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。
微软
マイクロソフト、解説動画からエージェント向け実行可能スキルを抽出する「Resource2Skill」公開
マイクロソフトが「Resource2Skill」をオープンソース公開した。人間向けの解説動画やコードを自動蒸留し、AIエージェントが実行できるマルチモーダルなスキルに変換する。MCPサーバーと連携し、Web制作やExcel、Blenderなどの実務を自律実行させる。
マイクロソフト、3.8B画像生成モデル「Lens」公開 4ステップ・0.84秒で高速生成
米Microsoftは、38億パラメータの画像生成モデル「Lens」の全重みを公開した。蒸留版のTurboモデルはわずか4ステップ・0.84秒で画像を生成でき、学習計算量を従来比の2割弱に抑えつつ最大1440×1440解像度に対応する。
マイクロソフトが音声認識モデル「VibeVoice-ASR」を公開、最長60分を一括処理
マイクロソフトが9Bサイズの音声認識モデル「VibeVoice-ASR」をオープンソースで公開した。音声を細切れにせず最長60分の一括処理が可能で、文字起こし・話者分離・タイムスタンプ出力を統合。長時間の会議やポッドキャストでも文脈が途切れず、微調整にも対応する。
米Microsoft、Edge向け「Copilot Vision」プレビュー公開 画面を見ながらリアルタイム音声対話
米Microsoftは、Edgeブラウザで閲覧中のWebページをAIが認識してリアルタイムに対話できる「Copilot Vision」のプレビュー版を公開した。セッション終了時に閲覧データが破棄される仕組み。現在は米国のCopilot Pro加入者向けに一部Webサイト限定でテスト提供されている。
マイクロソフトがCopilotを刷新、リアルタイム音声や画面を見る「Vision」を追加
マイクロソフトはCopilotの大幅刷新を発表し、自然に対話できる音声機能と閲覧中ウェブページを理解する「Copilot Vision」を追加しました。さらに複雑な推論を行う「Think Deeper」も導入。Visionなどの実験的機能は一部地域のテスター向けに順次提供されます。