アリババ、画像生成モデル「Qwen-Image-2.1」の商用APIを提供開始
AlibabaはModel Studioで「Qwen-Image-2.1」のProおよびTurbo APIを提供開始した。7Bパラメータの単一モデルで画像生成、最大10枚の参照編集、透過背景の切り抜き、2K文字描画までカバーする。Turbo版は1枚約0.014ドルから商用利用できる。
AI画像
新しいニュースを見る
KimiがK3.1 Proを発表：1M文脈対応と3D開発特化の2.8T MoE
Kimiは総パラメータ2.8T・活性104BのMoEモデル「K3.1 Pro」を発表しました。1Mトークンの文脈窓を備え、BlenderやCADでの3D設計やUnity等のゲーム開発に対応し、金融分野の幻覚を65%低減します。重みはNov 4, 2026に公開予定です。
Canvaが初の独自画像生成モデル「Craft」公開、生成画像を編集可能なレイヤーに変換可能
Canvaは初の自社開発画像生成モデル「Canva Craft」を発表した。テンプレートを活用して学習されており、最大2K解像度に対応するほか、生成した画像をCanva Magicでレイヤーごとの編集可能なデザインに変換できるのが特徴。現在すべてのユーザーがDream Labから利用できる。
Ideogram、プロンプトから編集可能なSVGを生成する「Vector 1.0」公開
Ideogramは初のベクター生成AIモデル「Vector 1.0」をリリースした。テキストプロンプトからの生成に加え、既存の画像を高精度で拡大縮小可能なSVGベクターに変換できる。滑らかなグラデーションや明瞭な文字描画に対応し、同社プラットフォームおよびAPIで利用可能だ。
Briaが画像編集モデル「FIBO 2」公開：首位獲得、4枚の画像合成に対応
Briaは画像生成・編集モデル「FIBO 2」を公開した。最大4枚の参照画像を自然言語で合成・編集でき、Artificial Analysisの画像編集ランキングで首位を獲得。INT8版は8.4GBだが、非商用利用に限定され申請が必要となる。
HiP3R、階層型ポーズグラフで長尺動画から一貫した3D大空間を再構築
長尺動画向け3D再構築手法「HiP3R」が発表された。階層型ポーズグラフを用い、動画チャンク単位の位置合わせ後にフレームごとのカメラ姿勢を最適化することで、映像のズレや蓄積誤差を解消する。基盤モデルの再学習なしで既存手法にそのまま組み込めるのが強みだ。
テンセント、対話型世界モデル「Hy-Nomas」公開 単一の4090で動作
テンセントは自然言語やカメラ操作でリアルタイムに探索できる動画世界モデル「Hy-Nomas」をオープンソース公開した。720p/24fpsの映像を生成しながら過去の記憶を保持してシーンの一貫性を保ち、9GBの蒸留版なら単一のRTX 4090で動作する。全コードと重みがApache 2.0で提供される。
Google、Geminiに中小企業向けハブを追加 ブランド画像生成や財務分析を一元化
GoogleはGeminiアプリ内に中小企業向けの専用ハブ機能を発表した。新画像モデル「Nano Banana 2.1」を活用してブランドのトーンに沿った販促画像を生成できるほか、レシートやスプレッドシートから財務グラフを自動作成できる。ShopifyやCanvaなどの外部ツール連携にも対応する。
3Dキャラのアニメーション制作を効率化する「GaussiAnimate」がコード公開
3Dキャラクターアニメーションの制作を簡略化するツール「GaussiAnimate」のコードが公開された。内部の骨格と柔軟な表面構造を組み合わせることで、従来の剛性ボーンでは難しかった衣服や動物の複雑な軟体変形を自然に再現できるのが特徴だ。
1枚の画像から動く3Dヘアを生成、オープンソースの「HairDeck」登場
単一のキャラクター画像から、スプリングボーン入りの3Dヘアカードを生成できるモデル「HairDeck」がオープンソースで公開されました。生成速度は約1秒と従来手法より33倍高速で、そのままVRM形式で書き出せます。モデルサイズは約2.45GBと軽量で、一般的なGPUでも物理演算対応の髪を作成可能です。
Skyfall AI、工学向け世界モデル「SKY-001」発表 画像から部品分解やCAD手順を自動生成
Skyfall AIは工学設計に特化した世界モデル「SKY-001」を発表した。機械の画像から独立した3Dパーツへ分解し、CADモデリングに必要な手順やスケッチを自動生成できるほか、建築平面図の作成にも対応する。汎用モデルより高速かつ低コストで動作するが、現在はオープンソース化されておらず事前登録制となっている。
Viggleが世界モデル「JST-2」公開、テキストや画像から探索可能な3D空間とキャラを即座に生成
Viggle はテキストや画像から自由に探索できる 3D 環境を秒速で生成する世界モデル「JST-2」を発表した。空間内の物質単位を追跡することで視点を変えても破綻せず、ボーン入れなしで動く 3D キャラクターも生成できる。ブラウザ上で 3D ガウシアン・スプラッティングとしてリアルタイムに無料体験可能だ。
OpenAIの画像生成モデル「Aurora」がArenaに出現、GPT-Image-3のテストか
OpenAIのAPIとArenaテストに「Aurora」という3つの画像生成モデルが一時流出しました。赤版は高速、緑版は高精細な描写を見せており、次期GPT-Image-3の可能性が指摘されています。現在API記述は取り下げられ、公式発表や価格は未定です。
OpenMOSS、50億パラメータの画像生成モデル「MOSS-Image」をオープンソース公開
OpenMOSS は 50 億パラメータの軽量画像生成モデル「MOSS-Image」を公開した。境界ボックスによる構図制御や正確な文字描画に対応し、Transformer 部分は約 10GB で民生用 GPU でも動作する。ただし現状はテキスト生成のみで、自然言語による画像編集には非対応だ。
Kreaが画像編集モデル「Krea 3」のベータ版公開：8秒未満で2K編集、複数ターンの範囲指定に対応
Kreaは新画像編集モデル「Krea 3」のベータ版提供を開始した。8秒未満でエンドツーエンドの2K編集を完了し、バウンディングボックスによる精密な複数ターンの編集に対応する。画質はNano Banana ProやGPT Image 2.5に匹敵し、来週に正式公開される予定だ。
Black Forest LabsがFLUX 3 Klein公開、8GBメモリで4K画像生成
Black Forest Labsは5.6Bパラメータの画像生成モデルFLUX 3 Image Kleinの重みをオープンソースとして公開しました。ネイティブ4K生成や高精度編集に対応し、INT8版により8GBのGPUメモリ環境でもローカル実行できます。
3D動作の生成・理解・編集を1つに統合 新AIモデル「Möbius」登場
研究チームが、3D人体動作のテキスト生成、内容説明、欠落補完、自然言語による編集を単一フレームワークでこなす統合モデル「Möbius」を発表した。離散トークン化や事前学習済みVAEを介さず連続フレームを直接扱い、最大17億パラメータに拡張。3Dアニメーション制作やプレビズの効率化に貢献する。
写真から探検可能な3D空間を構築する「InfiniSplat v2」がオープンソース化
複数枚の写真や長尺の走行動画から探索可能な3Dシーンを再構築するモデル「InfiniSplat v2」が公開された。幾何構造と外観の予測を分離することで不正確な領域を抑制し、高精度な描画を実現する。コードと重みが無償公開されており、約6.6GBと軽量なため一般的なコンシューマー向けGPUで動作する。
SkyworkがMatrix Game 4.0を公開：単一GPUで83fpsのリアルタイム3Dゲーム生成
Skywork はリアルタイムで遊べる 3D ゲーム世界モデル「Matrix Game 4.0」をオープンソースで公開した。物理演算をゲームエンジンに任せ、AI が画面をリアルタイムに高精細化することで、単一の消費者向け GPU で最大 83fps を実現。画面の歪みや破綻を防ぎ、自然言語でコードを修正できるエージェントも備える。
NVIDIAが「Stream Render H3」公開：ゲーム画面をAIでリアルタイムに映画級へ
NVIDIA は MiniMax H3 ベースの映像生成システム「Stream Render H3」をオープンソースで公開した。ゲームエンジンが生成した簡易マップから AI がリアルタイムに高品質な描画を行う。ただしリアルタイム動作には 8 基の GP200 GPU と 200GB 以上の容量が必要となる。