NVIDIA Vera Rubin NVL72、MLPerf Inference v6.1 に初登場し最高性能
NVIDIA は MLPerf Inference v6.1 に Vera Rubin NVL72 のプレビュー結果を初提出した。スループットは GB300 NVL72 に対し、Qwen3-VL で最大3.7倍、DeepSeek-R1 で最大2.5倍だった。
NVIDIA は MLPerf Inference v6.1 に Vera Rubin NVL72 のプレビュー結果を初提出した。スループットは GB300 NVL72 に対し、Qwen3-VL で最大3.7倍、DeepSeek-R1 で最大2.5倍だった。
OpenAI は Sponsored Agents やマーケティング担当者向けツールを含む新しい AI 広告体験を公開し、HubSpot と Shopify に接続した。
OpenAI は ChatGPT Work と Codex の分析機能で、AI の利用量と支出を把握し、研修需要を特定し、導入と事業成果を結び付ける方法を紹介した。
HexのデータエージェントはGPT-6 Astraで分析結果を対話型の視覚的報告に変え、従業員が自ら共有したくなる形にする。
SalesforceはDreamforceで初のCRM推論モデルKoaを発表した。NVIDIA Nemotron 3 Superを事後学習し、約30年の企業CRM導入から作った独自の合成データで学習した。製造、金融サービス、医療、旅行など14以上の業界を対象とする。
NVIDIA は AI Infra Summit で、一定の電力予算内で AI 工場のトークンスループットを高める DSX を紹介した。Lambda は5ラック・19ノードの HGX B200 クラスターで DSX MaxLPS を検証し、16ノードの最大電力と同じ予算で19ノードを稼働させた。トークンスループットは毎秒約400万から500万に24%増え、1ワット当たり性能は23%向上した。
NVIDIAはAI Infra SummitでVera RubinとDSXプラットフォームの複数の進展を公表し、1メガワット当たりのトークン処理量のエネルギー効率最適化を重点的に示した。
Philadelphia 小児病院(CHOP)は NVIDIA が共同創設した公開医用画像基盤 MONAI で、子どもの心臓モデル作成を4時間から数秒に短縮し、複雑な心室中隔欠損の手術計画に使っている。NVIDIA と協力し、NVIDIA Warp に基づく公開物理エンジン Newton を SlicerHeart に接続して、心臓器具のシミュレーションを最大4時間からほぼリアルタイムに短縮している。
FyxerはOpenAIモデル、微調整、メモリーと実際のユーザーの意見を組み合わせ、各人の受信箱を整理し、本人の語り口でメールを下書きする。
Perplexity は GPT-6 Astra で連絡文の作成、ソフトウェアの変更、本番システムの監視を行い、以前のモデルより大幅に低い頻度で確認している。
CognitionはGPT-6 AstraでDevinがソフトウェアをテストし、使えることを証明する能力を高める。技術者のコード審査を減らし、納品を速めることを目指す。
César de la Fuente の研究室は Codex と ChatGPT で現存・絶滅生物のゲノムから抗菌候補分子を探し、薬剤耐性感染症に対抗する。
OpenAIはChatGPT WorkのData agentをすべての人に開放すると発表した。企業データに接続し、知見を発見し、自然言語とAIで対話型ダッシュボードを構築できる。
OpenAI は金融データを内蔵し GPT-6 Astra に接続する金融サービス向け ChatGPT を公開した。調査、モデリング、顧客にそのまま渡せる資料の作成に使う。
OpenAIはクラウドエージェントの構築と運用開始に向け、Codexハーネスを基盤とするマネージドサービスAgents APIを公開した。オーケストレーション、長時間セッション、ツール呼び出しに対応する。
MITの研究者がGPT-5.6 SolとCodexを使い、量子計算実験を自律実行し、結果の分析と量子ビットの校正を行った。
Google DeepMindはヒトゲノムの90億の一塩基変異の効果予測を収めたAlphaGenome Atlasを公開した。規模は1PBで、AlphaFold Databaseの30倍以上に達する。
OpenAIはChatGPT Images 2.5を公開した。アイデア、スケッチ、参考写真を、より個性的で洗練された画像に変換でき、ユーザーの考えをよりよく表す画像になるという。
1Passwordの技術者はCodexで新機能と社内ツールを迅速に作り、厳格な安全方針を保って本番利用可能にし、開発効率を21%高めた。
GitHubはProject HydraFusionの研究プレビューを公開した。実行時の複数モデルの編成でCopilotに最先端のコーディング能力を提供する。Copilot CLIで/experimentalから有効化でき、各モデルが実際に使うトークンの標準料金で課金される。
Copilot appは独立したGit worktreeで複数セッションを同時に動かし、干渉せず各文脈を保つ。sessions viewで名前と進捗を見て、いつでも切り替え、中断から再開でき、依頼を説明し直す必要はない。tailspin-toysでfunded sort機能、アクセシビリティー確認、テストを同時進行する例を示す。
Hugging FaceはClaude Code、Codex、pi、Hermesなどに永続メモリーを提供するfunesを公開した。ローカルの既存セッションから索引を作り、既定では埋め込みと再ランキングもローカルで行う。
GoogleはFairwind Programを開始し、Google Cloud顧客、政府機関、サイバーセキュリティのパートナーに防御能力へのアクセスを限定提供する。第1弾としてGemini 3.8 Flash CyberモデルとCodeMenderツールチェーンを提供し、脆弱性の自律的な発見、検証、修正に用いる。
Google DeepMindはGemini 3.7 Flash、3.6 Flash、3.5 Flash-Liteにエージェント型動画理解を導入した。動画分析のトークン消費を最大88%、費用を最大66%削減し、正確さを最大7%高める。
Hugging FaceのWebAIチームは、Hubから最適化済みWebGPUカーネルを読み込み実行する軽量ライブラリ@huggingface/kernelsを公開した。初期の207カーネルも、それぞれ独立したリポジトリでApache-2.0ライセンスにより公開した。
Voice Arena と Hugging Face は Open ASR Leaderboard に Monsoon en-IN と Monsoon hi-IN を追加した。Hindi はこの多言語ランキング初のインド言語となる。
Hugging FaceはGradioにgr.Workflowを導入した。複数段階のAIパイプラインを型付きノードのグラフで表し、ドラッグ可能な画面を提供する。各ノードを実行でき、中間結果もすべて見える。
Liquid AIはLFM2.5-1.2B-Instruct、LFM2.5-2.6B、LFM2.5-8B-A1B向けDSparkドラフトモデルのチェックポイントを公開した。投機的デコーディングで出力品質を変えずに復号速度を上げ、GPUの処理量を最大3.18倍、端末上で最大2.87倍にした。
Mistralは複数段階の検索ループで情報を探し、調べ、検証する検索層Agentic Searchを公開した。Mistral Search Toolkitで提供し、StudioとVibeのLibrariesにも組み込む。
Sentence Transformers v6.0は4番目のモデル形式MultiVectorEncoderを追加した。ColBERT型の後期相互作用検索向けで、PyLate、Stanford-NLPのColBERTチェックポイント、colpali-engineの視覚文書検索モデルを直接読み込める。
OlmoEarth Studioは埋め込みの計算と出力に対応した。UIかAPIで地域、時期、エンコーダー版、解像度を選び、Cloud-Optimized GeoTIFF(COG)を得られる。
MistralはAI主権を進める3施策を発表した。Regional Endpointsは正式提供となり、欧州か米国で推論するか選べる。Priority Tierは公開プレビューで、重要業務向けに確約サービス水準、独自の速度制限、稼働率SLAを提供する。
NVIDIAは3億6400万パラメーターのオープンウェイト音声合成モデルMagpie TTS Multilingualを公開した。英語、スペイン語、フランス語、ドイツ語、イタリア語、ベトナム語、中国語、ヒンディー語、日本語に加え、新たな現代標準アラビア語、韓国語、ブラジルポルトガル語の計12言語に対応する。
BasetenがHugging Face HubのInference Providerに加わった。初期は会話と文字生成に対応し、Kimi K3、DeepSeek V4 Flash、GLM-5.2などのオープンウェイトモデルを利用できる。
Microsoft ResearchはオープンソースのOrchardフレームワークを公開した。中心はKubernetes環境サービスOrchard Envで、タスク間で環境、データパイプライン、評価手順を再利用し、Codex、OpenClaw、ZeroClawなどの実際の配置フレームワーク内で直接エージェントを学習できる。
Hugging FaceはDiffusersにNunchaku Liteを導入した。from_pretrained()で量子化チェックポイントを直接読み込み、独自パイプラインやローカルのCUDAコンパイルを必要としない。
Hugging Face は Grabette を公開した。手持ちグリッパーと2台のカメラで操作の手本を記録し、ロボットや遠隔操作装置なしでロボットに使えるデータセットを作る。手持ち機の部材費は約490ユーロ、対応する電動グリッパー Gripette は約120ユーロ。ハードウェア CAD、Raspberry Pi の収集ソフト、ブラウザー処理の手順をすべて公開する。
Google DeepMindはインドでATL Saathiの試行を始めた。GeminiによるウェブアプリがAtal Tinkering Labsの教育者に24時間365日の授業準備・研修助手を提供し、当初は100校を対象とする。
Mistral Studio は Prompts と Skills の集中管理を顧客に提供した。各資産には版の履歴、明確な責任者、追跡可能性がある。不変版、ロールバック、分類タグ、監査ログで AI の行動を管理・発見でき、Observability で本番出力を該当版まで追える。Skills は Studio から MCP サーバーとして直接呼び出せ、本番で同じ管理対象資産が実行される。
Hugging Faceは、vLLMのtransformersモデリングバックエンドが複数のLLM構造で、vLLMの手書きネイティブ実装と同等以上の処理速度に達したと発表した。torch.fxによる静的グラフ解析とastによるソース書き換えで、推論向けの層融合を実行時に動的適用し、専用コードと同等の性能を実現する。