テスト時訓練で高精度な3D再構成を行う「tttLRM」公開、4GB未満で民生用GPUに対応
3D再構成モデル「tttLRM」がオープンソースで公開された。テスト時訓練（TTT）技術により複数枚の写真から高品質な3D Gaussian Splatsを生成し、従来のノイズや霧状の乱れを抑えて微細な文字や電線まで復元する。サイズは4GB未満で、民生用GPUでも動作する。
オンデバイスAI
新しいニュースを見る
Samsung、Galaxy AIにPerplexityを統合 「hey, Plex」で呼び出し可能に
SamsungはGalaxy S26のGalaxy AIにPerplexityを統合すると発表した。BixbyやGeminiに加え「hey, Plex」で呼び出せ、メモやカレンダーなどの標準アプリと連携する。単一のAIに縛られず、用途に応じて使い分けるマルチエージェント構想を進める構えだ。
Figure、ヒト型ロボット7台による24時間自律稼働を開始 充電も全自動
米Figureは本社に7台のヒト型ロボット「Figure 03」を配備し、24時間365日の連続稼働体制に入ったと発表した。ニューラルネットワーク「Helix 02」が統括し、バッテリー残量に応じて自ら2kW非接触充電台に向かいタスクを引き継ぐ。完全自律の給電ループを確立した点は注目されるが、具体的な作業内容は公表されていない。
OpenAIが自社製AI機器を開発中か：約200〜300ドルのスマートスピーカーを計画
米The Informationの報道によると、OpenAIは200人規模のチームで自社製AIハードウェアの開発を進めています。第1弾はカメラと顔認識を備えた200〜300ドルのスマートスピーカーで、早ければ2027年2月の発売を目指しています。スマートグラスやランプの計画も進行中です。
Apple、AI搭載スマートグラスやペンダント型端末などウェアラブル3種の開発を加速か
Bloombergの報道によると、Appleはスマートグラス（コード名「N50」）、カメラ付きペンダント型デバイス、AI対応AirPodsの開発を加速させている。いずれもiPhoneと連携し、Siriが視覚情報を活用して動作する設計。グラスは2026年12月にも生産開始、2027年発売を目指すという。
NVIDIAがガイド公開：RTX GPUやDGX SparkでAIエージェント「OpenClaw」を無料稼働
NVIDIAはGeForce RTX GPUやDGX Spark上でローカルファーストのAIエージェント「OpenClaw」を完全無料で動かす導入ガイドを公開しました。OllamaやLM Studioを活用してローカルLLMを動かすことで、高額なクラウドAPI費用を避けつつプライバシーを保護できます。常時稼働させる際のセキュリティ対策にも留意が必要です。
Moonshine AI、端末向け音声認識モデルを公開：Whisper超えの精度を軽量実現
Moonshine AIが、iOSやAndroid、Raspberry Piなどでリアルタイム動作する音声認識モデル「Moonshine Voice」の重みを公開した。2億パラメータのモデルはWhisper Large v3より7.5倍小さく単語誤り率でも上回る。
「Monarch RT」公開、単体RTX 5090で16fpsのリアルタイム動画生成を実現
動画拡散モデル向けの高速化手法「Monarch RT」が発表された。単体のコンシューマー向けGPU（RTX 5090）で毎秒16フレームのリアルタイム生成を達成し、FlashAttentionと比べて約4倍高速化しながら画質低下を最小限に抑えている。データセンター不要で手元のPCで動かせる点が大きな進展だ。
LobsterAI：NetEase 有道がオープンソース化したデスクトップ AI エージェント、Office 編集からスマホ連携まで対応
NetEase 有道はデスクトップ向け AI エージェント「LobsterAI」を MIT ライセンスで公開した。ローカルの Office 文書編集やブラウザ操作に対応し、外部チャットアプリからスマホ経由でタスクを指示できる。ローカルサンドボックスと実行前承認を備え、安全に日常業務を代行できるのが特徴だ。
Waymo、第6世代自律走行システム「Driver」の完全無人運行を開始
Waymoは第6世代Waymo Driverによる完全自動運転の運行を開始したと発表した。独自チップの採用でカメラ数を半減させつつ、LiDARなどのセンサーコストを削減し、寒冷地の悪天候への耐性を強化した。現在は従業員向けにテスト運行中で、近く一般公開される予定。
超軽量音声補正「LavaSR」登場：わずか50MB、GPUで実時間の5000倍速
超軽量の音声補正ツール「LavaSR」が登場しました。サイズはわずか50MBで、ノイズを除去して声の存在感を引き上げます。GPU上で実時間の5000倍、CPUでも60倍の超高速動作を実現し、スマホ上での動作も可能です。端末側でのリアルタイム音声処理を手軽に試せるのが魅力です。
SoulX-Singer：わずか数秒の音声で歌声クローン、3GB未満でCPU動作も対応
Soul-AILabはゼロショット歌声合成モデル「SoulX-Singer」をオープンソース公開した。数秒の話し声と参考音源を渡すだけで、その声で狙った曲を歌わせることができる。モデルサイズは3GB未満と軽量で、低スペックGPUやCPUでもローカル実行が可能だ。
動画の多言語吹き替えと口パクを自動同期するオープンソースツール「Just Dub It」
動画の多言語吹き替えとリップシンクを同時に処理するオープンソースツール「Just Dub It」が公開された。LTX-2 モデル向けの軽量 LoRA アダプターとして動作し、話者の容姿を保ったまま翻訳音声と口の動きを生成する。コードや重みは公開済みで、民生用 GPU でも動作する。
メモリ10MBで動く超軽量AIアシスタント「PicoClaw」登場 起動1秒、格安基板に対応
常駐型AIエージェントフレームワーク「PicoClaw」がオープンソースで公開された。Go言語でゼロから再構築され、メモリ消費量は10MB未満、起動時間は1秒以内とOpenClaw比で99%削減。10ドルの小型基板でも動作し、Telegramなどから指示を出して24時間タスクを任せられる。
Mistral、音声認識「Voxtral Transcribe 2」公開：リアルタイムモデルをApache 2.0でオープン化
本日、Mistral AIは新世代の音声認識モデル群「Voxtral Transcribe 2」を発表しました。4Bパラメータのリアルタイムモデル「Voxtral Realtime」はApache 2.0ライセンスで重みが公開され、200ミリ秒未満の超低遅延で端末上でも動作します。日本語を含む13言語に対応し、話者分離機能も備えています。
OpenBMBが「MiniCPM-o 4.5」公開、リアルタイム対話と自発的な割り込みに対応する9B全モダリティモデル
OpenBMBは9Bパラメータのオープンソース全モダリティモデル「MiniCPM-o 4.5」を公開した。映像や音声を同時にストリーミング処理しながら遅延なく音声で返答できる全二重通信に対応し、AI側から自発的に会話へ割り込むことも可能だ。単一GPUやMacなどのローカル環境でも動作し、文書解析や視覚認識で大手商用モデルに迫る性能を発揮する。
Zhipu AI、0.9Bの軽量OCRモデル「GLM-OCR」をオープンソース公開
Zhipu AIはわずか0.9Bパラメータの軽量マルチモーダルモデル「GLM-OCR」をオープンソース公開した。OmniDocBench V1.5で94.62点を獲得して首位に立ち、複雑な表や数式、手書き文字を高精度にMarkdownやJSONへ変換できる。MITライセンスで提供され、OllamaやvLLMでローカル実行が可能。
動画の反射や影まで消せる「Omnimat Zero」がオープンソースで登場
動画内の指定した対象だけでなく、水たまりの反射や地面の影まで自然に除去できる動画編集ツール「Omnimat Zero」のコードが公開された。複雑な遮蔽物の保持や前景の透明レイヤー抽出にも対応する。
ACE-Step 1.5公開：VRAM 4GB未満で動作するオープンソース音楽生成AI
ACE StudioとStepFunは音楽生成基盤モデル「ACE-Step 1.5」をオープンソースで公開した。VRAM 4GB未満で動作し、RTX 3090なら10秒未満で1曲生成できる。50以上の言語とMITライセンス商用利用に対応し、ローカル環境での本格的な音楽制作を手軽にする。
LM Studio 0.4.0公開：GUI不要のサーバー運用と連続バッチ処理に対応
LM Studioが0.4.0版をリリースしました。GUIなしで動作するデーモン「llmster」を新設し、LinuxサーバーやCI環境への直接デプロイに対応。llama.cppエンジンによる連続バッチ処理で複数リクエストの同時並行処理が可能になったほか、ローカルMCP対応のステートフルREST APIも追加されました。