本文へ移動
assaynotes
EN日本語中文

#モデル発表

今日 1 件

10月23日

金曜日

  1. Allen AI、衛星埋め込みモデルOlmoEarth v1.3を公開　全球の事前計算済み埋め込みとブラウザツールも提供

    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。

10月22日

木曜日

  2. IBM Granite時系列モデルのアンサンブル予測：4アーキテクチャを組み合わせ、再学習不要

    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。

  4. NVIDIA、学習不要で予測できる関係型基盤モデル「Kumo Relational」を発表

    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。

10月21日

水曜日

  7. Mistral AI、リアルタイム音声エージェント向けモデル群Voxtral 3を発表

    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。

10月20日

火曜日

  1. AINews まとめ：DeepSeek V4.1 Flash 1017 が公開、Anthropic は公益基金を設立

    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。

  2. Kling AI、4.0を公開　ステレオ音声と多言語リップシンクに対応、軽量Flash版も

    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。

10月17日

土曜日

  2. Elorian、初のモデル Glimpse を公開　視覚的スクラッチ空間で画像推論

    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。

10月16日

金曜日

  3. Reflection、501BのオープンMoEモデルBeamを公開　1Mコンテキストとコーディングエージェントに対応

    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。

  4. Meta、Muse Spark Openを公開　816Bパラメータでオープンウェイト路線に復帰

    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。

  5. IBM、Granite Switch 4.1を公開：1つのエンドポイントで対話・意思決定・音声に対応

    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。

  6. Meta、Mac上でローカル動作するオープンウェイトモデルMuse Spark Openを公開

    MetaはオープンウェイトモデルMuse Spark Openを公開し、米国で「最強」のオープンウェイトモデルと称した。8160億パラメータ、100万トークンのコンテキストウィンドウを持ち、ネイティブマルチモーダルで、複雑なコーディングタスクとエージェント作業に対応する。

  9. Black Forest Labs、オープンウェイト画像モデル FLUX 3 Image Klein を公開　8 GB の VRAM で動作

    Black Forest Labs は FLUX 3 Image Klein を公開した。56 億パラメータのオープンウェイトモデルで、テキストからの画像生成、画像編集、最大 10 枚の参照画像を使った生成に対応する。ネイティブ 4K 出力、ピクセル単位の編集、要素配置用のバウンディングボックスをサポートする。

  10. Meta、816BパラメータのMoEマルチモーダルモデル「Muse Spark Open」をオープンソース化

    Metaはオープンウェイトモデル「Muse Spark Open」を公開した。MoEアーキテクチャを採用し、総パラメータは約816B、トークンあたりのアクティブパラメータは約42B。テキスト、画像、音声、動画の入力に対応し、コンテキストウィンドウは最大100万トークン。

  11. Meta と Apple が協力、Muse Spark Open モデルを Mac でより快適に動作へ

    Meta が Muse Spark Open モデルを発表。これまでで最も能力の高い米国のオープンウェイトモデルだとし、同クラスで初めてデスクトップ上で動作するモデルで、最新の MLX フレームワークを搭載した Apple M5 Ultra の Mac Studio 2 台が必要だとしている。

10月15日

木曜日

  3. Mistral、時系列基盤モデルTimestralを公開　209Mパラメータで三大ベンチマーク首位

    Mistralは初の時系列基盤モデルシリーズTimestralを公開した。5M、28M、123M、209Mの4サイズを用意し、最大モデルは209MパラメータでGIFT-Eval、TIME、fev-benchの3つの公開ベンチマークで首位。パラメータ数は前世代SOTAの3分の2にとどまる。

  4. Apertus 1.5 公開：8B と 70B モデルに画像・音声理解と思考モードを追加

    Apertus 1.5 は 8B と 70B の 2 規模で Apertus 1.0 を拡張し、画像・音声理解、任意の思考モード、4 倍長いコンテキストウィンドウ（262,144 tokens）、より良い指示追従とツール呼び出し能力を追加した。重みは 2026 年 7 月 24 日に Apache 2.0 ライセンスで Hugging Face に公開された。

10月14日

水曜日