新アーキテクチャ「Titans」発表、200万トークン超の文脈と長期記憶を両立
研究チームが新アーキテクチャ「Titans」をarXivで発表した。アテンションを短期記憶、テスト時に学習するニューラル長期記憶を組み合わせることで、高速な推論と並列学習を維持しながら200万トークン超のコンテキスト長に対応する。
AIデイリー：今日のAIニュース
火
12月31日 火曜日
水
12月25日 水曜日
Hugging FaceがAIエージェントの自律性を分析、完全自律型の開発に警鐘
Hugging FaceがAIエージェントの自律度を5段階で分類し、倫理的リスクを整理しました。制御権をAIに委ねるほど危険度が増すと指摘し、自身でコードを書いて実行するような完全自律型エージェントの開発は控えるべきだと提言しています。
月
12月23日 月曜日
xAIが60億ドルを調達：評価額は450億ドルに倍増、計算基盤を倍増へ
イーロン・マスク率いるxAIがシリーズCで60億ドルを調達し、評価額は前回の約2倍となる450億ドルに達しました。NvidiaやAMD、セコイアなど既存株主が参加。調達資金は10万基のGPUを備えるデータセンターの拡張や次世代Grokの開発に充てられます。
金
12月20日 金曜日
OpenAIが次世代推论モデル「o3」を発表：o1を凌駕、1月下旬提供へ
OpenAIは連続発表イベントの最終日に最新の推論モデル「o3」と「o3 mini」を公開しました。数学や科学、ARC-AGIなどのベンチマークでo1を大幅に上回る性能を示しています。一般向けはまだ先で、o3 miniが1月下旬にリリースされる予定です。
月
12月16日 月曜日
Midjourney、画像集から画風を学習する「ムードボード」機能を公開
MidjourneyはPinterest風の「ムードボード」機能と複数プロファイル対応を公開した。集めた画像コレクションや40回の画像評価から独自の画風プロファイルを作成できる。案件ごとにスタイルを保存・切り替えられるため、作風の統一が容易になる。
ChatGPT検索が全ユーザーに無料開放、高度音声モードでのリアルタイム検索にも対応
OpenAIは「ChatGPT Search」を無料ユーザーを含む全員に開放し、高度音声モードにもリアルタイム検索を統合したと発表した。検索速度が向上したほか、モバイル版での店舗情報表示の改善や、ブラウザの既定検索エンジンへの設定も可能になった。
YouTube、AI学習のオプトイン設定を導入：クリエイターの動画利用はデフォルト拒否に
YouTubeは第三者AI企業への動画学習許可を設定できる新機能を発表した。初期状態では全第三者による学習が拒否され、OpenAIやAppleなど18社から個別に許可できる。ただし、Google自身による自社モデルの学習は対象外となる。
Meta、スマートグラスに「リアルタイムAI動画」と連続対話を追加
Metaはスマートグラス「Ray-Ban Meta」のファームウェアv11を北米の早期アクセス向けに配信した。ウェイクワードなしで視界の映像について連続してAIに質問できるほか、リアルタイム音声翻訳にも対応する。
Meta CTOが語る2025年の展望：スマートグラスこそAIネイティブ端末の本命
MetaのCTOが年次総括を公開し、メガネ型端末がAIネイティブデバイスの最適解であると強調しました。2025年にはAIアシスタントが受動的な応答から自発的なサポートへと進化する見込みで、今月からLive AIの早期アクセスが順次開始されます。
Googleが動画生成モデル「Veo 2」を発表：4K・長尺生成に対応、Imagen 3も刷新
Googleは新世代の動画生成モデル「Veo 2」を発表しました。最大4K解像度や数分間の長尺生成に対応し、レンズ指定などの映画撮影用語を理解します。あわせてImagen 3の最新版が100カ国以上のImageFXで公開され、Geminiと連携する新ツール「Whisk」も登場しました。Veo 2は現在ウェイトリスト制です。
NYUティッシュ校がRunwayを導入、仮想制作センターでAI映像制作を教育へ
Runwayはニューヨーク大学ティッシュ芸術学部の仮想制作修士課程に自社AIツール群を導入すると発表した。2025年春学期よりマーティン・スコセッシ仮想制作センターで開講され、学生は初期構想から完成作まで映画制作への生成AI活用を実践する。
Hugging Faceが合成データ生成ツール公開：プロンプトからノーコードで作成
Hugging Faceはノーコードでカスタムデータセットを作成できる「Synthetic Data Generator」を公開した。自然言語で指示を入力するだけで、テキスト分類や対話データを自動生成。Argillaとの連携でデータ確認ができ、AutoTrainでの追加学習まで直感的に完結する。
土
12月14日 土曜日
元OpenAIのIlya Sutskever氏が警鐘：「データは頭打ち、事前学習の時代は終わる」
元OpenAIのチーフサイエンティストであるIlya Sutskever氏がNeurIPSに登壇し、Webデータは化石燃料のように有限で「ピークデータ」に達したと指摘しました。従来の事前学習手法は確実に終焉を迎えると述べ、今後は限られたデータから深く推論し、自律的に動くエージェント型モデルへの転換が不可欠だと主張しました。
金
12月13日 金曜日
動画生成AI「Pika 2.0」公開、画像から一貫性を保つ新機能追加
Pikaは動画生成モデル「Pika 2.0」をリリースした。テキストへの追従性や画質が向上したほか、人物や場所、アイテムの画像を取り込んで生成結果の一貫性を保てる新機能「Scene Ingredients」を搭載している。
OpenAI、ChatGPTに「Projects」機能を導入：会話とファイルを案件別に一括管理
OpenAIはChatGPTの関連チャットや参照ファイルを1か所にまとめられる「Projects」を公開した。CanvasやWeb検索と直接連携して作業を進められる。Plus、Pro、Teamsユーザー向けに即日展開され、企業・教育向けプランには年明けに提供される。
Perplexity、Spacesで検索対象のドメインを指定可能に
Perplexity AIはSpacesに対象ドメインを指定できるカスタムWebソース機能を追加した。ユーザーは特定のURLを登録し、指定サイトやアップロード済みファイルのみを検索対象に絞り込める。不要なWeb情報を省き、高精度なリサーチが可能になる。
Anthropic、マルチモーダル対応の脱獄手法「Best-of-N」を発表
Anthropicは共同研究「Best-of-N Jailbreaking」を公表した。テキスト、画像、音声の各モダリティを横断してフロンティアAIモデルの安全対策をすり抜ける、シンプルかつ汎用的なジェイルブレイク手法を発見したという。
Google「NotebookLM」刷新：音声ポッドキャストへの割り込み対話や有料版「Plus」が登場
Google はNotebookLM に実験的な Gemini 2.0 Flash を導入し大幅刷新を発表しました。音声解説「Audio Overviews」の再生中に声で割り込んで質問できる対話モードが追加されたほか、UI を刷新。上限が 5 倍以上になる有料プラン「NotebookLM Plus」も提供開始します。
ChatGPTの大規模障害、原因は新規テレメトリサービスとOpenAIが報告
OpenAIはChatGPTやSora、APIが約3時間停止した大規模障害の事後報告を公開した。外部攻撃ではなく、Kubernetesの指標収集用に導入した新テレメトリサービスが高負荷を引き起こし、制御プレーンや内部DNSを圧迫したことが原因。今後は段階的展開や監視体制を強化するという。
OpenAIがマスク氏の訴訟に反論：営利化を主導したのは本人と暴露
OpenAIはイーロン・マスク氏の訴訟に対抗し過去のメールを公開した。マスク氏は2017年に営利法人の設立を自ら主導し、過半数株式とCEO就任を要求していたが、拒絶されて離脱した経緯が記録されている。「訴訟でAGIは作れない」と反論している。
GoogleがAgentspaceを発表：企業向けAIエージェントと社内データ検索を統合
Googleは企業向けプラットフォーム「Google Agentspace」を発表しました。Geminiの推論力と検索機能を組み合わせ、社内データやJira、SharePointなどの外部ツールを横断して自律エージェントを動かせます。企業向けNotebookLM Plusも導入され、早期アクセスプログラムの受付が始まっています。
マイクロソフトが小型モデル「Phi-4」公開、数学推論を大幅強化
マイクロソフトは夜、140億パラメータの小型AIモデル「Phi-4」を研究プレビューとして公開した。高品質な合成データと事後学習により数学の解法能力を向上させ、GPT-4o miniなどに対抗する。現在はAzure AI Foundry上で研究目的のみに限定提供されている。
木
12月12日 木曜日
Adobeがガラスの反射を除去する新ツール公開、機内や窓越しの失敗写真を救済
Adobeは窓越しの撮影で生じる不要な反射を除去する「Reflection Removal」ツールのプレビュー版をCamera Raw向けに公開した。AIが被写体と反射像を識別して分離し、スライダーで反射の強弱を調整できる。現在はRAW画像のみ対応し、Lightroomへの搭載も予定されている。
Amazon、Prime Videoで「AI Topics」をテスト配信
AmazonはPrime Videoで、従来のアルゴリズムに代わりAIで作品を推薦する新機能「AI Topics」のテストを開始した。関心に合わせて生成されたテーマから映画や番組を探し、関連トピックでさらに絞り込める。現在は米国のFire TVなど一部のリビング端末を対象に試験展開されている。
LMSYSがImage Arena公開：FLUXやDALL-Eをブラインド対決
lmarena.aiが画像生成モデルをブラインド評価する「Image Arena」を公開した。プロンプトを入力するとFLUX、Stable Diffusion、DALL-Eなどの匿名モデル2種が画像を生成し、ユーザー投票で勝敗を決める仕組みで、リーダーボードも近日公開される。
ChatGPTにサンタの音声モードが期間限定で登場、全ユーザーに無料開放
OpenAIがChatGPTにホリデーシーズン限定の「サンタモード」を追加しました。入力欄の雪の結晶アイコンをタップすると、陽気なサンタの声で会話できます。チャット履歴には保存されず記憶機能にも影響しません。モバイル、Web、デスクトップの全ユーザー向けに12月末まで提供されます。
GoogleがAndroid XRを発表、Geminiをヘッドセットやスマートグラスに統合
Googleはサムスンと共同開発した空間コンピューティング向け新OS「Android XR」のプレビュー版を発表した。Geminiが深く組み込まれ、視界にある物体についての会話やマルチタスクが可能。サムスンの初号機「Project Moohan」は来年発売予定だ。
Anthropic、Claude 3.5 HaikuをWebとモバイル版で提供開始
AnthropicはClaudeのWeb版およびモバイルアプリでClaude 3.5 Haikuの提供を開始した。旧フラッグシップの3 Opusと同等以上の性能を示し、コーディングやデータ抽出に優れ、より長いテキスト出力に対応する。ただし画像認識には対応していない。
動画検索AIのTwelveLabsが3000万ドル調達、元Siri開発者を社長に起用
動画理解AIを手がけるTwelveLabsが3000万ドルの新資金を調達し、累計調達額は1億710万ドルに達した。あわせて、元SK Telecom CTOでSiriの初期設計を担ったYoon Kim氏が社長兼CSOに就任。テキストで動画内の特定シーンを検索できる独自モデルを武器に、企業や防犯分野での採用拡大を進める。
米TIMEが「TIME AI」公開、記事について音声で質問可能に
米TIMEはElevenLabsおよびScale AIと提携し「TIME AI」を発表した。読者は音声AIエージェントに直接質問して記事の背景を深掘りできるほか、翻訳や要約も即座に利用できる。まずは過去数年の「パーソン・オブ・ザ・イヤー」記事で利用可能だ。
Runwayが学生アンバサダー募集：10万クレジットとProプランを無償提供
Runwayは芸術や映画、デザインなどを学ぶ学生向けに「学生アンバサダープログラム」を開始した。選ばれた学生には10万クレジットやProプランが無償提供され、Runwayチームとの交流機会も用意される。NYUなど世界各国の大学と連携を進めている。
Anthropicが「Clio」発表：プライバシーを守りつつAI利用実態を分析
Anthropicはプライバシーを保護しながらLLMの利用動向を分析するツール「Clio」を発表した。Claude自身が会話から個人情報を除外してクラスタ化し、分析者は抽象化された傾向のみを閲覧できる。プライバシーを侵害することなく、組織的な不正利用の検知や安全対策の改善に役立てる狙いだ。
米タイム誌、「パーソン・オブ・ザ・イヤー」専用のAIチャットボットを公開
木曜日、TimeはScale AIと共同開発したAIチャットボットを発表した。2024年の「今年の人」特集に合わせて導入され、記事に関する質問への回答、要約、音声再生、中国語など多言語への翻訳に対応する。同社は読者の滞在時間を伸ばす狙いで、2025年初頭にはサイト全体への展開を計画している。
新版「Grok-2」が𝕏全ユーザーに無料開放 速度3倍、検索やAurora画像生成も
𝕏 上の「Grok-2」新バージョンが全ユーザーへ無料提供され始めた。処理速度が 3 倍に向上し、精度や多言語対応が強化されたほか、Web 検索や出典表示、画像生成モデル「Aurora」も統合。タイムラインに Grok ボタンが追加され、API の新モデル提供と値下げも行われた。
水
12月11日 水曜日
Windows 11がMeta Questに対応、MR空間でマルチ画面作業が可能に
MicrosoftとMetaはMeta Quest 3およびQuest 3S向けにWindows 11のパブリックプレビューを開始した。ローカルPCやWindows 365 Cloud PCと接続し、MR空間で複数ディスプレイを使った作業ができる。v72アップデートの実験的機能として順次配信される。
Google、Geminiに自動調査「Deep Research」と「2.0 Flash」実験版を追加
GoogleはGemini Advanced向けにエージェント機能「Deep Research」の提供を開始した。ユーザーに代わって複数ステップの調査計画を立て、Webを反復検索して出典付きレポートをまとめる。また、高速な実験モデル「Gemini 2.0 Flash Experimental」も全ユーザー向けにWeb版で公開された。
GoogleがGemini 2.0を発表：画像・音声の直接出力とエージェント機能に対応
Googleは次世代AIモデル「Gemini 2.0」を発表し、実験版「Gemini 2.0 Flash」の提供を開始しました。1.5 Proを超える性能を2倍の速度で実現し、画像生成や音声のネイティブ出力、ツール呼び出しをサポートするほか、調査アシスタント機能Deep Researchも追加されました。
ElevenLabsがAI開発者パック公開、主要ツールで各50ドル超の枠付与
ElevenLabsはMistralやPerplexity、Hugging Faceなどと提携し「AI Engineer Pack」を発表しました。参加する各ツールで50ドル以上のクレジットが提供され、プロトタイプ検証でかさみがちなAPI利用料の負担を抑えられます。
Google、第6世代「Trillium TPU」を一般提供：Gemini 2.0の学習を支えた最新AIチップ
Google Cloudは第6世代AIアクセラレータ「Trillium TPU」の一般提供を開始した。前世代v5e比で学習性能が4倍以上、推論スループットが最大3倍に向上。新モデル「Gemini 2.0」の開発にも用いられたインフラを、一般企業や開発者も利用可能になった。
Midjourney、共同世界構築ツール「Patchwork」を発表
Midjourney が配信で新ツール「Patchwork」を披露した。無限キャンバス上で最大100人がリアルタイムにキャラクターや出来事を配置し、物語の世界観を構築できる。複数の大規模言語モデルを搭載し、Discord と Google アカウントを連携したユーザー向けにプレビュー版が公開される。
AppleがiOS 18.2を配信：画像生成やGenmoji、ChatGPT連携が本格始動
AppleはiOS 18.2などの最新OSを正式リリースし、Apple Intelligenceの新機能を提供開始した。独自絵文字を作るGenmojiや画像生成ツールのほか、Siriや作文機能にChatGPTが統合された。現在は英語圏を中心に提供され、日本語などは4月以降順次対応予定。
火
12月10日 火曜日
YouTube、AI自動吹き替えを数十万の知識系チャンネルへ拡大 公開前確認も可能
YouTubeはAIによる自動音声吹き替え機能をパートナープログラム内の数十万の知識・情報系チャンネルへ拡大した。英語動画は日・独・仏など8言語へ自動翻訳され、公開前のプレビューや削除に対応。現状は機械的な発音だが、今後のアップデートで感情表現も改善される予定だ。
ChatGPT高度音声の元開発者がWaveForms創業、「音声チューリングテスト」合格を目指す
ChatGPTの高度音声モード開発に関わったConneau氏が率いる新興企業WaveFormsが発表された。従来の音声AIが抱える感情や抑揚の欠落を解消し、文脈や感情を深く理解するモデルを開発して「音声チューリングテスト」のクリアを目指す。まずは消費者向けアプリから展開する予定だ。
米Microsoft、Windows版Copilotを刷新 タスクバー上UIや「Alt＋Space」に対応
米Microsoftは、Windows Insider向けにCopilotのアップデートを開始した。従来のPWA版からタスクバー上にフロート表示されるクイックビューUIへと移行し、Alt＋Spaceキーでの呼び出しに対応する。Windows 10と11の両方で利用できるが、競合するショートカットキーの扱いに注意が必要だ。
AI企業がサンフランシスコに挑発的看板「人間を雇うのはやめよう」と掲出
YC支援のスタートアップArtisanが、サンフランシスコ市内に「人間を雇うのをやめろ」「AI社員はワークライフバランスに文句を言わない」と書かれた巨大看板を設置した。自社の営業・顧客対応AIを売り込むためのキャンペーンだが、労働者の不安を逆撫でする演出にSNS上では反発やディストピアだと批判が集まっている。
OpenAIがCanvasを全ユーザーに開放、Python実行やCustom GPT連携に対応
OpenAIは共同作業スペース「Canvas」のベータ提供を終了し、無料プランを含む全ユーザーに正式公開しました。画面内でPythonコードを直接実行してグラフを表示できるほか、Custom GPTとの連携やテキストの差分表示編集に対応。Web版とWindowsアプリ向けに展開されています。
AIエンジニア「Devin」が一般公開、月額500ドルで自律コーディング
Cognition Labsは自律型AIソフトウェアエンジニア「Devin」の一般提供を開始した。月額500ドルのサブスクリプション制で、内蔵ブラウザやエディタを備えたサンドボックス環境からアプリの構築やバグ修正を自律実行できる。なお、公式は1セッションを3時間以内に抑えることを推奨している。
Character.AIに新たな訴訟：未成年への自傷行為助長などで提訴
Character.AIとGoogleがテキサス州で17歳の少年側から提訴された。チャットボットが少年に自傷行為を促し、親からの孤立を招くなど製品設計上の欠陥があると主張している。原告側は自殺や自傷のリスクに対する安全策の欠如を指摘する一方、Googleは同社技術への関与を完全に否定している。
韓国Spaid、GISや衛星画像から3Dマップを生成する地理空間AIを披露
韓国のスタートアップSpaidがAI地図ソリューションを発表した。中核エンジン「CYLO」がGISデータや衛星画像を統合し、土地や建物、人口動態を可視化した3Dマップを迅速に構築する。韓国の通信事業者による実証実験やアルメニア政府の国土調査で導入が進んでいる。
Solos、ChatGPT搭載のスマートグラス「AirGo Vision」発売 カメラ着脱でプライバシー配慮
SolosはChatGPTを搭載したマルチモーダルスマートグラス「AirGo Vision」を発売した。価格は299ドルから。カメラによる物体認識や翻訳に対応するほか、カメラ付きテンプルを取り外して普通の眼鏡フレームに交換できるプライバシー保護機構を備える。
英サリー大、家庭向けGPUで即時生成できる「NitroFusion」を公開
サリー大学の研究チームは文字入力とほぼ同時に画像を生成できるAIモデル「NitroFusion」をオープンソース公開した。一般的なコンシューマー向けグラフィックカードで動作し、1〜4ステップで速度と画質を調整可能。高額なクラウド環境や月額課金なしで手元での試作を加速させる。
Yelpが年末アップデート公開、AIで口コミを要約する「Review Insights」など導入
Yelpは本日、年末製品アップデートとして20以上の新機能を発表した。大規模言語モデルを活用した「Review Insights」は、料理の質や接客、待ち時間などの項目ごとに1〜100の感情スコアを算出して表示する。まずはiOSの飲食店・ナイトライフ向けに提供され、来年にはサービス業へ拡大予定だ。
AutomatticがWordPress向けAIのWPAIを買収、ツール統合へ
月曜日、AutomatticはWordPress向けAI開発スタートアップのWPAIを買収したと発表した。コード生成のCodeWPや制作支援のAgentWPは単体提供を終え、Automattic製品群に統合される。創業チームも合流し、WordPress本体のAI機能開発を主導する方針だ。
IBMがCPO光技術でブレイクスルー、AI学習を最大5倍高速化
IBMはデータセンター内の銅線接続を光信号で補完する次世代CPO（Co-Packaged Optics）技術を発表した。初のポリマー光導波路プロトタイプを開発し、LLMの学習期間を3か月から3週間に短縮、消費電力も5分の1に削減できるという。製造ストレステストにも合格済み。
月
12月9日 月曜日
米Amazon、サンフランシスコにAIエージェント専門ラボを設立 Adept創業者を招聘
Amazonはサンフランシスコに新たな研究開発拠点「Amazon AGI SF Lab」を設立したと発表した。AIスタートアップAdeptの共同創業者David Luan氏が率い、PC操作や自己修正、現実世界と連携した複雑なタスクをこなす自律型AIエージェントの基盘技術開発に注力する。
マンチェスター・シティがPumaとAIユニフォーム設計コンテスト開催、公式戦で着用へ
マンチェスター・シティとPumaは、ファンがAIでユニフォームをデザインできる「Puma AI Creator」を公開した。優勝作品は2026-2027シーズンの公式サードユニフォームとして選手が着用し、一般販売も行われる。ユーザーには15クレジットが付与され、コンテストは12月20日まで開催される。
マイクロソフト、AIデータセンターの冷却水蒸発ゼロ設計を発表 拠点あたり年間1.25億リットル節水
MicrosoftがAIワークロード向けに冷却用の水蒸発をゼロにする次世代データセンター設計を発表した。密閉循環式のチップレベル液冷を採用し、1拠点あたり年間1.25億リットル以上の節水を見込む。2024年8月以降の新設計に標準採用され、2026年にパイロット運用を開始、2027年後半に稼働予定。
マイクロソフトAI責任者：現行チップでのAGI実現を否定、5〜10年かかる見通し
米Microsoft AIのCEOを務めるムスタファ・スレイマン氏はインタビューで、AGIはNvidia GB200などの現行ハードウェアでは実現できず、達成には2〜5世代のチップ進化（5〜10年）が必要との見解を示した。同氏はAGIをシンギュラリティや超知能と混同すべきではないと釘を刺している。
Sakana AIが汎用記憶機構を発表、不要な情報を忘れることで性能向上
Sakana AIは人間の記憶のように不要なトークンを取捨選択する「ニューラル・アテンション・メモリ・モデル（NAMM）」を発表した。進化型アルゴリズムで最適化され、メモリ消費を抑えながら長文推論性能を向上させる。言語で獲得した記憶機構は、追加学習なしで画像認識や強化学習モデルにもゼロショット転移できる。
NVIDIAとメリーランド大、自由視点映像を配信できる「QUEEN」発表
NVIDIA Researchとメリーランド大学は自由視点3D動画をストリーミング配信できるAIモデル「QUEEN」を発表した。静止部分の描画を再利用することで毎秒約350フレームの描画を実現し、スポーツ中継やロボット遠隔操作に応用できる。コードは近日公開予定。
Reddit、AI検索「Reddit Answers」を発表：スレッドの要約と元投稿を直接提示
Redditはサイト内の公開投稿や議論をAIで要約する新検索機能「Reddit Answers」を発表した。単一の回答を生成するのではなく、関連スレッドから要点を抽出し、高評価の元コメントへ直接誘導する。現在、米国の限定ユーザー向けにWebとiOSでベータ版が提供されている。
拡散モデルに匹敵する「TARFlow」登場、正規化フローをTransformerで刷新
研究チームが自回归Transformerを取り入れた正規化フロー手法「TARFlow」を発表した。完全可逆な最大尤度モデルの利点を保ちつつ、課題だった生成品質を拡散モデル匹敵の水準まで引き上げ、画像や動画生成への拡張性を実証した。
Hugging Faceのオープンモデル83種がAmazon Bedrockで直接利用可能に
Hugging Faceは83種類の人気オープンモデルがAmazon Bedrock Marketplaceで利用可能になったと発表した。SageMaker JumpStart基盤で動作し、BedrockのAgentsやGuardrailsなどの高レベルAPIと連携可能。利用者はSageMakerの計算リソースとBedrock API料金のみを支払う。
xAI、Grokの画像生成モデル「Aurora」公開 リアルな人物や文字描写に対応
xAIはX上のAI「Grok」向けに新しい自己回帰型画像生成モデル「Aurora」を公開した。数十億のデータで学習し、リアルなポートレートや文字、ロゴの精密な描画に対応するほか、画像の入力や編集も可能。一部地域で先行提供されており、1週間以内に全ユーザーへ展開される。
AMD、1ステップ画像生成「Nitro Diffusion」をオープンソース公開
Dec 09, 2024、AMDは1ステップで画像生成が可能な拡散モデル「Nitro Diffusion」をオープンソースで公開した。Stable Diffusion 2.1とPixArt-Sigmaをベースに開発され、Instinct MI250やAI PC向けに最適化されている。重みとコードはHugging Face等で入手可能。
Googleが量子チップ「Willow」発表、長年の誤り訂正課題を突破
Googleは最新量子チップ「Willow」を発表した。量子ビット数を増やすほど誤り率を指数関数的に低減させる「閾値未満」を達成し、約30年越しの課題をクリア。最新スパコンで10の25乗年かかる計算を5分未満で完了させ、実用的な量子コンピューティングへ大きく前進した。
土
12月7日 土曜日
OpenAI「Sora v2」まもなく公開か、最大1分間の生成や画像・動画入力に対応
OpenAIのChad Nelson氏が講演で明かしたところによると、次世代動画生成AI「Sora v2」のリリースが間近に迫っているという。最大1分間の動画出力に対応するほか、テキストだけでなく画像や既存動画を組み合わせた生成機能が備わる見込みだ。
金
12月6日 金曜日
Metaが「Llama 3.3 70B」公開 405B級の性能を大幅な低コストで実現
MetaはテキストAIモデル「Llama 3.3 70B」を発表した。事後学習技術の進化により、巨大な405Bモデルと同等の性能をはるかに低いコストで発揮し、MMLUなどのベンチマークでGPT-4oを上回る。Hugging Faceなどで入手可能だ。
X、AIボット「Grok」を全無料ユーザーに開放 2時間で10回まで
Elon Musk氏のxAIが提供するAIボット「Grok」がXの全無料ユーザーに開放された。有料会員でなくても2時間に最大10回までメッセージを送信できる。ChatGPTなどの無料提供に対抗する動きで、単独アプリの投入も検討されているという。
HubSpotがFrame AI買収、会話データ分析をBreeze AIに統合へ
HubSpotは会話インテリジェンスを提供するFrame AIの買収を発表した。メールや通話、ミーティングなどの非構造化データから顧客の感情や意図を抽出する技術を持ち、買収完了後はHubSpotの「Breeze」AI群に統合され、解約リスクの早期検知などに役立てられる。
ElevenLabs、AIポッドキャスト生成「GenFM」をStudioに統合 32言語に対応
ElevenLabsは長尺音声編集ツール「Studio」にGenFMポッドキャスト生成機能を導入しました。テキストやPDF、Webリンクを取り込むだけで、2人のAIホストによる自然な対談ポッドキャストを自動作成できます。32言語に対応し、原稿編集や音声の商用書き出しも可能です。
OpenAI、専門領域向け「強化学習ファインチューニング」研究プログラムを拡大
OpenAIは「強化学習ファインチューニング（Reinforcement Fine-Tuning）」研究プログラムの対象を拡大し、Alpha版APIの提供を開始した。模範解答付きのタスクでモデルの推論を強化する手法で、法律や医療など明確な正解がある領域に特化する。2025年初頭の一般提供を目指す。
Sakana AIが「CycleQD」を発表：微調整なしで複数スキルを統合する進化型フレームワーク
Sakana AIの研究チームは、高コストな微調整を行わずに特化型モデルのスキルを統合できる新フレームワーク「CycleQD」を開発した。遺伝的アルゴリズムに基づく交叉と変異を活用し、Llama 3-8Bを用いた検証では従来の微調整やモデルマージ手法を上回る性能を示した。
世界2位のスパコン「Frontier」、史上最大規模の宇宙シミュレーションを実施
米オークリッジ国立研究所のスパコン「Frontier」が、約9,000基のAMD製ノードを活用し、史上最大規模かつ最も複雑な宇宙シミュレーションを完了した。重力だけでなく暗黒物質やガスの流動も反映し、従来のベンチマークより約300倍高速に動作したという。
トランプ氏、デビッド・サックス氏をホワイトハウスのAI・暗号資産担当「ツァーリ」に指名
トランプ次期米大統領は著名投資家でポッドキャスト「All-In」のデビッド・サックス氏をホワイトハウスのAI・暗号資産担当責任者に起用すると発表した。サックス氏は政策策定や大統領科学技術諮問会議を率いる。特別政府職員として資産売却は免除される見込み。
木
12月5日 木曜日
Google ピチャイCEO、2025年に検索が激変と予告 MSに苦言も
Googleのスンダー・ピチャイCEOは、2025年にGoogle検索が劇的に変化し、より複雑な質問を処理できるようになると語った。さらにマイクロソフトとのモデル比較を歓迎するとし、同社が他社製モデルに頼っている点をチクリと指摘した。
米Microsoft、Edge向け「Copilot Vision」プレビュー公開 画面を見ながらリアルタイム音声対話
米Microsoftは、Edgeブラウザで閲覧中のWebページをAIが認識してリアルタイムに対話できる「Copilot Vision」のプレビュー版を公開した。セッション終了時に閲覧データが破棄される仕組み。現在は米国のCopilot Pro加入者向けに一部Webサイト限定でテスト提供されている。
OpenAI、月額200ドルの「ChatGPT Pro」を準備中か 推論モデルo1が無制限に
OpenAIのウェブサイト上で月額200ドルの「ChatGPT Pro」プランの存在がリークされた。完全版o1やGPT-4oへの無制限アクセス、高度な音声モード、計算リソースを増やして難問を解く「o1 pro mode」などが含まれる。現行Plusの10倍の価格設定で、GPT-4.5への言及も一時確認された。
Ouraスマートリング新機能：風邪を引く1〜2日前に異変を警告
Ouraは呼吸器疾患の兆候を事前に察知する「Symptom Radar」の正式提供を発表した。安静時心拍数や体温変動を基線データと比較し、自覚症状が出る前に休息を促す。医療診断ではないものの、Gen 3および4のユーザーは12月11日までに利用可能になる。
OpenAI、出版大手Futureと提携：ChatGPTにTom's Guideなど200超のメディア記事を連携
OpenAIはTom’s GuideやPC Gamerなどを傘下に持つメディア大手Futureとの提携を発表した。ChatGPT内で200以上の専門メディアの情報が利用可能になり、回答には出典と原文リンクが表示される。Future側も自社の編集やマーケティング業務にOpenAIの技術を導入する予定だ。
OpenAI、月額200ドルの「ChatGPT Pro」提供開始 o1が無制限に
OpenAIは月額200ドルの新プラン「ChatGPT Pro」を発表した。推論モデル「OpenAI o1」を無制限で利用できるほか、より多くの計算資源で深く思考する「o1 pro mode」を搭載。高度な数学やプログラミングに取り組む研究者や開発者向けに提供される。
OpenAIがo1システムカード公開：思考プロセスで脱獄耐性が大幅向上
OpenAIは推論モデル「o1」および「o1-mini」の安全性レポートを公開しました。思考の連鎖を用いた慎重なアライメントにより、GPT-4oと比べて脱獄攻撃への耐性やハルシネーション抑制が大きく改善。一方で思考過程での欺瞞検出など新たな課題も浮き彫りになっています。
単一GPUで毎時数千のタンパク質構造を予測する生成AI「BioEmu」
研究チームがタンパク質の動的平衡構造を高効率にサンプリングする生成AI「BioEmu」を発表した。拡散モデルと分子動力学データを組み合わせ、単一GPUで毎時数千の独立した立体配座を生成し、自由エネルギー誤差は約1 kcal/molに抑えた。膨大な計算コストを要した動態解析を大幅に短縮できる。
Googleが「PaliGemma 2」を発表：Gemma 2ベースで微調整も容易に
Googleはビジョン言語モデル「PaliGemma 2」を発表した。Gemma 2をベースに画像理解能力を備え、複数サイズを展開する。従来のPaliGemmaからコード変更を抑えて移行できる差し替え互換性を持ち、特定タスク向けの微調整が手軽に行える。
Perplexity、収益分配プログラムを拡大 米LAタイムズや英インディペンデントなど15社が参加
Perplexity はパブリッシャー向け収益分配プログラムに米 LA タイムズや英インディペンデントなど 15 社が新たに参加したと発表した。参加メディアには広告収益の分配に加え、全社向け Enterprise Pro の 1 年間無償提供や API 提供が行われる。
AI PinのHumane、OSを他社に提供へ スマホや車への搭載狙う
AI Pinを手掛けるHumaneは、独自OS「CosmOS」をサードパーティ製ハードウェア向けに提供する計画を発表した。スマホや自動車、スマートスピーカー等でのエージェント機能を示す動画を公開したが、開発者向けSDKはまだ一般公開されていない。
