Hugging Face、仏人型ロボット企業Pollenを買収 Reachy 2のコード公開へ
Hugging Faceは仏人型ロボット企業のPollen Roboticsを買収したと発表した。人型ロボット「Reachy 2」の販売を進めるとともに、開発者がコードをダウンロードして改良できるようにする。オープンソースAIの領域をハードウェアへ本格拡張する狙いだ。
Hugging Face
新しいニュースを見る
Hugging FaceがSmolVLM2を公開：最小256Mで端末上での動画理解を実現
Hugging Faceは軽量マルチモーダルモデルSmolVLM2をリリースした。2.2B、500M、256Mの3サイズを用意し、500M版は2.2Bに匹敵する動画理解性能をわずかなメモリ消費で発揮する。MLXに対応しiPhone単体でローカル動作する。
Hugging FaceがAIエージェントの自律性を分析、完全自律型の開発に警鐘
Hugging FaceがAIエージェントの自律度を5段階で分類し、倫理的リスクを整理しました。制御権をAIに委ねるほど危険度が増すと指摘し、自身でコードを書いて実行するような完全自律型エージェントの開発は控えるべきだと提言しています。
Hugging Faceが合成データ生成ツール公開：プロンプトからノーコードで作成
Hugging Faceはノーコードでカスタムデータセットを作成できる「Synthetic Data Generator」を公開した。自然言語で指示を入力するだけで、テキスト分類や対話データを自動生成。Argillaとの連携でデータ確認ができ、AutoTrainでの追加学習まで直感的に完結する。
Hugging Faceのオープンモデル83種がAmazon Bedrockで直接利用可能に
Hugging Faceは83種類の人気オープンモデルがAmazon Bedrock Marketplaceで利用可能になったと発表した。SageMaker JumpStart基盤で動作し、BedrockのAgentsやGuardrailsなどの高レベルAPIと連携可能。利用者はSageMakerの計算リソースとBedrock API料金のみを支払う。
アーティスト団体がOpenAI「Sora」のアクセス権を抗議流出
アーティスト団体がOpenAIの動画生成AI「Sora」のAPIに接続するフロントエンドをHugging Face上に公開した。団体はOpenAIがテスターに無償労働を強いてPRに利用していると抗議。一般ユーザーが一時的に1080p動画を生成できたが、約3時間後に遮断された。
NVIDIA、人型ロボット開発ツール群を発表 Isaac Lab公開や12倍高速な分詞ツールも
NVIDIA は CoRL にてロボット学習フレームワーク「Isaac Lab 1.2」をオープンソース公開した。あわせて人型ロボット向け Project GR00T の新ワークフロー 6 種や、最大 12 倍高速な動画トークナイザー「Cosmos」を提供し、世界モデル構築とシミュレーションの効率を大幅に引き上げる。
Recraft V3 公開：画像生成ベンチマーク首位、長文レンダリングや配置制御に対応
Recraft は最新モデル「Recraft V3」を発表した。Artificial Analysis のリーダーボードで ELO スコア 1172 を記録し、Midjourney などを抑えて首位を獲得。画像内の文字サイズや位置の指定、長文テキスト生成、ベクター画像出力に対応する。デスクトップやアプリ、API で利用可能だ。
Hugging Face、XetHubを買収 Git LFS代替で巨大モデルの更新を効率化
Hugging Faceは大規模データ管理技術を手掛けるXetHubの買収を発表した。独自のチャンク分割と重複排除により、従来のGit LFSに代わるバックエンドを構築する。大規模モデルのメタデータ変更も数キロバイトの転送で済むようになり、開発効率を高める。
Stability AI、オープン音響モデル「Stable Audio Open」の論文を公開
Stability AIはテキストから音声を生成するオープンモデル「Stable Audio Open」の論文を公開した。約50万件のクリエイティブ・コモンズ音源で学習され、民生向けGPUで最長47秒・44.1kHzのステレオ音響を生成可能。モデルの重みはHugging Faceで公開中。
AppleがオープンAIモデル「DCLM」公開、Mistral-7B超えの性能を発揮
Appleなどの研究チームがHugging Face上でDCLMモデル群（7Bおよび1.4B）をオープンソース公開した。重みだけでなく学習データやコードも完全公開されており、7BモデルはMMLUスコア63.7%でMistral-7Bを上回った。端末向け機能ではなくデータ選別の研究成果という位置付けだ。
Hugging Face、Google Cloud TPU v5e を提供開始：1時間1.38ドルから
Hugging Face は Inference Endpoints と Spaces で Google Cloud TPU v5e の提供を開始した。利用料は1時間あたり1.375ドルから。オープンソースの Optimum TPU を活用し、Gemma や Llama、Mistral などのモデルを数クリックでデプロイできる。
上海AIラボ、1Mコンテキスト対応の「InternLM 2.5-7B」をオープンソース公開
上海人工知能研究所（Shanghai AI Lab）はオープンソースモデル「InternLM 2.5-7B」を公開した。最大100万トークンのコンテキストウィンドウに対応し、推論やツール利用能力を強化。Hugging Faceの12B以下ベンチマークでトップクラスの性能を記録している。
Apple、Hugging Faceで20のCore MLモデルと4つのデータセットを公開
AppleはHugging Face上で、端末内動作に特化した20種類のCore MLモデルと4つのデータセットを公開した。FastViTやDepthAnythingなどを含み、ネット接続なしで高速処理とユーザーのプライバシー保護を両立できる。
Hugging Face、ロボット向けオープンソース「LeRobot」を公開
Hugging Faceは、ロボット工学向けオープンソースツールキット「LeRobot」をGitHubで公開した。ロボット版Transformersを目指し、事前学習済みモデルや物理シミュレータ連携、データ共有機能を備える。教育用アームから人型ロボットまで幅広く対応し、参入障壁の低減を図る。
Hugging Faceが「Open CoT」順位表を公開：思考の連鎖による精度向上幅を可視化
Hugging Faceはモデルの絶対的な正解率ではなく、思考の連鎖（CoT）プロンプトによる正解率の向上幅（Δ）を競う「Open CoT Leaderboard」を公開しました。初期テストでは7Bクラスの軽量モデルが大型モデル以上に恩恵を受けるケースが見られる一方、状況によってはCoTが逆に精度を下げる例も確認されています。
多目的エージェント「JAT」公開：1つのモデルでゲームもロボット制御もこなす
汎用エージェントプロジェクト「JAT」がオープンソースで公開された。Gatoの再現と改良を目指したもので、モデルとデータセットを同時提供。単一のTransformerで157のタスクに対応し、専門エージェント比65.8%の性能を達成している。
Meta、オープンLLM「Llama 3」を公開 8Bと70Bの2サイズ、15兆トークンで学習
Metaは次世代オープンLLM「Llama 3」を公開した。8Bと70Bの2サイズでベースおよび指示調整モデルを提供し、15兆以上のトークンで学習されている。8B版は民生用GPUでも動作や微調整が可能。オープンソースAIの新たな基準となる一方、現時点のコンテキスト長は8kトークンにとどまる。
Hugging Faceが「Idefics2」公開：8Bの軽量オープン多言語視覚モデル
Hugging Faceは8Bパラメータのオープンマルチモーダルモデル「Idefics2」をApache 2.0ライセンスで公開しました。元解像度での画像処理に対応し、OCRや文書解析性能を大幅に向上させ、30B規模の競合モデルに匹敵する性能を示しています。
Googleがコード特化モデル「CodeGemma」公開、2Bと7Bの3種展開
GoogleはHugging Faceと連携し、オープンアクセスなコード特化モデル「CodeGemma」を公開した。Gemmaをベースに5000億トークンを追加学習し、補完特化の2B、コードと自然言語を扱う7B、対話型の7B Instructを用意。2Bモデルは約6GBのメモリで動作し、端末内での高速補完に向く。