Google DeepMind、ロボットモデル Gemini 4 Argon を発表
Google DeepMind は Gemini 4 Argon を発表した。物理理解、コード生成、視覚意味推論を柱とし、Embodied Reasoning(ERQA)ベンチマークで純粋な推論により 87% を達成、他のフロンティアモデルを上回るとしている。
Google DeepMind は Gemini 4 Argon を発表した。物理理解、コード生成、視覚意味推論を柱とし、Embodied Reasoning(ERQA)ベンチマークで純粋な推論により 87% を達成、他のフロンティアモデルを上回るとしている。
アブダビの技術革新研究所(TII)は、1.6Bパラメータの音声認識モデル「Falcon-ASR」を発表した。アラビア語を主軸にアラブ首長国連邦方言に注力し、英語、フランス語、スペイン語、ポルトガル語にも対応する。
AWS は Claude Haiku 5.5 が Amazon Bedrock と AWS 上の Claude Platform で提供開始されたと発表した。
Liquid AI は d1 意思決定モデルファミリーから、オープンウェイトの 2 モデル d1-3B と d1-omni-600M(実験的)を公開した。d1-3B は Decision Index 0.2.1 で 48.57 を記録し、10B 以下では最高。テキストと画像に対応する。d1-omni-600M はテキスト+画像またはテキスト+音声に対応する。
OpenAIは、GPT-6がChatGPTで世界中で提供開始され、Intelligent UIを組み合わせると発表した。公式によると新バージョンは応答がより速く、可視化されたコンテンツと直接探索・利用できるインタラクティブな体験を提供する。
Google DeepMind は、Gemma 4 アーキテクチャをベースにした Apache 2.0 ライセンスのオープンソース・マルチモーダル埋め込みモデル EmbeddingGemma 2 を公開した。テキスト、画像、音声、動画を単一の埋め込み空間にマッピングできる。
MistralはMistral Large 4の公開プレビューを発表した。1兆パラメータ、49Bのアクティブパラメータを持つネイティブマルチモーダルモデルで、Mistral StudioでプレビューAPIを試用でき、重みは今月末に公開される。
Falcon-Emirati-7B が公開された。Falcon-H1-Arabic をベースに構築された 7B の方言特化モデルで、アラブ首長国連邦のアラビア語の理解と生成に特化している。Falcon-H1 のハイブリッドアーキテクチャ(Mamba と Transformer アテンションの並列)を踏襲し、実際の方言ウェブデータ、MSA の文化コーパス、用語集に制約された合成データで訓練されている。
Ai2がAstaBrief 8Bをオープンソース化した。研究上の問いと検索した文献の抜粋を、引用付きのレポートに変換するモデルで、Qwen3-8BをベースにSFTとDPOで訓練され、重みと訓練データの両方が公開されている。
Google DeepMindは新たなフロンティアモデル「Gemini 4 Argon」を発表した。まずFairwind Programの信頼できるサイバー防御担当者に開放し、その後開発者、企業、消費者向けに提供する。価格は入力100万トークンあたり2ドル、出力100万トークンあたり10ドルから。
NVIDIAはオープンソースの表形式基盤モデルKumo Tabularを公開した。ラベル付きの表の行を入力すると、学習、調整、特徴量設計なしに、単一の順伝播で新しい行のラベルを予測し、分類と回帰に対応する。28M〜215Mの3サイズを提供し、人工合成の表のみで事前学習した。商用利用可能なOpenMDW-1.1ライセンスを採用し、TabArena、BeyondArena、TALENT、ScoringBenchの4ベンチマークで首位だった。
OpenAI が GPT-6.1 Sol を発表した。公式は Astra に近い知能水準を持ち、コーディング、コンピューター操作、専門業務の場面に対応するとしている。このモデルの API 入力・出力トークン価格は Astra の標準価格の5分の1。
AWSはClaude Sonnet 5.5をAmazon BedrockとClaude Platform on AWSで提供すると発表した。コーディングと知識労働向けのより効率的なSonnetと位置付け、多くのタスクで1件当たりの費用が低く、速度も速いとする。
HはHolo4エージェントモデル群を公開した。27Bのdenseと35B-A3BのMoEの2規模がH Models APIで利用可能で、Hugging FaceではBF16、FP8、NVFP4、4-bit GGUF形式のウェイトを公開している。
Google DeepMindはGemini 3.8 Live with Live Avatarを公開した。ネイティブなリアルタイム対話モデルにほぼリアルタイムの動画生成を加え、聞く、見る、話すことのできる動的な視覚アバターを実現し、本日からGemini Enterpriseで提供する。
Liquid AIは視覚言語モデルLFM2.5-VL-3B向けの実験的DSpark草稿モデルLFM2.5-VL-DSparkを公開した。投機的デコードで品質を変えずに高速化し、デコードは端末で最大3.13倍、H100で2.66倍、全工程はそれぞれ最大2.62倍、2.27倍になる。
Google DeepMindは音声生成モデルGemini 3.8 Flash TTSとGemini 3.8 Flash-Lite TTSを公開した。前者はキャラクター設計と行ごとの演技指示、後者は同時処理数の多い吹き替えと音声エージェント向けである。
OpenAIはGPT-6 SolとLunaを公開した。最先端の知能を日常業務に届け、能力と費用のバランスにそれぞれ異なる重点を置く。
Google DeepMindはリアルタイム対話モデルGemini 3.8 LiveとGemini 3.8 Live Extended Thinkingを公開した。前者は規模と費用効率、後者は複雑な課題と多段階推論向けである。
OpenAIはAPIでGPT-Live-1を提供し、自然な全二重音声対話と、強化された指示追従、カスタム音声、電話への対応を実現する。
OpenAIはGPT-6 Astraを公開し、企業向けで最も高性能なモデルと説明した。高度な推論とコンピューター操作能力を持ち、文章作成とデザイン判断も強化した。
Google DeepMind と Google Research は WeatherNext 3 を公開し、現時点で最も高度で正確な全球天気モデルとした。リアルタイムの静止地球観測衛星データから直接学習し、毎時予報を生成する。主要地表変数の解像度は5 kmで、全体では WeatherNext 2 の約5倍鮮明だ。
Hugging Faceは260Mと800MのNeoMMEを公開した。単一の双方向Transformerで文字トークンと32×32画像パッチを処理する。マスク付き離散拡散の目的関数でゼロから学習し、事前学習済み視覚タワーや因果言語モデルに依存しない。
Google DeepMind は Gemini 3.8 Flash と Gemini 3.8 Flash Cyber を公開した。前者は長時間のコーディングと自律エージェント向けで、料金は3.7 Flash と同じく入力100万トークン当たり0.75ドル、出力100万トークン当たり3.75ドルだ。
Google Researchは初めて多変量予測を標準の事前学習で扱うTimesFM-3を公開した。3億3000万パラメーターで、1兆超の時点を学習した。
Microsoft ResearchはGigaPath-FlashとGigaTIME-Flashを公開した。10億パラメーターのGigaPathから蒸留した22MのViT-Sを基盤に、病理分析の計算量を大幅に削減し、Apache 2.0で公開する。
Google DeepMind は Gemini Omni 1.1 Flash を公開した。動画生成の制御性を高め、Google AI Studio の Gemini API から開発者に提供する。
Google DeepMindはGemini 3.5 Transcribeを公開し、現在最も正確な音声文字起こしモデルと説明した。生の音声を直接、正確で整形済みの文字に変換する。
IBM Granite チームは初の dense・decoder-only 推論モデル群 Granite 4.2 を公開した。3B、8B、30Bの三サイズを、すべて Apache 2.0 で提供する。
Google DeepMind は Gemini 3.7 Flash を公開し、コーディングとエージェント向けの最強の主力モデルと位置付けた。Gemini 3.6 Flash 公開からわずか3週間だ。
Google DeepMind は多言語手話からテキストへのモデル SL2T を公開し、初めて消費者製品に導入した。Pixel 11 の Gboard と Live Transcribe で米国手話(ASL)を英語テキストに変換し、今後さらに多くの端末と言語へ拡大する。
MetaはMuseから30Bパラメーターへ蒸留したマルチモーダルモデルMuse GlimmerをApache 2.0で公開した。コーディング、文書分析、個人アシスタントなどのローカルエージェント用途を主に想定する。
Google DeepMind は WeatherNext AI モデルを公開した。サイクロンの進路、強度、風の構造の予報で最先端性能に達し、平均で警報を1日早く出せる。気象分野の約10年分の進歩に相当する。
Mistral AIは30億パラメーターのオープンウェイト安全分類器ShieldstralをApache 2.0で公開した。16GBのNVIDIA GPU1枚で動く。コンテンツ審査を方針に適応する質問回答として扱い、推論時に方針を自然言語で記述すれば、再学習なしで校正済みの安全スコアを返す。文字と画像を共通に処理する。公式説明では、文字の安全性で最大7倍の規模のモデルに匹敵し、マルチモーダル審査のベンチマークで新たな最高成績を達成した。
Google DeepMind は Gemini Robotics ER 2 を公開した。ロボットの高位の頭脳として、動画理解、複数段階の作業計画、複数ロボットの協働に対応し、動作実行を下位の VLA モデルへ任せられる。
Google DeepMindは新世代の音楽生成モデルLyria 3.5を公開し、Google Flow Musicで提供を開始した。音楽性、歌詞、歌声、創作の制御の4分野を改善したという。より複雑で自然な旋律構造、指示への追従と構造理解を改善した歌詞、感情表現と発音を改善した歌声、出力のリズムと長さの操作性向上を含む。
Google DeepMind は次世代ロボット知能層 Gemini Robotics 2 を公開した。初めて人型ロボット全体の全身制御を実現し、両手とグリッパーの精密操作に対応する。
NVIDIAは手術ロボット向けの動作条件付きリアルタイム生成シミュレーターCosmos-H-Dreamsを公開した。FlashDreams推論ライブラリーでRTX PRO 6000 GPU1枚で動き、人と方策による閉ループの操作に対応する。
Google DeepMindはGemini 3.6 Flash、3.5 Flash-Lite、サイバーセキュリティー向け3.5 Flash Cyberの3モデルを公開した。
Google DeepMindは3.5 Flashを微調整した軽量サイバーセキュリティモデルGemini 3.5 Flash Cyberを公開した。脆弱性を素早く発見、検証、修正し、CyberGymなどでは複数回の呼び出しにより大規模モデルに近い成績を示す。