本文へスキップ
IFAI

オンデバイスAI

業界タグニュース 621 件

  2. オープンソース拡散指数 54

    Cactusが視覚モデルMirageを公開：わずか22MBでスマホ上で74msの超高速動作

    Cactusがパラメータ数5130万、2ビット量子化で約22MBに収まる超軽量視覚モデル「Mirage」を公開しました。1回の推論で物体検出、OCR、セグメンテーション、空間関係の推論を同時に行い、スマホのNPUならわずか74ミリ秒で処理します。ウェアラブルやモバイル端末のローカル環境でも高度な視覚処理が軽快に動きます。

  3. オープンソース拡散指数 70

    HyperFlow H3 Flash 公開：MiniMax-H3 を 9.1GB に軽量化、24GB GPU で動画・音声同時生成

    Video Rebirth は、MiniMax-H3 を約 14B に圧縮した HyperFlow H3 Flash を公開しました。4〜8 ステップの推論で 768p の動画と同期音声を同時生成でき、Q4 版は 9.1GB まで軽量化され 24GB の家庭用 GPU で動作します。4 基の B200 を使えば実時間生成も可能になり、高品質な動画生成のローカル導入が一気に身近になりました。

  4. オープンソース拡散指数 55

    hunch：GoogleのEmbeddingGemma 2を活用し、CPU上でミリ秒級のセマンティック判定を行うOSS

    オープンソースの「hunch」は、GoogleのEmbeddingGemma 2を基盤に、一般的なCPU上でミリ秒単位の判定を行う軽量システムです。大規模モデルからリアルタイムに学び、ツール実行監視やログ分類などの高頻度タスクをわずか22ミリ秒で肩代わりします。GPU不要でAPIコストを大幅に削減できます。

  6. AIツール拡散指数 52

    Apple Watchに「音声知能」登場：直前15秒の会話テキスト化やSiri要約に対応

    AppleはwatchOS 27.3の開発者向けベータ版で「Audio Intelligence」のテストを開始した。Digital Crownを2回押すと直前15秒の会話がテキストで振り返れるほか、Siriが会話の要点を自動要約する。音声は専用ハードウェアで処理され保存されない設計で、現在は開発者向けに提供されている。

  7. 業界動向拡散指数 57

    Netflix、テレビ向け新機能「AI Discover」を試験導入　気分に合わせた作品推薦へ

    Netflixはテレビ向けアプリに実験的新タブ「AI Discover」の提供を開始した。「気楽に観られるもの」などのテーマを選ぶと、新開発のインテリジェンス層がリアルタイムで好みを学習し提案する。不要な作品の除外も可能で、まずは米国の英語ユーザー向けに順次配信されている。

  8. オープンソース拡散指数 45

    1〜2ステップで画像生成できる「NitroFusion 2」公開　ComfyUIでローカル動作

    研究チームが画像生成モデル「NitroFusion 2」をオープンソースで公開した。マルチモーダルテキストストリームに対する敵対的蒸留技術を採用し、従来の数ステップからわずか1〜2ステップでの高品質生成を実現。1ステップでも文字や細部を維持でき、ComfyUIを使って一般GPUで手軽にローカル実行できる。

  9. ロボット拡散指数 70

    清華大とバークレーが uni-robot-agent を公開：オープンモデルでロボット制御、Astra 超え

    清華大学とUCバークレーの研究チームが、オープンモデル向けロボット制御ハーネス「uni-robot-agent」をオープンソース公開しました。シミュレータの特権情報に頼らず、Qwen3.8-Flash-Next で RoboDojo スコア 31.39 を記録し、GPT-6 Astra のベースラインを 20 分の 1 のコストで上回りました。

  12. 研究拡散指数 45

    Googleの衛星が軌道上から初のAI応答を受信、TPUで俳句を生成

    Googleは「Project Suncatcher」の試作衛星に搭載したデータセンター級TPUでGemma 4モデルを稼働させ、軌道上から初のAI応答を受信したと発表した。ノルウェー地上局の通過時に宇宙を詠んだ俳句を生成・送信した。今後は放射線や熱耐性をテストし、2027年の2機連携を目指す。

  13. オープンソース拡散指数 51

    音声合成モデル「Audio8-TTS-Realistic」公開：6億パラメータで23言語の音声クローンに対応

    Edge0 がテキスト音声合成モデル「Audio8-TTS-Realistic」をオープンソース公開した。6 億パラメータ・容量 2.6GB と小型ながら、数秒の音声から 23 言語のゼロショット音声クローンが可能。Apache 2.0 ライセンスで商用利用に対応し、一般的な民生用 GPU でも動作する。

  14. オープンソース拡散指数 48

    Pika、映像・音声同時生成モデル「H3 Flex」をオープンソース公開：わずか6ステップで出力

    PikaはMiniMax-H3をベースにした動画・音声生成モデル「Pika H3 Flex」をオープンソース公開した。わずか6ステップのサンプリングでステレオ音声付きの5〜15秒の動画を生成可能。11種類の画面比率や最大12件のマルチモーダル参照に対応し、H100単体でのローカル推論に対応している点が注目される。

  16. オープンソース拡散指数 48

    Bygga：イケアの紙の説明書を対話型3Dアニメーションに変えるオープンソースツール

    開発者の Nutlope 氏がイケアの組み立て説明書を対話型 3D ガイドに変える「Bygga」を公開しました。1,171 点の製品をオフラインでサポートし、音声操作で「次へ」と進められるため作業中に手を離す必要がありません。未収録製品も Together AI を通じてスキャン・解析可能です。

  18. オープンソース拡散指数 48

    Baidu、数百ページの文書を一括解析できる「Unlimited OCR 2」をオープンソース公開

    Baiduは超長文ドキュメント解析モデル「Unlimited OCR 2」をオープンソース公開した。パラメータ数は3B（約6.9GB）で、注意機構の最適化によりページ数が増えてもメモリ消費を安定させ、複数ページにまたがる表や段落も自動で結合抽出できる。一般向けGPUでも本1冊丸ごとの電子化が可能になる。