Midjourneyが「V8.2」公開：低品質な生成を大幅削減、個人好みの反映を強化
Midjourneyは画像生成モデル「V8.2」をリリースしました。美学とパーソナライズの向上に注力し、ランダムな低品質画像の出力を大幅に抑制。コミュニティの評価データを活用することで、ユーザー固有の好みをより正確に反映したエッジの効いた画像生成が可能になりました。
AI画像
新しいニュースを見る
マイクロソフト、独自画像・音声モデルを公開 Bing画像生成を全面自社製に
Microsoftは自社開発モデル「MAI-Image-2.5-Pro」と「MAI-Voice-2-Flash」のパブリックプレビューを開始した。Bing Image Creatorは完全に自社製画像モデルへ移行し、新音声モデルは処理速度を2倍にしつつコストを32%削減した。
マイクロソフトが「MAI-Image-2.6」公開、Web情報を反映する画像編集モデル
マイクロソフトは画像生成・編集モデル「MAI-Image-2.6」を公開した。Web上の最新情報を反映した画像生成が可能で、構図やスタイルの細かな編集に対応する。半額以下の軽量版「Flash」も揃い、公式サイトのPlaygroundで試用できる。
Black Forest Labsが「FLUX 3」早期アクセス開始：画像・映像・音声を統合、最大20秒の音声付き動画生成
Black Forest Labsはマルチモーダル基盤モデル「FLUX 3」の早期アクセスを開始した。独自のSelf-Flow手法により画像・動画・音声を同一アーキテクチャで統合学習し、最大20秒の音声付き動画生成やロボットの動作予測に対応する。今後数週間で画像生成やオープンウェイト版Devも順次提供される予定だ。
Qwen-Image-3.0登場：4.5kトークン入力や10px極小文字描画に対応
第3世代の画像生成基底モデル「Qwen-Image-3.0」が登場した。最大4.5kトークンのプロンプトに対応し、新聞や絵コンテなどの複雑なレイアウトを再現できる。12言語と10pxの極小文字描画をサポートするほか、ウェブ画面の生成やリアルタイムなネット検索も行える。
ABot-World：単一のRTX 5090で動く無限インタラクティブ世界生成
ABot-Worldは、操作入力に応じてリアルタイムに展開する無限の仮想空間を生成できるオープンソースの世界シミュレータです。デスクトップ向けのRTX 5090を1枚使い、720p・16FPS、遅延1.2秒で動作します。コードとモデル重みはApache 2.0ライセンスで完全公開されています。
マイクロソフトがMage Flowをオープンソース化：4B規模で生成と編集を両立、1秒未満で出力
マイクロソフトは画像生成と指示ベースの画像編集に対応するオープンソースモデル「Mage Flow」を公開した。40億パラメータ規模で、多言語テキスト描画やポーズ・輪郭線の制御機能を標準搭載する。4ステップのTurbo版は1024px画像を0.6秒未満で生成でき、主モデルは17.5GBで中〜高位GPUでのローカル動作に対応する。
Adobeのカメラアプリ「Indigo」に生成AI機能が登場、Googleのモデルを採用
Adobeが実験的カメラアプリ「Project Indigo」をバージョン1.1にアップデートし、「AI Playground」を追加しました。不要な物体の消去や画風変換、撮影アドバイス機能を提供し、自社FireflyではなくGoogleのNano Bananaモデルを先行採用しています。現在は一部ユーザー向けにテスト提供中です。
RunwayがAgent 2.0を発表：指示文から広告企画と素材を一括生成
Runwayはプロンプトからマーケティング企画や各種広告素材を一括作成できる「Agent 2.0」を発表した。MetaやYouTubeの実績データを分析して次のクリエイティブを提案し、Gen-4.5など複数のモデルを使い分けてアスペクト比や地域に合わせた素材を展開できる。動画生成にとどまらず、マーケティング業務全体の自動化を狙う。
Roblox、スマホで3Dゲームをプロンプト生成できるAIツール「Build」発表
Robloxはテキスト指示だけでプレイ可能な3Dゲームを生成できるモバイル向けAI機能「Build」を発表した。コーディング不要でゲームの仕組みや環境、音響まで一括構築する。基本機能は無料で提供され、7月28日よりニュージーランドでパブリックアルファテストが開始される。
Google 画像検索25周年、AI生成の直接統合と新ギャラリーを発表
Google は画像検索 25 周年に合わせ、AI Overviews 内での直接画像生成と個人向け動的ギャラリーを発表した。最新モデル「Nano Banana」によりテキストから画像を生成できる。今後数週間をかけて英語対応地域から順次提供される予定だ。
骨格に縛られない動作転送「Motion4Motion」：キツネの動きもキリンへ移植
研究チームが追加学習不要の動画動作転送フレームワーク「Motion4Motion」を発表した。従来の骨格モデルや ControlNet に頼らず、ピクセル単位の動作フローを追跡して対象へ直接マッピングする。骨格や体型が全く異なるキツネの動きをキリンに転送するなど、異種間での自然な動作合成が可能になる。
Wan-Animate-2：画像と動画から高精度アニメーションを生成するオープンソースモデル
アリババがキャラクターアニメーションモデル「Wan-Animate-2」をオープンソースで公開した。1枚のキャラクター画像と参照動画を入力するだけで、体や指の微細な動き、表情を高精度に転写でき、非人間キャラや複数人にも対応する。DiTベースで視点制御も備え、コードと重みが公開されている。
Meta、公開アカウントの画像を無断でAI生成できるInstagram機能を停止
MetaはInstagramで公開アカウントをメンションするだけでAI画像を生成できる機能を緊急停止した。本人の許可なくディープフェイクや性的脅迫に悪用される危険性があるとして、俳優組合や人権団体から激しい批判を受け、撤回に追い込まれた形だ。
「Lucida」登場：ガラスや髪の毛の透過に対応するオープンソース背景除去モデル
半透明ガラスや迷彩、文字の影、細い髪の毛など、一般的なツールが苦手とする境界処理に特化した背景除去モデル「Lucida」が公開された。サイズは 900MB 未満と軽量で、MIT ライセンスのもと一般的な GPU でローカル実行できる。
NVIDIAが超解像モデル「PID 1.5」公開：数秒で2K化、画質と発色が向上
NVIDIAはオープンソースの画像超解像モデル「PID」のバージョン1.5を公開しました。潜在空間のデコードと超解像を一度に処理し、民生用GPUでも数秒で512×512画像を2Kまで引き上げられます。1.0と比べ細部がより鮮明になり、FLUXやQwen-Imageなどの主要モデルに対応しComfyUIでも利用可能です。
画像生成AI「Reve 2.1」公開 他社の10分の1の計算量でArena世界2位に返り咲き
Reveは画像生成モデルの最新版「Reve 2.1」を公開した。ネイティブ4K（1600万画素）出力や多言語テキスト描画、領域指定の精密編集に対応。競合の10分の1未満の計算リソースで学習しながら、ArenaおよびDesign Arenaで総合2位に返り咲いた。
バイトダンスが「Seedream 5.0 Pro」公開：手描き注記で部分編集、高密度図版に対応
ByteDanceは画像モデル「Seedream 5.0 Pro」を発表した。テキスト密度の高いインフォグラフィックやUIの生成に加え、画像上に枠や手描き注記を入れて狙い通りに直す対話型編集やレイヤー分離に対応する。画像AIを「ガチャ」から実用的なデザイン共同作業へ引き上げる試みだ。
Ant傘下Robbyantが「LingBot-World 2.0」公開：720p 60fpsで操作可能な世界を生成
Ant Group傘下のRobbyantは世界モデル「LingBot-World 2.0」をオープンソース公開した。因果的事前学習により画質劣化を抑えて長時間対話に対応し、蒸留モデルは720p 60fpsのリアルタイム生成を実現。1.3Bおよび14Bの重みが提供されている。
Meta、画像生成モデル「Muse Image」提供開始 Meta AIで写真の部分修正も可能に
Metaは画像生成モデル「Muse Image」を発表し、Meta AIに統合した。日常会話のようなプロンプトで画像を生成・編集できるほか、写真上をマークアップして特定箇所だけを直接修正できる。日常的な利用は無料で提供されるが、公開Instagramアカウントを参照する機能はユーザーの反発を受けて廃止された。