声モード追加：暴言や絶叫、18禁会話も解禁
xAI は Grok 3 の有料会員向けに新たな音声モードを公開した。規制の厳しい ChatGPT とは異なり、罵倒や 30 秒の絶叫をして電話を切る「暴走」モードや、性的な会話を行う 18 禁の「セクシー」など無規制な人格を選べる。大手各社が安全策を取る中、真逆の路線を突き進む動きとして注目を集めている。
OpenAI、ChatGPT無料ユーザーに高度な音声モードを開放：GPT-4o miniを採用
OpenAIはChatGPTの無料ユーザー向けに「高度な音声モード」のプレビュー提供を開始した。より低コストなGPT-4o miniを活用し、自然な会話のテンポを維持。1日の利用時間には制限があり、残り3分で通知が表示される。
ApptronikがJabilと提携、人型ロボット「Apollo」が自らを製造する未来へ
米Apptronikは製造大手Jabilとのパイロット提携を発表した。人型ロボット「Apollo」を工場に配備し、部品の仕分けや搬送などの反復作業を担当させる。商業展開が軌道に乗ればJabilの自社工場でApolloの量産を開始する予定で、2026年の商業生産開始を目指す。
Poe、複数AIを組み合わせてアプリを作れる新機能「Poe Apps」を提供開始
Quora傘下のPoeは自然言語で対話型アプリを作成・共有できる新機能「Poe Apps」を公開した。Claude 3.7 Sonnetを活用し、GPT-4oやFluxなど複数のモデルを組み込んだWebアプリを自動生成できる。現在はWeb版のみ対応し、将来的な収益化機能も予定されている。
Microsoft、Copilotの「音声」と「Think Deeper」を無料・無制限に開放
Microsoftは、Copilotの音声会話機能およびOpenAI o1搭載の思考機能「Think Deeper」について、無料ユーザー向けの使用制限を撤廃した。複雑な推論や長時間の音声対話が制限なく利用できる。なお、月額20ドルのCopilot Proはピーク時の優先アクセス枠として継続される。
Adobe、iPhone向け本格版「Photoshop」を提供開始 生成AIやレイヤーも搭載
AdobeはiPhone向けに刷新された「Photoshop」アプリの提供を開始した。従来のPhotoshop Expressと異なりデスクトップ版に近い操作感で、レイヤーやFireflyによる生成塗りつぶしを無料で利用できる。高度なツールは月額サブスクが必要となる。
OpenAIが「Deep research」のシステムカード公開、4大リスクは中程度と評価
OpenAIは複雑な調査を自動で行う「Deep research」のシステムカードを公開した。Webブラウジング向けに調整された初期のOpenAI o3を搭載しており、自律性やサイバーセキュリティなどのフロンティアリスクはすべて「中（Medium）」と評価された。プロンプトインジェクションや個人情報保護への対策が施されている。
Google、Gemini 2.0 Flash-Liteの一般提供を開始：高性能と低価格を両立
GoogleはGemini 2.0 Flash-LiteのGemini APIおよびVertex AIにおける一般提供を開始した。推論や数学のベンチマークで1.5 Flashを上回り、100万トークンのコンテキストを低価格で利用できる。
DeepSeek、次世代推論モデル「R2」のリリース前倒しを計画か
報道によると、中国のAI企業DeepSeekが次期推論モデル「R2」の投入を急いでいる。関係者によれば、当初5月初旬を予定していた公開時期を可能な限り前倒しする方針。R2ではコーディング性能の向上と英語以外の多言語推論能力の強化を目指しているという。
DeepSeek人気でNvidia「H20」の受注が急増、テンセントやアリババが増産へ
ロイターの報道によると、DeepSeekの低コストAIモデルの普及に伴い、テンセントやアリババ、ByteDanceなどがNvidiaのAIチップ「H20」の発注を大幅に増やしています。医療や教育などの中小企業にも需要が広がっており、高効率モデルが半導体需要を減らすという懸念を打ち消しつつあります。
英著作権法のAI優遇に抗議：音楽家1000人が「無音アルバム」をリリース
ハンス・ジマーら音楽家1000人が無音アルバム『Is This What We Want?』を発表した。クリエイターが明示的に拒絶しない限りAI学習への無断利用を認める英政府の著作権法改正案に対する抗議で、空のスタジオの環境音を収録。12曲のタイトルを繋げると抗議メッセージになる仕組みだ。
