Google、Geminiと動画生成AI「Veo」を統合へ 物理世界の理解を強化
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。
AIアシスタント
新しいニュースを見る
Canva、プロンプトで動くアプリ作成や表計算など新AI機能を追加
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。
ChatGPTが過去のチャット全体を参照可能に：設定で自動引き継ぎ
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。
マイクロソフトが創業50周年イベント開催：歴代3首脳がAIに賭けるも社員の抗議で一時騒然
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。
xAIがGrok 3のAPIを提供開始、Claude 3.7と同等価格に
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。
サムスンの家庭用ロボ「Ballie」が今夏米国発売へ：Gemini搭載でプロジェクターも内蔵
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。
Reddit、Googleと連携したAI検索「Reddit Answers」を提供開始
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。
Anthropicが「Claude Max」提供開始、月額最大200ドルで上限20倍
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。
Google Workspaceが刷新：業務自動化Flows追加、Docsの音声化も
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、Gemini 2.5 Pro版「Deep Research」をAdvanced向けに提供開始
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。
lmarena.aiがLlama-4の対戦データを公開、Metaの透明性欠如を批判
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。
Google検索の「AI Mode」が画像認識に対応、米国の一般Labsユーザーにも拡大
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、「Copilot Vision」をスマホ向けに提供開始 カメラ映像をリアルタイム認識
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。
Metaに内部告発：Llama 4の性能不足とベンチマーク不正疑惑で副社長ら辞任か
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。
Anthropic主任科学者が言及：Claude 4は今後6か月以内に登場見込み
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。
マイクロソフト、Museでリアルタイム生成した『Quake II』を公開
MicrosoftはMuse AIモデルが生成した『Quake II』の技術デモをCopilotユーザー向けに公開した。ブラウザ上で動作し、解像度は640x360に改善。グラフィックの粗さや制限時間はあるものの、元のエンジンなしでゲームを再現する新手法を示した。
Meta、初のMoE多モーダル「Llama 4」公開：1000万トークン対応
Metaは初のMoE型ネイティブ多モーダルオープンモデル「Llama 4 Scout」と「Maverick」を発表しました。両モデルともにアクティブパラメータは17Bで、Scoutは最大1000万トークンの文脈長を処理できます。約2兆パラメータの教師モデルBehemothも予告されています。
マイクロソフトがCopilotを刷新：長期記憶や代行機能を追加、スマホの目も獲得
MicrosoftはCopilotの大幅刷新を発表し、真の「AIコンパニオン」を目指す新機能を公開した。好みを覚える長期記憶、予約などを代行するActions、スマホカメラで周囲を認識するVisionに加え、Alt+Spaceで呼び出せるWindowsネイティブアプリも提供する。
GitHub Copilot、VS Code向け「Agent Mode」提供開始：MCPにも対応
GitHub は VS Code の全ユーザー向けに Copilot Agent Mode の提供を開始し、MCP 規格に対応した。複数ファイルにまたがるコード編集やターミナル実行、エラー自動修復を自律して行える。月額 39 ドルの新プラン「Pro+」も追加された。
OpenAIが「GPT-5」の公開延期を発表 「o3」「o4-mini」を数週間以内に先行投入へ
Sam Altman氏は計画変更を発表し、「o3」と「o4-mini」を数週間以内に先行リリースし、「GPT-5」の提供は数カ月後に延期すると明かした。全要素のスムーズな統合が難航したことや、空前の需要に対応するための計算リソース確保を理由に挙げている。