Google DeepMind、AI生成タンパク質に検証可能な透かしを埋め込むSynthID Bioを公開
Google DeepMindはSynthID Bioを公開し、透かし技術を合成生物学に導入した。生物のコードに知覚できない署名を埋め込むことで、生物学的な機能を維持しながら、デジタルモデルと合成された実物のタンパク質の両方で透かしを検証できるようにする。
Google DeepMindはSynthID Bioを公開し、透かし技術を合成生物学に導入した。生物のコードに知覚できない署名を埋め込むことで、生物学的な機能を維持しながら、デジタルモデルと合成された実物のタンパク質の両方で透かしを検証できるようにする。
Hugging Face は、客観的指標でオープンソース TTS モデルを評価する Open TTS Leaderboard を公開し、数週間の投票による評価を数時間に短縮する。Qwen3 ASR で WER/CER を算出し、H200 GPU で RTFx と TTFA を測定、WavLM 埋め込みで話者類似度 SIM を求め、多言語と音声クローンの比較に対応する。
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。
AWSはSageMaker AIにQwen3-TTSを配置できるvLLM-Omni DLCを公開した。持続的な双方向接続1本で文字を入力しながら音声を出力し、生成が完了する前から再生を始められる。
Mistral は Munich に新拠点を開き、Physics AI と産業 AI に特化する研究チームを組織した。2030年までに欧州で1 GW の計算容量を整備する計画だ。BMW と衝突シミュレーション・エンジニアリング AI、Siemens Energy と産業 AI 応用で連携し、Munich 工科大学(TUM)とは風洞施設を使う自動車空力デジタルツインを開発する。
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。
AWSはAmazon EKSでEFAとDeepEPを組み合わせ、MoE強化学習の学習を拡張する構成を示した。処理量は40%向上する。
Alibaba Cloud Qwenチームが公開したQwen3-TTS-12Hz-1.7B-BaseがAmazon SageMaker JumpStartで利用可能になった。フルマネージドのリアルタイム推論エンドポイントへ配置でき、数秒の参照音声と対応する文字だけで、再学習なしに声を複製する。
GitHub Security LabはC/C++プロジェクト向けの自律ファジングパイプラインFuzzing Taskflowを公開した。GitHubリポジトリーを指定するだけで、入口の特定、ビルドシステムの分析、ハーネス作成、AFL++実行、カバレッジ報告の読解とハーネス改善を行い、最後に各クラッシュを分類して脆弱性報告を生成する。
AWSはOpenAI Whisperにバッチ推論、wav2vec2の強制アラインメントによる単語単位の時刻、話者分離を追加したWhisperX Deep Learning Containerを公開した。自作イメージなしで、Amazon SageMaker AIのリアルタイムまたは非同期エンドポイントへ配置できる。
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。
NVIDIAはGoogle DeepMind、EMBL-EBIなどの世界的研究連合に加わり、AlphaFold Databaseで2800種超のウイルスのタンパク質複合体の予測3D構造を公開した。科学者は誰でも無料で使える。
Microsoft Researchは移動マニピュレーションロボットのワークロードを体系的に測定し、物理AI推論をロボット上のGPUからエッジやクラウドのGPUへ移すことで、タスク成功率の向上、大規模モデルの利用、稼働時間の延長が可能だと示した。
NVIDIA は Singapore AI Day で協力企業と東南アジアの AI 導入の進展を展示した。Singapore の HTX は Nemotron 3 Super と Nemotron 3 Nano Omni を使い、公共安全 AI を研究している。
NVIDIA は Toronto の ROSCon で Isaac ROS 5.0 を公開した。ROS ベースの GPU 高速化パッケージ群で、エージェントのワークフローとプラットフォーム対応を追加し、ロボットアプリの構築、カスタマイズ、配備を速める。
oMLX作者・保守担当Jun KimがHugging Faceに参加し、MLXコミュニティーに専念する。oMLXは副業から資金付き長期事業へ移り、Apache 2.0を維持してJunが率い、安定性と開発速度を高める。
Hugging FaceはtransformersにGGUF対応を追加した。Hubから量子化チェックポイントを選び、from_pretrainedにgguf_fileを渡すだけで、追加設定なしにローカル生成を実行できる。
NVIDIAは大エジプト博物館でAIイベントを開き、Deep Learning Instituteのエジプト参加者は1年で10倍超となった。Hassan Allamは国家通信規制局のデータセンター許可を得て、A15と投資予定4億ドルの新施設を開発する。NVIDIAによるとアフリカでAI工場4か所が発表・稼働し、さらに656MWが建設中だ。
MistralはMozillaとの提携を発表した。FirefoxのAIブラウジング助手Smart Window(beta)はMistralモデルで動き、まずフランスと北米に提供する。英国とドイツは今年後半に続く見込みだ。
Manchester 大学は NVIDIA Earth-2 の生成モデル Earth-2 CorrDiff を使い、1年分の英国の毎時汚染データから、全英をカバーする2~3平方 km解像度のモデルを訓練した。Isambard-AI の8 GPUノード1基で2日間だけを要した。
IBMの研究チームはALTK-Evolveに一貫性ガイドを追加した。Consistency Analyzerを使い、エージェントのトレース内で判断が反転しやすい箇所を診断する。
MistralとClouderaはモデルをハイブリッドデータ基盤へ統合する提携を結んだ。企業は私有・公開クラウド、ローカル、完全隔離環境で推論を配置し、制御を保てる。管理環境で自社データを使う独自モデルの学習もでき、データと生じた知能の所有権を維持する。Clouderaでは30エクサバイトの顧客管理データが稼働する。
TRL v1.14のAsyncGRPOTrainerはLoRAアダプターだけを学習してvLLMへ同期するよう対応した。rank-1は数MBで、各JobにマウントしたStorage Bucketで転送でき、NCCLは不要だ。
Hugging Face チームは Gradio Workflow で AUTOMATIC1111 の機能の大半を一つの Workflow1111 キャンバスに再構築した。11本のメディアパイプラインと73ノードで、テキストから画像、高解像度修復、画像から画像、プロンプト行列、VLM による逆解析、検出からの inpaint マスク生成、ControlNet 型アノテーター、背景除去、PNG Info、画像から動画を扱う。
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。
Mistral は30億ユーロのシリーズ D 資金調達を完了し、調達後評価額は210億ユーロを超えたと発表した。Samsung Electronics が主導し、Scaleup Europe Fund と PSG Equity が共同主導する。同社は欧州テック企業最大の株式資金調達とし、最先端研究、計算資源、インフラ、事業成長に充てる。20か国で事業を展開し、Airbus、ASML、HSBC など125社以上の世界的企業にサービスを提供する。
Google ResearchはHHMI Janelia、ケンブリッジ大学などと協力し、Cellに論文を発表して、雄ショウジョウバエの脳と中枢神経系の完全なコネクトームを公開した。166,000超のニューロンと1.25億のシナプス結合を含み、ニューロン数ではこれまでで最大の脳地図である。
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。
Hugging Face のブログ筆者は、Surya Narreddi の言語モデルで水彩画を描く発想を TRL と OpenEnv で再現した。モデルは p5.brush で約150行の JavaScript を書いて描画する。データセット、RL 環境、訓練スクリプト、モデルをすべて公開する。
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。
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。
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。
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。
Multiverse ComputingはQuantization-Aware Healing(QAH)を提案する論文を公開した。GPT-OSS 120Bを60Bパラメーターへ圧縮しMXFP4へ量子化した後、復元したbfloat16チェックポイントではなく、圧縮前の元モデルから直接蒸留する。
MistralとHUMAINはAI基盤、先進モデル、実装の提携を発表した。当初はサイバー安全と音声に注力し、アラビア語に強い最先端モデルを作る。数億ユーロ規模で、MistralはHUMAINデータセンターの利用を検討し、サウジの規制業界向け共同市場戦略も計画する。
Hugging Face は、音声認識のベンチマーク最適化を数値化するため、合意不一致プローブ、マスクした固有表現の検索、綴りの切り替えという三つのテストを提案した。11のオープンソース ASR モデルを評価し、一部の高得点モデルは音声が矛盾する場合、該当語が無音の場合、両方の表記が音声上成立する場合でも、VoxPopuli や LibriSpeech の正解転写の誤りを再現することを見つけた。
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。
Microsoft Researchは深層学習DFT汎関数Skala 1.1を公開した。学習データは旧公開版の2.5倍で、GMTKN55の55分類中32で首位、加重平均誤差は2.8 kcal/molだった。CP2Kで使え、Psi4、FHI-aims、ORCA、VASPに統合中だ。各版の計算性能を追うliving benchmarkも開始した。
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。
Hugging Face は2026年1~8月の観測レポートを公開した。Hub データでは、多くの月で中国の研究所が公開した最大モデルのパラメーター数が米国を上回る。中国の月間上限は7,540億~2兆7,800億パラメーター、米国は7か月中5か月が1,300億未満だった。