OpenAI、GPT-6.1 Terraを公開 API価格を半額にし、大型モデルとの差を縮小
OpenAIはGPT-6.1 Terraを公開した。API価格は入力トークン100万あたり1ドル、出力5ドルで、いずれもGPT-5.6 Terraの半額。キャッシュ入力は100万あたり0.05ドルに下がる。
OpenAIはGPT-6.1 Terraを公開した。API価格は入力トークン100万あたり1ドル、出力5ドルで、いずれもGPT-5.6 Terraの半額。キャッシュ入力は100万あたり0.05ドルに下がる。
OpenAIがGPT-6.1 Terraを発表。公式は、大規模な場面で高速かつ高い能力のcomputer useを提供できるとしている。
Blockの研究ラボが音声モデル「Dessa」を発表した。ローカルで動作し、笑い声や間、泣き声などの人間らしい表現を備える。全二重の音声対音声モデルで、話しながら同時に聞き取ることができ、公式によれば完全に人間の音声で学習され、MacBook M4 Max以上のコンシューマー向けPCで動作する。現在Dessaは一般公開されておらず、Blockは安全研究者を募ってテストを進めている。
Blockは音声モデルDessaを発表した。テキストデータを一切使わず、人間の音声のみでゼロから学習した初のAIモデルだとしている。音声を直接音声として処理し、感情や皮肉、笑い、間をリアルタイムで捉え、全二重で同時に聞くことと話すことが可能だ。MacBook Pro M4 Maxでローカル動作し、学習にはNVIDIA GB200 NVL72を1台使用した。Dessaは未公開で、チームは予期せぬリスクを検証するAIセキュリティ研究者を募集しており、関心がある人はフォームから応募できる。
Moonshot AIがKimi K3.1 Proを公開した。総パラメータ2.8兆、アクティブパラメータ1040億のマルチモーダルMoEモデルで、100万トークンのコンテキストに対応し、すでに公式サイトで利用できる。
Moonshot AIはKimi K3.1 Proを公開した。Kimi K3のポストトレーニング版で、Artificial Analysisのインテリジェンス指数で55点を記録し、K3から11点向上。4位につけ、Claude Opus 5.5(58)、Claude Sonnet 5.5(56)、Muse Wonder Full(56)に次ぐ順位となった。
Jack Dorsey氏のBlockはAIモデルDessaを発表した。人間の会話のみをデータにゼロから学習したとし、真の音声対音声モデルで、MacBook Pro M4 Max以上の構成でローカル実行できるという。
Kimi K3.1 Proは本日Kimi APIで提供開始された。現時点で重みは未公開だが、Moonshotは2026年11月4日までに完全なモデル重みを公開すると約束している。
Canvaは初の自社開発画像生成モデル「Craft」を発表した。社内研究所Canva Researchが写真ではなく主に数百万点のデザインテンプレートを用いてゼロから学習させた。Craftはまず構図・比率・文字を生成し、その後30種類以上のアスペクト比に対応した最大2K解像度の画像を出力する。55言語の文字描画に対応し、Magic Layersで編集可能なレイヤーに分解できる。
Canvaは初の自社開発画像生成モデル「Canva Craft」を発表した。設計を計画してから画像を生成する2段階アーキテクチャを採用し、より高い精度・一貫性・制御性が得られるとしている。
Canvaは初の自社開発画像生成モデル「Canva Craft」を発表した。社内の研究チームが開発し、Google、OpenAI、ByteDance、Metaの同種モデルに対抗する。生成は2段階で、まずプロンプトを解析して要素の空間関係、相対的な大きさ、視覚的階層、テキスト情報を計画し、その後最大2K解像度・30種類のアスペクト比に対応する画像を出力する。公式によれば物体の細部を正確に保ち、文字も鮮明で、部分的な精密編集も可能だという。
Allen AIは衛星埋め込みモデルOlmoEarth v1.3を公開した。1年分のSentinel-1、Sentinel-2、Landsatの時系列データを読み込み、地球上の10メートルピクセルごとに128次元のベクトルを生成する。最初の64次元だけでも利用できる。
Recursiveは初の言語モデルFlintを公開した。開発過程ではEureka Machineと呼ばれるAIシステムがアイデアの提案、構築、テスト、後続実験の計画に関与した。
IBMはHugging FaceでGranite Timeseries Ensembleを公開した。PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1、TTM-r3の4つの事前学習済みGranite時系列モデルを統一的な予測インターフェースに組み合わせたもので、再学習もアンサンブル重みの fitting も不要だ。
Recursiveは初のモデルFlintを公開した。ノートPC上でオフライン動作する無料のコーディングモデルで、Apache 2.0ライセンスのもとHugging Faceでダウンロードできる。
NVIDIAは事前学習済みの関係型基盤モデル「Kumo Relational」を発表した。企業データベース上で解約、需要、不正などの予測を直接行え、1回のフォワードパスで完了する。タスク固有の学習や特徴量エンジニアリング、テーブルのフラット化は不要だ。
Inceptionは拡散言語モデルMercury 3を発表し、複数のベンチマークでGPT-6 LunaとClaude Haiku 5.5を上回り、実行速度は4~8倍だと主張している。
IBMはGranite Speechシリーズを更新し、granite-speech-5.0-2bを新たに追加するとともに、granite-speech-5.0-470m-turboctcとgranite-speech-4.1-2b-plusを改訂した。
NVIDIAは多変量時系列予測モデルKumo Forecast(旧NV-Tesseract Forecasting)を発表した。MOMENT-1-largeバックボーンに基づき、約3億4000万パラメータのエンコーダーと学習可能な予測ヘッドを備え、Apache 2.0ライセンスで提供される。
NVIDIAは言語、ロボティクス、生物学、量子計算にわたるオープンモデル群を拡充した。新しいNemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retrieverのほか、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo RFD4-Proteina、Isingが含まれる。
ElevenLabsは音声間モデル「Eleven Realtime」2種を発表した。v1 Maxはベンチマーク「Big Bench Audio」で98.8%を記録し、応答時間は0.57秒。
OpenAIは、COBOLやFortran、Visual Basicなど学習用コードが乏しい「低リソース」言語向けに最新モデルを改善したと述べた。
Mistral AIは、リアルタイム音声エージェント向けのモデルファミリーVoxtral 3を発表した。音声認識モデルVoxtral Small Transcribe 3、音声合成モデルVoxtral Mini TTS 3、LiveKitベースの音声エージェントSDKで構成され、聞く・考える・ツールを呼び出す・話すを単一のストリーミングパイプラインに統合する。
NVIDIAはCosmos3-H-Dreamsを発表した。対話型生成シミュレーションを臨床の胆嚢摘出シーンへ拡張するもので、160億パラメータのCosmos3-H-Embodied-Nanoを微調整して構築し、NVIDIA RTX PRO 6000 GPU 1枚でリアルタイムに動作する。
Mistralは音声モデル群Voxtral 3を発表した。50以上の言語に対応する文字起こしモデルVoxtral Small Transcribe 3と、4BパラメータのVoxtral Mini Transcribe 3を含む。
CloudflareはAIモデルClairicを公開し、文書からのデータ抽出において速度とコストの両面で大規模言語モデルを上回ると主張している。現在Workers AIでプレビュー提供中で、オープンウェイトも近く公開予定だ。
Latent Space の AINews が 10 月 16 日から 19 日までの動きをまとめた。DeepSeek V4.1 Flash 1017 は総パラメータ 552B、アクティブ 16B の MoE アーキテクチャと 1M トークンのコンテキストで公開され、MIT ライセンス、価格は入力・出力それぞれ 100 万トークンあたり 0.30 ドル/1.20 ドルを維持する。
Kling AIがバージョン4.0を公開した。1回で最大30秒の動画を生成でき、最大10枚のキーフレーム画像を入力可能。プロンプト理解は8,000トークンに拡大した。新バージョンでは2チャンネルのステレオ音声と10数言語のリップシンクを追加し、Omni Referenceは1回で最大15点の参照素材を受け付ける。最大720p・20秒の軽量Flash版も登場した。Kling 4.0はMCPとCLIから利用でき、APIの価格は未発表。
MiniMaxは推論モデルM3.1 Flashを発表した。Artificial Analysisのインテリジェンス指数で42点を記録し、前世代のM3より13点高い。1タスクあたりのコストはその半分以下だ。
Nvidiaは常時稼働するエージェントとエッジコンピューティング向けのオープンウェイトモデルを発表した。1200億パラメータのNemotron 3.5 Super VLと、軽量なBoltモデル2種を含む。
Google DeepMindのチームは、Gemini 4 Argonで動作する4体のAIエージェントをランダム生成された世界に投入し、人間の入力なしで初めてMinecraftをクリアしてエンダードラゴンを討伐した。
DeepSeek は DeepSeek-V4.1-Flash-1017 を公開した。公式サイト、アプリ、API で提供を開始し、Hugging Face と ModelScope でモデルの重みをオープンソース化した。
Vercelが木曜日に公表したデータによると、TypeSafe AIの意思決定モデルJevは公開から2週間で有料チームの35%に使用され、2番目に人気のモデルSonnet 5.5のほぼ2倍の普及率に達し、Vercelプラットフォーム上で最初の2週間で最も速く採用されたモデルとなった。
Elorian が初のモデル Glimpse を公開し、研究プレビューとして API を開放、チャット画面は順番待ちとなっている。Glimpse は推論の途中で画像の領域を切り取ったり、動画から特定のフレームを抽出したり、コードを実行して測定・比較したりできる。Elorian はこの仕組みを視覚的スクラッチ空間と呼んでいる。価格は入力が100万トークンあたり0.60ドル、出力が100万トークンあたり3ドル。Elorian の評価によると、科学図表の推論と短尺動画の説明で GPT-6 Astra を上回る。
Google DeepMindの新たなフロンティアモデルGemini 4 Argonは、Provider Adapter Harnessというテスト環境でARC-AGI-3において97.5%を記録し、コストは4800ドルだった。OpenAIに続き95%を超えた2番目のラボとなり、GPT-6 Astraの99.9%に次ぐ結果である。
Reflection AIは、エージェント型コーディングと長期タスク向けのオープンウェイトモデルBeamを公開した。コードの保守、ツールの呼び出し、複数ステップのワークフロー実行が可能。
米国の新興ラボReflectionがHugging Faceで初のオープンモデルBeamを公開した。MoEアーキテクチャを採用し、総パラメータ501B、トークンあたり23Bを活性化、1Mトークンのコンテキストに対応。Apache 2.0ライセンスで公開され、コーディングとエージェント用途を想定している。
GoodfireのNick Cammarata氏が記事を公開し、「ニューラルネットワークはすでにクリーンである」という作業仮説を提示した。多義性や重ね合わせの現象とされ、解釈が難しい重みの絡まりの多くは、エージェントによる分析をさらに進めれば解きほぐせるとしている。同氏は2023年にOpenAIで行った自動解釈可能性の研究では読み取れるニューロンは約2%しか見つからなかったと述べ、著名な多義ニューロンの事例のいくつかは誤読だと指摘した。
MetaはオープンウェイトモデルMuse Spark Openを公開し、米国最強のオープンウェイトモデルと位置づけた。コーディングとエージェントタスク向けで、8160億パラメータ(アクティブ420億)、最大100万トークンのコンテキスト、テキスト・画像・動画・音声に対応する。
IBMがGranite Switch 4.1を公開した。Granite-Switch-4.1-8Bと-30Bを含み、汎用意思決定aLoRA、安全意思決定Guardian aLoRA、OpenASRリーダーボードで最速のASRモデルGranite-Speech-5.0-Turbo-CTCを1つのモデルに組み合わせ、VRAM使用量はベースモデル単体とほぼ同等である。