Clawdbot：チャットからローカルPCを直接操作できるオープンソースAI
オープンソースのセルフホスト型AIアシスタント「Clawdbot」（現Moltbot）が登場しました。Telegramなどのチャットから指示を送るだけで、ローカルPC上でスクリプト実行やファイル管理をこなします。自らコードを書いて新スキルを追加でき、データもクラウドに流れません。
オンデバイスAI
新しいニュースを見る
Voicebox：音声クローンと文字起こしをローカルで完結するオープンソースAI
オープンソースのローカル音声アプリ「Voicebox」がGitHubで4.2万以上のStarを獲得し、注目を集めています。数秒の音声から声を複製できるほか、グローバルショートカットであらゆる入力欄に音声入力でき、Claude Code等のエージェントへの組み込みにも対応。有料サービスに頼らずローカル環境で音声ワークフローを構築できます。
AdobeがPremiereを強化：端末内AIで被写体を自動追従、マスク追従は最大20倍高速化
Adobe は Premiere 向けに端末内 AI を活用した「Object Mask」を発表した。マウスを重ねてクリックするだけで動く被写体を正確に追従できる。形状マスクのトラッキング速度も最大 20 倍に向上し、Firefly Boards からの素材取り込みにも対応。After Effects 26.0 も同時提供される。
Overworld、キーボードとマウスで操作できるリアルタイム世界モデル「Waypoint-1」をオープンソース公開
Overworldはキーボードやマウスでリアルタイムに操作できる動画生成世界モデル「Waypoint-1」をオープンソース公開しました。1万時間のゲーム映像で学習され、RTX 5090上で最大60FPSの低遅延生成を実現しています。画質や一貫性に課題は残るものの、2.3Bの小型モデルがローカル向けに提供されています。
LightOnOCR-2-1B 公開：わずか 1B で 9B モデルを凌駕する高速 OCR
LightOn はエンドツーエンドの視覚言語 OCR モデル「LightOnOCR-2-1B」をオープンソース公開しました。1B という小型サイズながら、OlmOCR-Bench で 9B の Chandra-9B を上回り、DeepSeekOCR の 1.73 倍高速に動作します。Apache 2.0 ライセンスで、1600 万ページの訓練データも提供されます。
Googleが翻訳モデル「TranslateGemma」公開：12B版が27B超え、画像内翻訳も対応
Google は Gemma 3 ベースのオープン翻訳モデル「TranslateGemma」を発表しました。4B、12B、27B の 3 サイズ展開で 55 言語に対応。12B モデルが従来の 27B ベースラインを上回る精度を出し、画像内のテキスト翻訳機能もそのまま引き継いでいます。
Black Forest Labsが「FLUX.2 klein」公開、1秒未満で画像生成・13GB GPUで動作
Black Forest Labsは画像生成モデル「FLUX.2 klein」を発表した。13GB VRAMの一般向けGPUで1秒未満の画像生成・編集が可能。Apache 2.0ライセンスの4B版と重み公開の9B版を用意し、APIや無料デモアプリも提供する。
Black Forest Labs、画像生成「FLUX.2 [klein]」発表 1秒未満で推論、4B版はApache 2.0公開
Black Forest Labsは、1秒未満での推論を可能にする高速画像生成モデル「FLUX.2 [klein]」を発表した。競合モデルより30％以上高速化し、9Bと4Bのバリアントを用意。特に4B版はApache 2.0ライセンスでオープンソース化され、8.4GBのVRAMでローカル動作する。
KyutaiのPocket TTS：1億パラメータでCPUリアルタイム動作する音声合成
KyutaiがCPU向け軽量音声合成モデル「Pocket TTS」をオープンソース公開。1億パラメータの省サイズ設計でGPUを必要とせず、MacBook Air M4の2コアで約6倍速のリアルタイム生成と200msの低遅延を実現。音声クローンや長文朗読にも対応する。
Anthropic、作業自動化エージェント「Claude Cowork」をプレビュー公開
Anthropicは日常業務を自動化するAIツール「Claude Cowork」のリサーチプレビューを公開した。指定フォルダ内のファイルを直接読み書きし、経費精算やレポート作成をバックグラウンドで実行できる。現在はmacOS版デスクトップアプリのMaxプラン契約者向けに提供されている。
NovaSR：わずか52KB、実時間の3500倍速で音質を向上させる超小型音声モデル
開発者の yatharthsharma3501 氏が超軽量な音声アップサンプリングモデル「NovaSR」をオープンソース公開した。サイズは約 52KB で、10 層未満の畳み込み層により単一 A100 上で実時間の 3600 倍速を達成。16kHz の音声を 48kHz の高音質に変換でき、エッジ機器やリアルタイム処理に向く。
Liquid AIが「LFM2-2.6B-Exp」公開：純粋な強化学習で3B級トップ、指示追従で巨大モデル超え
Liquid AIは実験的モデル「LFM2-2.6B-Exp」を公開した。純粋な強化学習で構築され、指示追従、知識、数学のベンチマークで他の3Bモデルを上回る。IFBenchスコアでは263倍巨大なDeepSeek R1-0528を凌駕したという。モデルはHugging Faceで配布されている。
サンフランシスコの大規模停電でWaymo自動運転車が立ち往生、交通渋滞を引き起こす
土曜日、サンフランシスコで約13万世帯に影響する大規模停電が発生し、Waymoの自動運転タクシーが信号停止や通信障害により路上で立ち往生しました。同社は配車サービスを一時中断し、日曜夜に運行を再開。インフラ障害時に遠隔支援オペレーターと通信できなくなる課題が浮き彫りになりました。
Google、マルチモーダルと128Kコンテキスト対応の「T5Gemma 2」を発表
GoogleはGemma 3ベースの次世代エンコーダー・デコーダーモデル「T5Gemma 2」を発表した。同構造として初めてマルチモーダルと128Kトークンの長文脈に対応。注意機構の統合などにより約3.7億〜70億パラメータに小型化し、オンデバイス向け事前学習済みモデルとして提供する。
GoogleがFunctionGemma公開：端末で動く270Mの関数呼び出し特化モデル
GoogleはGemma 3 270Mをベースに関数呼び出しへ特化させたFunctionGemmaを公開した。スマホやJetson Nano上で完全オフライン稼働し、ファインチューニングにより精度は58%から85%に向上。プライベートかつ高速なエッジエージェントを構築できる。
NVIDIA、72GBメモリ搭載のデスクトップ向け「RTX PRO 5000」を一般提供開始
NVIDIA は Blackwell アーキテクチャを採用したワークステーション向け GPU「RTX PRO 5000 72GB」の一般提供を開始した。72GB の高速 GDDR7 メモリを備え、48GB モデルから容量が 50% 増加、2,142 TOPS の AI 性能を発揮する。データセンターに頼らず、複雑な AI エージェントやマルチモーダル開発をローカル環境で直接こなせるようになる。
Rivianが最新アプデ配信：手放し運転対応エリアが350万マイル超に拡大、AI運転スタイルも選べる
Rivianはソフトウェアアップデート2025.46を公開しました。第2世代車両向けの手放し運転機能が全米・カナダの350万マイル以上の一般道や高速道路へ一気に拡大。さらに運転の挙動をマイルド、ミディアム、スパイシーの3段階から選べるエンドツーエンドAIモデル採用のスタイル設定も追加されました。
Rivian、独自開発シリコンと次世代AI自動運転プラットフォームを発表
Rivian は自社イベントで独自開発のカスタムシリコンと次世代自動運転プラットフォームを発表した。車載 AI の統合を進め、Universal Hands Free 機能をアピール。2026 年には第 2 世代車両向けに手放し運転機能の導入を計画している。
Tiiny AIが手のひら大のAIスパコン発表：120Bモデルを完全オフライン動作
Tiiny AIはギネス世界記録に認定された世界最小の個人向けAIスパコン「Pocket Lab」を発表した。モバイルバッテリー大の筐体と65Wの消費電力で、TurboSparseやPowerinfer技術を活用し、GPU不要で最大120BのLLMを完全オフラインで動作させる。
Mistral AI、コード特化モデル「Devstral 2」とCLIツール「Mistral Vibe」を公開
Mistral AIはオープンソースのコード特化型モデル「Devstral 2」（123B）と「Devstral Small 2」（24B）、端末向けCLI「Mistral Vibe」を発表した。123BモデルはSWE-bench Verifiedで72.2%を記録し、Claude Sonnetより最大7倍コスト効率が高い。24B版はコンシューマー向けハードウェアでローカル動作する。APIは現在無料で提供されている。