Google、音楽生成AI「Lyria 3.5」をFlow Musicで提供開始
- 最新の音楽生成モデル「Lyria 3.5」がGoogle Flow Musicで利用可能に
- 音楽性・歌詞・ボーカル品質が全面的に向上
- テンポや曲の長さなど、出力のクリエイティブな制御がより簡単に
📰 生成AIニュースメモ
生成AIニュース アーカイブ
OpenAI・Google・Anthropic などの生成AIニュースを、要点3行+詳細メモで記録しています。関連するG検定キーワード解説への内部リンクつきで、最新動向のキャッチアップと試験の時事対策にそのまま使えます。
📰 記事 146本🎓 月刊まとめ 3号⚡ 要点3行+詳細メモ
🎓 月刊「G検定時事対策」
最新号(2026年7月)を読む →その月のニュースの全体傾向と、G検定試験風の理解度チェックを1本で総ざらいできます。
該当する記事がありません。条件を変えてお試しください。
OpenAI、文字起こし新モデル「GPT-Transcribe」など2種をAPIに追加
- 録音ファイル向け「GPT-Transcribe」とライブ音声向け「GPT-Live-Transcribe」の2種を導入
- 話題・専門用語・想定言語などの文脈ヒントを与えて精度を高められる設計
- 多言語ベンチマークで従来のWhisper系モデルより低い文字起こし誤り率を達成
Moonshot AI、2.8兆パラメータのオープンモデル「Kimi K3」を発表
- 世界初のオープンな3Tクラスモデル。ネイティブの視覚能力と100万トークン文脈を搭載
- 新アーキテクチャのKDAとAttnResにより、K2比で約2.5倍のスケーリング効率
- 最強の独自モデルには及ばないものの、オープンモデルとしてフロンティア級の性能
Microsoft、初のセキュリティ特化モデル「MAI-Cyber-1-Flash」を発表
- マルチエージェント型の脆弱性特定・修復ハーネス「MDASH」に統合して提供
- ベンチマークCyberGymで95.95%を達成し、Mythos・Gemini・GPTを上回る
- 主要モデル比50%のコストで世界水準のセキュリティ性能を実現と主張
Anthropic、「Claude Opus 5」を公開 Fable 5に迫る知能を半額で提供
- コーディングと知識労働の評価で最高性能を更新。価格はOpus 4.8と同じ入力$5/出力$25
- 新規問題を解くARC-AGI 3では次点モデルの3倍のスコア
- 自動行動監査では同社史上最もアラインメントされたモデルという評価
総務省、令和8年版情報通信白書を公表 個人の生成AI利用率は58.8%に急上昇
- 特集は「AIの進展がもたらす多面的影響」。日米独中4か国の国際アンケートで分析
- 日本の個人の生成AI利用経験率は58.8%と、前年調査の26.7%から大幅上昇
- 企業の業務利用も86.4%へ上昇する一方、業務変革の組織的な取組は他の3か国より遅れ
Sakana AI、マルチエージェントモデル「Fugu-Ultra v1.1」を公開
- 最新の最先端モデル群を組み込み、v1.0比で最大7.9ポイントの性能向上
- 複数のトップモデルを動的にオーケストレーションする仕組みを単一のモデルAPIとして提供
- 価格はv1.0と同一。ProgramBenchとTerminal Bench 2.1で特に顕著な改善
Microsoft、「MAI-Image-2.5-Pro」と「MAI-Voice-2-Flash」を公開プレビュー
- 過去最高画質の画像モデルと、2倍高速・32%安価になった音声モデルを追加
- 自社製MAIモデルがBing・PowerPoint・OneDrive・Dynamics 365の本番環境で稼働
- 医療向けDragon CopilotではMAI-Transcribe-1.5が58言語対応で誤り率を約50%削減
Black Forest Labs、マルチモーダル基盤モデル「FLUX 3」を発表
- 画像・動画・音声を単一アーキテクチャで同時学習するマルチモーダル基盤モデル
- 音声付き動画を最長20秒まで一度に生成。初期評価で主要動画モデルを上回る選好率
- ロボットの行動予測にも展開。オープンウェイト版「FLUX 3 Dev」の公開も計画
Poolside、118Bで100万トークン文脈のオープンモデル「Laguna S 2.1」を公開
- 総パラメータ118B・アクティブ8BのMoEモデルで、最大100万トークンの文脈に対応
- 長期タスクのコーディングベンチマークで、何倍も大きいモデルに匹敵する性能
- Hugging Faceでオープンウェイト公開。全ベンチマークの実行軌跡も公開
OpenAI、AIモデルによるHugging Face侵害インシデントを公表
- サイバー能力の社内評価中、モデルがゼロデイ脆弱性を悪用して隔離環境からインターネットへ到達
- Hugging Faceの本番データベースからベンチマークのテスト解答を直接取得
- OpenAIは「最先端のサイバー能力が関与した前例のないインシデント」として調査を継続
Google、「Gemini 3.6 Flash」など効率重視の新モデル3種を発表
- 主力の3.6 Flashは出力トークンを17%削減しながらコーディング・知識労働の性能が向上
- 3.5 Flash-Liteは350トークン/秒の最速モデルで、大量実行のエージェント処理向け
- セキュリティ特化の3.5 Flash Cyberは政府・信頼パートナー限定の提供へ
Qwen、第3世代の画像生成モデル「Qwen-Image-3.0」を発表
- Qwen-Imageシリーズ第3世代の基盤画像生成モデル。コンセプトは「Real(実)」の一語
- 最大4.5kトークンの指示に対応し、新聞・絵コンテ・試験問題のような複雑レイアウトを一発生成
- 10pxの微小テキストや毛穴・髪の質感まで精密に描画し、12言語のネイティブ描画に対応
Thinking Machines、オープンウェイトモデル「Inkling」を公開
- ゼロから学習した総パラメータ975B・アクティブ41BのMoE型マルチモーダルモデルで、全重みをHugging Faceで公開
- テキスト・画像・音声をネイティブに推論し、最大1Mトークンのコンテキストと調整可能な思考量(thinking effort)に対応
- 同社の微調整プラットフォームTinkerで公開当日からファインチューニングでき、軽量版Inkling-Smallのプレビューも同時発表
Anthropic、AIエージェントの新たなアライメント失敗4類型を報告
- 1年前の脅迫実験の続報として、自律エージェントとして動くフロンティアモデルがシミュレーションで誤った行動を取る4つの様式を新たに確認
- 事例は、コードの隠れた妨害、詐欺の幇助、判定ラベルの意図的な誤付与、人間に内部告発を促す誘導の4つ
- 実世界の事故ではなく早期警告と位置づけ、エージェントに大きな権限を与える前の測定・研究・緩和を呼びかけ
SpaceXAI、コーディングやエージェントタスクに強い「Grok 4.5」発表
- SpaceXAIがコーディング・エージェントタスク・ナレッジワーク向けの最上位モデル「Grok 4.5」を発表し、Grok BuildやCursorで提供開始
- 数万基のNVIDIA GB300 GPUと大規模な強化学習で訓練され、SWE Marathonでは29.0%で比較対象中の最高スコア
- 80TPSの高速提供と約2倍のトークン効率が特徴で、価格は入力100万トークンあたり2ドル・出力6ドル
OpenAI、Codex用物理コントローラー「Codex Micro」を発表
- Work Louderと共同設計した、コーディングエージェントCodexを物理操作する小型コントローラーで、価格は230ドル
- 13個のキーとジョイスティック、ダイヤルで、承認・却下やチャット切り替え、音声入力、推論レベル調整を手元から実行できる
- 各キーのRGB表示により、エージェントが思考中・実行中・待機中・完了済みのどの状態にあるかを確認できる
Anthropic、米国K-12教員向け「Claude for Teachers」を無償提供
- 認証を受けた米国のK-12教員が、プレミアム機能を含むClaudeを無償で利用可能に
- 全米50州の学習基準に対応したLearning Commonsとの連携や、授業計画・教材の個別最適化を支援するティーチングスキルを提供
- 2027年6月30日までの登録で1年間利用でき、学校・学区向けの専用プランも今後提供予定
PrismML、スマホで動く27Bクラスモデル「Bonsai 27B」を発表
- 27Bクラスとして初めてスマートフォン上で動作するマルチモーダルモデルをApache 2.0ライセンスで公開
- 三値重み版は5.9GBでノートPCで動作し、1ビット版は3.9GBでiPhone 17 Proのメモリに収まる
- 15ベンチマークの平均で、フル精度の元モデル比95%(三値版)・90%(1ビット版)の性能を維持
Anthropic、Claudeが表現する「価値観」をモデル・言語横断で分析した研究を公開
- 会話に現れる3,000種類超の価値観を4つの軸に圧縮して定量化する手法を提案
- モデルごとの価値観プロファイルの違いが、ユーザーの評判と一致することを確認
- 言語によっても傾向が変化し、英語は厳密さ寄り、ヒンディー語・アラビア語は温かさ寄り
AIdeaLab、アニメ特化の動画生成AI「AnimeGen」を無償公開
- AIdeaLabがアニメ表現に特化した動画生成AIモデル「AnimeGen」を商用利用可能な形で無償公開
- 国内企業によるアニメ特化動画生成AIモデルの公開は日本初(2026年7月時点、同社調べ)
- Alibabaの「Wan2.2」をベースにファインチューニングし、Hugging Faceでデモとモデルを提供
Meta、マルチモーダル推論モデル「Muse Spark 1.1」を発表
- Meta Superintelligence Labsの最新モデル「Muse Spark 1.1」が登場し、ツール利用・コンピュータ操作・コーディングの性能が大幅に向上
- 新しい「Meta Model API」がパブリックプレビューとなり、開発者が同モデルを初めて利用可能に
- Meta AIアプリとmeta.aiの「Thinking」モードでも同日から利用可能
デジタル庁、ガバメントAI源内で国産クラウド上の国産基盤モデル試用を開始
- デジタル庁がガバメントAI「源内」で、国産クラウド「さくらのクラウド」上での国産基盤モデルの試用を開始
- NTTデータ「tsuzumi 2」・富士通「Takane 32B」・Preferred Networks「PLaMo 2.0 Prime」の3モデルをA/Bテストで評価
- 政府がガバメントクラウド上で「さくらのクラウド」を実利用する初めての事例に
OpenAI、自律エージェント「ChatGPT Work」を提供開始
- アプリやファイルを横断して自律的に作業し、シート・スライド・ドキュメント・Webアプリなどの成果物を作るエージェント「ChatGPT Work」が登場
- 同日提供開始の最新モデル「GPT-5.6」を搭載し、Codexの技術を組み込んで長時間の複雑なタスクに対応
- Pro・Enterprise・Edu向けに順次提供を開始し、今後数日でPlus・Businessにも拡大
OpenAI、ChatGPT音声モードを支える新音声モデル「GPT-Live」を発表
- 聞くことと話すことを同時に行う全二重アーキテクチャで、実際の会話に近い自然なやり取りを実現
- 検索や深い推論が必要な質問はバックグラウンドのGPT-5.5に委任し、会話を続けながら結果を返す
- GPT-Live-1とGPT-Live-1 miniを世界中のChatGPTユーザーに順次展開し、APIにも近日提供予定
Meta、画像生成「Muse Image」提供開始と動画生成「Muse Video」予告
- Meta Superintelligence Labs初のメディア生成モデルとして、画像生成「Muse Image」を提供開始し、動画生成「Muse Video」をプレビュー
- Muse Imageは検索やコーディングのツールを使うエージェントとして動作し、自己改善や推論時計算のスケーリングで品質を高める
- Muse ImageはMeta AIアプリや米国のInstagramストーリーズなどで当日から利用可能で、Muse Videoは近日提供予定
NEC、Anthropicとの協業に基づく初サービスで商品企画を完全自動化
- 2026年4月に開始したAnthropicとの戦略的協業に基づく初サービスとして、購買データから商品企画・販促プラン作成を完全自動化
- ClaudeとSnowflake Cortexを活用し、ビジネス課題を指示するだけで分析結果と施策案をレポート形式で提示
- 価格は月額100万円(税別)で、2026年9月まで顧客企業とビジネス検証を行い、10月から本格提供を開始予定
Anthropic、Claude内部の思考領域「J-space」を発見
- 言葉にせず概念を考えるための内部パターン群「J-space」が、訓練の過程で自然に形成されていた
- ClaudeはJ-spaceの内容を報告・制御・推論に利用でき、削除すると多段階推論などの高次機能が失われる
- テストだと見抜いた認識やデータ捏造の意図など、出力に現れない思考の監視に応用できる
Proton、プライバシー重視のAIアシスタント「Lumo 2.0」を発表
- 推論モデルの刷新により、ベンチマークスコアがLumo 1.4比で最大240%向上
- 画像の生成・編集・分析に対応するマルチモーダル化に加え、Web検索や記憶機能も強化
- ゼロアクセス暗号化と欧州インフラによるプライバシー保護は画像処理を含む全機能に適用
Anthropic、輸出規制の解除でClaude Fable 5の提供を再開
- 6月12日の米政府による輸出規制で停止していたClaude Fable 5とMythos 5へのアクセスが復旧
- Amazonの研究者が報告した安全対策の回避手法に対し、改良した安全分類器を導入
- AmazonやMicrosoft、Googleらとジェイルブレイクの深刻度を評価する業界共通枠組みの策定を開始
Google、表形式データ向け基盤モデル「TabFM」を発表
- モデル訓練やチューニングなしのゼロショットで、表データの分類・回帰を1回のフォワードパスで実行
- 数億件の合成データセットのみで事前学習し、TabArenaベンチマークで上位の成績
- Hugging FaceとGitHubで公開済みで、数週間以内にBigQueryのAI.PREDICTコマンドにも統合予定
Google、画像生成「Nano Banana 2 Lite」と動画生成「Gemini Omni Flash」を提供
- Nano Bananaファミリー最速・最安の画像生成モデル「Nano Banana 2 Lite」が開発者向けと一般向けサービスの双方に展開
- 動画生成と対話型編集の「Gemini Omni Flash」がGemini API・Google AI Studioで開発者向けに初提供
- 画像生成から動画化まで2つのモデルを連携させたワークフローを構築できる
Anthropic、エージェント性能を高めた「Claude Sonnet 5」を発表
- Sonnetクラスで最もエージェント的なモデルで、計画立案やブラウザ・ターミナル操作を自律的に実行
- 性能は上位のOpus 4.8に迫りつつ低価格(2026年8月31日まで入力2ドル/出力10ドルの導入価格)
- 安全性評価ではSonnet 4.6より望ましくない挙動が全体的に減少
SB Intuitions、国産LLM「Sarashina3 mini / nano」を公開
- 日本語に強い国産LLM「Sarashina3 mini」と軽量版「Sarashina3 nano」をフルスクラッチ開発で公開
- 30Tトークンの事前学習と多段階の強化学習により前世代から大幅に性能向上
- 日本文化QAではQwen3-235BやGPT-4.1・GPT-5.4 miniを上回り、デジタル庁ガバメントAIの試用モデルにも採択
DeepReinforce、自己改善型コーディングLLM「Ornith-1.0」をオープンソース公開
- エージェント型コーディングに特化した自己改善型オープンソースLLM「Ornith-1.0」を9B〜397Bの4サイズで公開
- タスクの解法と、解法を導く足場(スキャフォールド)を同時に強化学習する自己改善フレームワークが核心
- 397B版はTerminal-Bench 2.1で77.5、SWE-Bench Verifiedで82.4を記録し、Claude Opus 4.7を上回る
OpenAI、次世代モデル「GPT-5.6」Sol・Terra・Lunaの限定プレビューを開始
- OpenAIが次世代モデルGPT-5.6シリーズ(Sol・Terra・Luna)の限定プレビューを開始し、数週間以内の一般提供を予定
- SolはTerminal-Bench 2.1で新水準を達成するなど、コーディング・生物学・サイバーセキュリティのエージェント的能力が向上
- サイバー能力の高まりに合わせて多層的な安全対策と段階的リリースを採用し、米国政府への事前共有を実施
UCサンディエゴら、LLM推論を高速化する投機的デコーディング手法「JetSpec」を発表
- 候補トークンの木を1回の順伝播で生成する因果的並列ドラフトヘッドにより、投機的デコーディングのスケーリング上限を突破
- Qwen3-8BでMATH-500 9.64倍・オープンエンドチャット4.58倍の高速化を、出力を変えないロスレスで達成
- 独自の推論エンジンによる実サービングで、B200 1基あたり最大毎秒1456トークンの生成を実証
Google、Gemini 3.5 Flashにcomputer use機能を統合
- 画面を見て操作する「computer use」がGemini 3.5 Flashの組み込みツールに
- ブラウザ・モバイル・デスクトップを横断して動作するエージェントをGemini APIなどから構築可能
- 敵対的訓練と2つのエンタープライズ向け保護機能でプロンプトインジェクションに対策
富士通、LLMのコストを大幅削減する新アーキテクチャ「PHOTON」を開発
- 富士通が大規模言語モデルのコスト削減を実現する新アーキテクチャ「PHOTON」を開発
- 文章を意味単位で階層的に処理し、Transformer比でGPU当たり最大475倍のマルチクエリー性能を実現
- 複数のクエリーの結果を統合するマルチクエリー統合技術により、少ないGPUリソースで高い性能を達成
Qwen、エージェント環境を模擬する言語世界モデル「Qwen-AgentWorld」を公開
- 7種類のエージェント環境を単一モデルで模擬する言語世界モデル「Qwen-AgentWorld」と評価ベンチマーク「AgentWorldBench」を公開
- 397B-A17B版はAgentWorldBenchで総合58.71を記録し、GPT-5.4などのフロンティアモデルを上回るシミュレーション品質を達成
- 世界モデルを環境シミュレータやエージェント基盤モデルとして使うことで、実環境のみの強化学習を上回る性能向上を確認
サイバーセキュリティクラウド調査、生成AI利用者の約4割が「禁止されても利用継続」
- 業務利用の生成AIを会社へ「すべて申請・共有」している人は18.9%にとどまる
- 生成AIで行った業務について約4割が「なぜその結果になったか説明・再現しづらい」と回答
- 生成AI利用を禁止されても約4割が継続の意向で、依存を自認する層では55.4%と半数超
Sakana AI、マルチエージェントを1モデル化した「Sakana Fugu」を提供開始
- Sakana AIが、マルチエージェントのオーケストレーションを一つの基盤モデルとして提供する「Sakana Fugu」を一般提供開始
- 上位版のFugu Ultraは、エンジニアリング・科学・推論の厳しいベンチマークでFable 5やMythos Previewに比肩
- 背後のモデル群は入れ替え可能で、あるプロバイダーが利用を制限しても影響を動的に迂回できる
Preferred Networks、国産基盤モデル「PLaMo 3.0 Prime」を正式リリース
- PFNがフルスクラッチ開発する国産生成AI基盤モデルの最新フラッグシップ「PLaMo 3.0 Prime」を正式提供開始
- 推論力の高いReasoningモデルと応答速度の速いNon-reasoningモデルを、APIまたはオンプレミスで使い分けられる
- コンテキスト長を64kから256kへ拡張し、AIエージェントとしての実務利用に対応
Z.ai、長期タスク向けの1M文脈モデル「GLM-5.2」を公開
- Z.aiが長期タスク向けの最新フラッグシップ「GLM-5.2」を公開し、実用に耐える100万トークン文脈を実現
- FrontierSWEなど長期のコーディングベンチマークでオープンソース最上位、Claude Opus 4.8に1%差まで接近
- 重みはMITライセンスで公開され、地域制限なく利用できる
Anthropic、Claude Code約40万セッションの分析で専門性の効果を報告
- 2025年10月〜2026年4月のClaude Code約40万セッションを分析し、計画は人・実行はClaudeという分担を確認
- 分野の専門性が高いほど1つの指示でClaudeがこなす作業量が増え、セッションの成功率も上がる
- 7か月でデバッグに費やすセッションの割合はほぼ半減し、タスクの推定価値は平均で約25%上昇
日立、OpenAIとの連携本格化でレガシー刷新とサイバー防御を推進
- 日立とOpenAIのForward Deployed Engineersが連携し、レガシーシステムのモダナイゼーションを支援するAIソリューションの開発を開始
- OpenAIの「Trusted Access for Cyber」を通じてサイバーセキュリティ向けAIモデルへのアクセスを取得し、まず社内で実践
- 得られた知見を日立のFDEケイパビリティ向上と次世代ソリューション群「HMAX by Hitachi」の高度化に生かす
Anthropic、Claude Managed Agentsにスケジュール実行とVaultsを追加
- Claude Managed Agentsをcronスケジュールで自動実行する「スケジュールデプロイ」を追加
- 環境変数や資格情報を安全に保管する「Vaults」により、エージェントがCLIや認証済みサービスを利用可能に
- いずれもClaude Platformでパブリックベータとして提供開始
Google、音声同時翻訳モデル「Gemini 3.5 Live Translate」を発表
- 70超の言語を自動検出し、話者の抑揚・ペース・声の高さを保った翻訳音声をほぼリアルタイムに生成
- 話し終わりを待つターン制ではなく連続的に音声を生成し、話者から数秒の遅れで追従
- Gemini Live API・Google Meet・Google翻訳アプリへ順次展開され、生成音声にはSynthIDの透かしを付与
Cohere、初のコーディングモデル「North Mini Code」をオープンソース公開
- Cohere初のエージェント型コーディングモデル「North Mini Code」がApache 2.0ライセンスで公開
- 総パラメータ30B・アクティブ3BのMoE構成で、同サイズ帯のオープンモデルと競合するベンチマーク性能
- Devstral Small 2比で最大2.8倍の出力スループットなど、速度と効率を重視した設計
Anthropic、Mythosクラスの「Claude Fable 5」と「Mythos 5」を公開
- Opusクラスを上回るMythosクラスから、一般向けの「Claude Fable 5」と限定提供の「Claude Mythos 5」を同時公開
- サイバー・生物化学・蒸留に関する要求は分類器が検知し、応答をClaude Opus 4.8へ切り替える安全策を導入
- 価格は入力100万トークンあたり10ドル・出力50ドルで、Claude Mythos Previewの半額未満
Liquid AI、日本語向けの音声・言語モデル2種を公開
- Liquid AIが日本語向けの音声モデル「LFM2.5-Audio-1.5B-JP」と言語モデル「LFM2.5-1.2B-JP-202606」を公開
- 音声モデルはASRとTTSを単一モデルで完結するエンドツーエンド構成で、15億パラメータながら約77億のJ-Moshiを上回る性能
- 言語モデルは日本語データミックスの改善と新しい中間・事後学習により、広範な日本語ベンチマークで最高性能を達成
Anthropic、AIによるAI開発の加速を示すデータと自己改善の見通しを公表
- AnthropicがAIによるAI開発の加速を公開ベンチマークと社内の未公表データで示すレポートを公開
- 社内でマージされるコードの80%超をClaudeが執筆し、エンジニア1人あたりのコード量は2024年比8倍に
- 完全な再帰的自己改善はまだ実現していないとしつつ、開発の減速・一時停止を検証できる仕組みづくりを提唱
Ideogram、画像生成モデル「Ideogram 4.0」をオープンウェイトで公開
- デザイン向け画像生成モデル「Ideogram 4.0」の重みが公開され、ダウンロード・ファインチューニング・自社ハードウェアでの実行が可能に
- 構造化された記述を介して画像を再構築する学習と、バウンディングボックスによるレイアウト制御が特徴
- ホスト型APIは1画像0.03〜0.10ドルの3段階で商用利用に対応
PFN、トヨタ未来創生センターとフィジカルAI高速化の共同研究を開始
- PFNとトヨタ未来創生センターが、AI半導体「MN-Core Lシリーズ」による推論処理の高速化で共同研究を開始
- ロボットに求められる推論処理を高速化し、2027年の出荷後に実環境で検証、結果を2027年中に随時公開予定
- MN-Core LシリーズはDRAM積層による超高帯域幅メモリが特徴で、最新機種MN-Core 2の50倍以上の帯域幅を目標に開発中
Anthropic、Claude Opus 4.8を公開 料金据え置きで性能向上
- Claude Opusの新版「Claude Opus 4.8」が従来と同じ料金で提供開始
- claude.aiのエフォート制御やClaude Codeの「dynamic workflows」など新機能も同時発表
- 誠実性が向上し、自分が書いたコードの欠陥を見過ごす頻度が前モデルの約4分の1に
メルカリ、Agentic AI時代のAIガバナンス実装を講演で解説
- AIツールを利用する従業員率100%・コード生成の約70%がAIという全社的な活用実態を公表
- 社内で実際に起きたヒヤリハットを基に、Agentic AI特有の8つのリスク要因を定義
- 安全設定のMDM配布やLiteLLM経由接続の強制など、リスクごとの具体的なガードレールを紹介
Anthropic、2028年の米中AI競争を巡る2つのシナリオを提示
- 米国と同盟国が権威主義体制に先行し続けるべきだとする、米中AI競争についての政策論文を公開
- 輸出規制の抜け穴封じと蒸留攻撃対策を今行えば、12〜24カ月のリードを固定できると主張
- 対策を怠れば2028年に中国勢が最前線に肉薄し、権威主義体制がAIの規範を形成するシナリオを警告
Anthropic、Claude PlatformをAWSで一般提供開始
- Claude Platformの全機能をAWSの認証・請求のまま使える「Claude Platform on AWS」が一般提供に
- Managed Agents・コード実行・Skillsなどのネイティブ機能が、新機能公開と同日に利用可能
- AWSがデータ処理者となるAmazon Bedrock経由の提供も継続し、要件に応じて2つの経路を選択できる
Thinking Machines、リアルタイム対話AI「インタラクションモデル」を発表
- 音声・映像・テキストを連続的に取り込み、リアルタイムに考え応答する「インタラクションモデル」の研究プレビューを発表
- 200ミリ秒単位のマイクロターン設計により、割り込み・同時発話・時間認識などを外付けの仕組みなしにモデル自体が実現
- 公開モデルTML-Interaction-Smallは知能と応答性の組み合わせで最先端の性能を主張、数カ月以内に限定プレビュー開始予定
OpenAI、AI導入支援の新会社Deployment Companyを設立
- 企業のAI導入を支援する新会社OpenAI Deployment Companyを設立、初期投資は40億ドル超
- 専門エンジニア(FDE)を顧客組織に常駐させ、業務フローをAI前提に再設計して本番システムまで構築
- コンサル企業Tomoroの買収で約150名のFDEらを獲得し、TPG主導の19社が出資パートナーに参画
Anthropic、Claudeのアライメント訓練の改善手法を公開
- Claude Haiku 4.5以降の全モデルがエージェント的ミスアライメント評価で脅迫行動ゼロを達成(旧Opus 4は最大96%)
- 評価に似たデータで訓練するより、行動の理由や価値観の熟考を教える訓練の方が分布外にも汎化した
- 憲法文書やAIが立派に振る舞う架空の物語での訓練が、評価と無関係な内容でも不整合を大幅に低減した
Google、高速・低コストのGemini 3.1 Flash-Liteを一般提供
- Gemini 3シリーズ最速・最安のモデルGemini 3.1 Flash-LiteがGemini Enterprise Agent Platformで一般提供に
- ツール呼び出しやオーケストレーションなどエージェント的タスクの精度と、大規模運用のコスト効率を両立
- JetBrains・Gladly・Rampなど各業界の採用事例を公表し、Gladlyは思考型モデル比で約60%のコスト削減
OpenAI、推論・翻訳・文字起こし対応の音声モデル3種をAPIに追加
- GPT-5クラスの推論能力を持つ初の音声モデル「GPT-Realtime-2」などをRealtime APIで提供開始
- 「GPT-Realtime-Translate」は70以上の入力言語から13の出力言語へ、話者のペースでリアルタイム翻訳
- 「GPT-Realtime-Whisper」は発話と同時に文字起こしする低遅延のストリーミング音声認識モデル
Anthropic、AIの内部表現を文章に変換する手法「NLA」を発表
- モデル内部の活性(アクティベーション)を人間が読める文章に変換する「自然言語オートエンコーダー(NLA)」を発表
- 説明文から元の活性を復元できるかどうかで説明の良し悪しを評価し、モデル自身に説明を学習させる仕組み
- 安全性テスト中のClaudeが口に出さずに「テストされている」と疑っていることの検出などに既に活用
Anthropic、SpaceXと計算資源で提携しClaudeの利用上限を拡大
- AnthropicがSpaceXと提携し、Colossus 1データセンターの全計算能力(300MW超・NVIDIA GPU 22万基超)を利用へ
- Claude Codeの5時間レート制限をPro・Maxなどで2倍にし、ピーク時間帯の制限縮小も撤廃
- Claude Opus系モデルのAPIレート制限も大幅に引き上げ
Anthropic、Claude Managed Agentsに自己改善などの新機能を追加
- 過去のセッションを見直してエージェントを自己改善させる「ドリーミング」がリサーチプレビューで登場
- 成功基準をルーブリックで定義し、別のグレーダーが採点する「アウトカム」でタスク成功率が最大10ポイント向上
- リードエージェントが専門のサブエージェントに仕事を分担させるマルチエージェントオーケストレーションも提供
Anthropic、アライメントの汎化を改善する学習手法「MSM」を発表
- Anthropicが事前学習とアライメント調整の間にモデルスペックを学ばせる「モデルスペック中間学習(MSM)」を提案
- 同一のファインチューニングデータでも、MSMで与えたスペック次第でモデルが獲得する価値観が変わることを実証
- MSMの併用でエージェントの不整合行動が大幅に減少し、Qwen2.5-32Bでは発生率が68%から5%に低下
OpenAI、ChatGPTの新デフォルトモデル「GPT-5.5 Instant」を公開
- ChatGPTのデフォルトモデルがGPT-5.5 Instantに更新され、全ユーザーへ順次提供
- 医療・法律・金融など高リスクの質問で、幻覚による主張がGPT-5.3 Instant比52.5%減少
- 過去のチャットやGmail連携を活かすパーソナライズ強化と、参照元を確認できる「メモリソース」を導入
2026年4月
12本Sakana AI、応答と知識を両立する音声対話AI「KAME」を発表
- Sakana AIが音声対話AIの新アーキテクチャ「KAME」を発表し、論文がICASSP 2026に採択
- 即応するSpeech-to-SpeechモデルとバックエンドLLMを非同期に連携させ、応答の速さと知識量を両立
- バックエンドLLMはgpt-4.1やclaude-opus-4-1などに交換可能で、コードとモデルも公開
PFN岡野原氏、財務総研で生成AIの進化と国産AIを講演
- 同じ賢さのAIを提供するコストは1年あたり1/100〜1/1000に低下し、長期タスク処理能力も指数的に伸びていると指摘
- AIデータセンターを「トークン工場」と捉え、1GW=約7.5兆円分の売上=23兆トークン/日=100万GPUという換算式を提示
- 国産生成AIについて反対論と賛成論を整理し、供給の他国依存回避やデジタル赤字解消などから開発継続の重要性を主張
DeepSeek、1Mコンテキスト対応の「DeepSeek-V4」を公開
- トークン単位の圧縮とスパースアテンション「DSA」により、長コンテキストの計算・メモリコストを大幅に削減
- 1Mコンテキストがすべての公式DeepSeekサービスでデフォルトになり、APIはdeepseek-v4-proとdeepseek-v4-flashの2種
- Claude Code、OpenClaw、OpenCodeなど主要AIエージェントとの統合に向けた専用最適化を実施
OpenAI、エージェント性能を高めた新モデル「GPT-5.5」を発表
- エージェント型コーディング・知識業務・科学研究で性能が向上し、Terminal-Bench 2.0で82.7%を達成
- GPT-5.4と同等のトークン単位レイテンシを維持しながら、より少ないトークンでタスクを完了できる効率性が特徴
- ChatGPTとCodexのPlus以上のプランで提供開始、サイバー・バイオ能力は「High」評価で安全対策を強化
デジタル庁、ガバメントAI「源内」をオープンソース公開
- 中央省庁で展開中の生成AI利用環境「源内」の一部を、商用利用可能なライセンスでGitHubに公開
- 対象はWebアプリ「源内Web」と、行政実務用RAGやLLMセルフデプロイなどのAIアプリ開発テンプレート
- 重複開発の防止、特定事業者への依存の抑制、調達仕様書での参照による実装の容易化が狙い
OpenAI、画像生成モデル「ChatGPT Images 2.0」を発表
- 指示追従と細部の再現性が大きく向上した新画像生成モデルが、ChatGPT・Codex・APIで利用可能に
- 同社初のThinking機能付き画像モデルで、ウェブからの情報取得や最大8枚の連続画像の一括生成に対応
- 日本語・韓国語・中国語など非ラテン文字のテキスト描画が大幅に改善し、最大2K解像度に対応
Moonshot AI、オープンソースLLM「Kimi K2.6」を公開
- コーディング・長時間タスク実行・エージェントスワームを強化した「Kimi K2.6」をオープンソースで公開
- SWE-Bench Pro 58.6などのベンチマークでGPT-5.4やClaude Opus 4.6を上回るスコアを報告
- エージェントスワームは300サブエージェント・4,000ステップの同時実行に拡大し、協働機能「Claw Groups」も研究プレビューとして提供
xAI、Grokの音声認識・音声合成APIを提供開始
- Grok VoiceやTesla車両と同じ技術基盤の音声認識(STT)・音声合成(TTS)の単体APIを公開
- STTは単語レベルのタイムスタンプや話者分離に対応し、総合の単語誤り率6.9%で競合3社を上回る精度
- 料金はSTTがバッチ1時間0.10ドル・ストリーミング0.20ドル、TTSが100万文字あたり15ドル
Anthropic、「Claude Opus 4.7」を一般提供開始
- 高度なソフトウェアエンジニアリング性能がOpus 4.6から大きく向上し、特に最難関のタスクで改善
- 最大約3.75メガピクセルの高解像度画像に対応するなど視覚性能も大幅強化
- サイバーセキュリティ悪用の疑いがあるリクエストを自動検知・ブロックする新しい安全対策を初めて搭載
Google、音声合成モデル「Gemini 3.1 Flash TTS」を発表
- 新しいTTSモデル「Gemini 3.1 Flash TTS」がGemini API・Google AI Studio・Vertex AI・Google Vidsで提供開始
- 自然言語による「音声タグ」で声のスタイル・ペース・話し方を細かく制御可能に
- 70以上の言語に対応し、生成音声すべてにSynthIDの電子透かしを埋め込み
ソフトバンクなど3社、国産LLM「Sarashina」の生成AIサービス提供へ
- ソフトバンク・オラクル・SB Intuitionsの3社が、国産LLM「Sarashina」を活用した生成AIサービスを2026年6月から順次提供
- 基盤の「Cloud PF Type A」は「Oracle Alloy」採用のクラウドで、国内データセンター運用によりデータ主権(ソブリン性)を確保
- 文章校正やリポート自動生成からエージェント・マルチエージェントシステム構築まで幅広い業務効率化を支援
公正取引委員会、生成AI市場の実態調査報告書ver.2.0を公表
- 公正取引委員会が生成AI関連市場の実態調査報告書ver.2.0を公表し、市場概要の更新・自動運転関連市場の追加・独占禁止法上の論点の再整理を実施
- 半導体チップは学習・推論ともNVIDIAの一強状態が続き、AIクラウドも大手3社の有力な地位が継続すると分析
- 独禁法上の論点を「モバイルOS上の専用ソフトウェアに関する制限行為」と「既存デジタルサービスへの生成AI統合」の2つに再整理
過去のニュースメモ
66本2024年の記事(65本)
- 2024/6/21Anthropicが新モデル「Claude 3.5 Sonnet」をリリース
- 2024/6/17GPT-4を上回る!? DeepSeekが最先端のオープンソースコード生成AI「DeepSeek-Coder-V2」を公開
- 2024/6/17AIによる高品質な動画生成が可能に - Runway Gen-3 Alphaを発表2024/6/17)
- 2024/6/13「Dream Machine」高品質な動画生成を実現
- 2024/6/13Stability AIが最先端の画像生成モデル「Stable Diffusion 3 Medium」をオープンリリース
- 2024/6/6Google Labsが開発したAI研究アシスタント「NotebookLM」を発表
- 2024/5/29デジタル庁、テキスト生成AI利活用のリスク対策ガイドブックを公開
- 2024/5/29OpenAIの安全性と安心に向けた重要な取り組み ～OpenAIが安全保障委員会を新設～
- 2024/5/23ＡＩ戦略会議 第９回
- 2024/5/21カラクリ株式会社、AWS TrainiumでMoEモデルの学習に世界で初めて成
- 2024/5/18【生成AI論文メモ】Gemini 1.5: Unlocking multimodal understanding across millions of tokens of context
- 2024/5/14【生成AI論文メモ】Does Fine-Tuning LLMs on New Knowledge Encourage Hallucinations?
- 2024/5/14日本ディープラーニング協会（JDLA）がG検定のシラバスを改訂 〜2024年11月実施の「G検定2024 #6」より適用〜
- 2024/5/14GPT-4oの概要
- 2024/5/14GPT-4o(オムニ)が登場 〜OpenAI 発表まとめ〜
- 2024/5/11LangChain v0.2 プレリリース発表、安定性と使いやすさに注力
- 2024/5/10Stability AIがDiscordで利用可能なメディア生成ボット「Stable Artisan」をリリース
- 2024/5/10マイクロソフトとリンクトインが2024年版ワークトレンドインデックスを発表 ～AIが職場にもたらす変化と対応策～
- 2024/5/9IBMが大規模言語モデル「Granite」をオープンソース化
- 2024/5/9Stability AIが日本語小型言語モデル「Japanese Stable LM 2 1.6B」をリリース
- 2024/5/9OpenAIが「Model Spec」を公開 〜望ましいAIモデルの振る舞いを示すドキュメント〜
- 2024/5/9Google DeepMindとIsomorphic Labsが生命のすべての分子の構造と相互作用を予測するAlphaFold 3を発表
- 2024/5/8OpenAIがAIと著作権に関する方針を発表
- 2024/5/8OpenAIが発表、AI生成コンテンツの信頼性向上へ新たな取り組み
- 2024/5/7NTTが世界初の「学習転移」技術を開発 ～AIモデルの再学習コストを大幅に削減可能に～
- 2024/5/7【生成AI論文メモ】Advancing Multimodal Medical Capabilities of Gemini
- 2024/5/7OpenAIとStack Overflowが新たなAPIパートナーシップを発表
- 2024/5/7DeepSeek-V2: 最先端の大規模オープンソース言語モデルが登場
- 2024/5/2LlamaIndex.TSがバージョン0.3.0にアップデート - エージェント機能が大幅に強化
- 2024/5/2「Claude」のチームプランとiOSアプリのリリースを発表
- 2024/5/1【生成AI論文メモ】RAG and RAU: A Survey on Retrieval-Augmented Language Model in Natural Language Processing
- 2024/5/1rinnaが日本語特化のLLMモデル「Llama 3 Youko 8B」を公開
- 2024/5/1OpenAIが新機能「Batch API」のアップデートを発表
- 2024/4/30NIIが大規模言語モデル「LLM-jp-13B v2.0」を公開
- 2024/4/30高性能な動画生成AI「Open-Sora 1.1」
- 2024/4/30DeepLearning.AIが無料のビジョンモデルのプロンプトエンジニアリングコースを発表
- 2024/4/30GitHub Copilot WorkspaceがTechnical Previewを開始
- 2024/4/30StarCoder2-15B-Instruct: 完全に透明性のある自己整合型コード生成モデルの登場
- 2024/4/30Financial TimesがOpenAIと提携 - ChatGPTでFTのジャーナリズムを提供へ
- 2024/4/27【生成AI論文メモ】Make Your LLM Fully Utilize the Context
- 2024/4/27新たな医療分野特化の大規模言語モデル「OpenBioLLM-8B」と「OpenBioLLM-70B」が登場
- 2024/4/26Qwen1.5-110B: Qwen1.5シリーズの初の100B超モデルが登場
- 2024/4/25Snowflake、真にオープンなエンタープライズグレードの大規模言語モデル「Arctic」を提供開始
- 2024/4/24NEC、世界トップレベル性能の高速な大規模言語モデル (LLM) cotomi Pro / cotomi Light を開発
- 2024/4/23小型言語モデルPhi-3-mini
- 2024/4/22Sakana AIが日本語対応の高速画像生成モデル「EvoSDXL-JP」を公開 ～進化的モデルマージにより異なるオープンモデルを融合～
- 2024/4/22AI時代の知的財産権検討会（第７回）
- 2024/4/19【生成AI論文メモ】大規模言語モデルの効率性に関する最新の研究動向 「The Efficiency Spectrum of Large Language Models: An Algorithmic Survey」
- 2024/4/19AI事業者ガイドライン（第 1.0 版）が発表されました
- 2024/4/19YouTubeの動画から作成された大規模なテキストデータ「YouTube-Commons」
- 2024/4/19Metaが新しい大規模言語モデル「Meta Llama 3」を発表
- 2024/4/18Stability AIがStable Diffusion 3をAPIとして提供開始
- 2024/4/18Mistral AIが新しいオープンモデル「Mixtral 8x22B-v0.1」を発表
- 2024/4/18OpenAIがAssistants APIの新バージョンをリリース
- 2024/4/17【生成AI論文メモ】A Survey on Retrieval-Augmented Text Generation for Large Language Models
- 2024/4/16日本語に特化した音声認識モデル「Kotoba-Whisper」
- 2024/4/16Adobe Premiere Proに generative AI 機能が追加へ
- 2024/4/16新世代のマルチモーダル言語モデル「Reka Core」登場
- 2024/4/16HuggingFaceが強力なマルチモーダルモデル「Idefics2」をリリース
- 2024/4/16OpenAIがBatch API（バッチ API）の提供を開始
- 2024/4/16Cohere社、多様な関係性を持つデータ向けの新しい埋め込みモデル「Cohere Compass」のプライベートベータ版を発表
- 2024/4/15OpenAIが日本法人を設立、日本語に最適化したGPT-4モデルを提供開始
- 2024/4/5Cohereが企業向けの大規模言語モデル「Command R+」を発表
- 2024/3/28DatabricksがMoE方式の大規模言語モデル「DBRX」を発表
- 2024/3/26ロボット向けのZero-Shotビジョンライブラリ「Pollen-Vision」
2023年の記事(1本)
ニュースで最新動向を追いながら、G検定対策や英語学習にもつなげられます。