本文へ移動

#モデル発表

今日 1 件

10月14日

水曜日
  1. Google、Gemini 4 Argonモデルを発表

    GoogleはGemini 4 Argonモデルを発表し、最先端の推論能力を備え、冗長さや決まり文句を減らしたと述べている。コーディング、サイバーセキュリティ、科学、金融、法律などのベンチマークでGPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5を上回るという。

10月13日

火曜日

10月11日

日曜日

10月8日

木曜日
  1. TII、1.6Bパラメータのアラビア語音声認識モデル「Falcon-ASR」を公開、アラブ首長国連邦方言に注力

    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。

  2. OpenAIがGPT-6を発表、ChatGPTの出力がグラフ・ボタン・ミニアプリの対話型インターフェースに

    OpenAIが全ChatGPTユーザー向けにGPT-6を公開し、Intelligent UIと呼ばれる新機能を導入した。モデルは純粋なテキストではなく、質問に応じて図形、ボタン、グラフ、フォームなどの対話型インターフェースを自動生成して回答する。比較内容は並べて表示され、説明は対話型グラフに変換でき、ユーザーは会話内で貯蓄計算機やミニゲームなどの小さなツールを直接構築できる。

  3. Liquid AI、端末向け意思決定モデル d1-3B と d1-omni-600M をオープンソース化

    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。

10月7日

水曜日
  1. Google、マルチモーダル埋め込みモデル EmbeddingGemma 2 を公開

    Google はオープンソースの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、動画、音声、コードを数値ベクトルに変換でき、パラメータ数は 7 億 4,000 万。Google によると、マルチモーダル埋め込みベンチマークでパラメータ数が 2 倍の競合モデルを上回り、Massive Text Embedding Benchmark (Code) では 78.68 を記録。前世代の 68.76 から約 10 ポイント改善した。

  2. Google DeepMind、オープンソースのマルチモーダル埋め込みモデル EmbeddingGemma 2 を公開

    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。

  3. Mistral Large 4

    Simon Willison は同一のプロンプトで Mistral Large 4 などのフロンティアモデルの SVG 生成能力を試した。プロンプトは「火星で網タイツを穿いたアルマジロが乱横断する」というもの。比較に参加したモデルは claude-opus-5.5、gpt-6.1-sol、gemini-3.8-flash、mistral/mistral-large-4 で、いずれも各モデルのデフォルト推論レベルを使用した。

  4. EmbeddingGemma 2、Apache 2.0ライセンスを採用

    EmbeddingGemma 2がApache 2.0ライセンスを採用した。Simon Willisonは、埋め込みモデルにクローズドでプロプライエタリなホスト型のみの形態を使うべきではないと述べている。埋め込みモデルは通常、数千から数百万の埋め込みベクトルを計算して保存する必要があり、ベンダーがモデルの提供を停止すれば、ユーザーは保存済みベクトルの再計算費用を負担することになる。同氏はホスト版への課金は歓迎しつつ、ベンダーがサービスを終了した際にオープンウェイト版を自分で動かすか、別のベンダーを探す余地を残したいとしている。

10月6日

火曜日
  1. Mistral、1兆パラメータのマルチモーダルモデル「Mistral Large 4」を発表

    フランスのAI研究所Mistral AIは火曜日、1兆パラメータの大規模マルチモーダルモデル「Mistral Large 4(ML4)」を発表した。愛称はLe Chonk。現在は公開されたguardrailエンドポイント経由でのみアクセス可能で、重みは3週間後の安全テスト完了後に公開される予定。

  2. Falcon-Emirati-7B:LLM にアラブ首長国連邦の方言、文化、語感を学ばせる

    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。

  3. Reflection、中国のオープンモデルに対抗するオープンウェイトモデルBeamを公開

    Reflection AIは初のフロンティア級オープンウェイトモデルBeamを公開し、高度な推論ベンチマークで中国の主要オープンモデルと同等の性能を大幅に低い推論コストで実現すると主張している。Beamは総パラメータ5010億、アクティブパラメータ230億のテキストMoEモデルで、23.8兆トークンで事前学習され、コンテキストウィンドウは100万トークン。同社は推論計算量が競合より3〜4倍少ないとしている。

  4. Reka AI、190億パラメータの全能モデルRho-1を公開 テキスト・画像・動画・ロボット制御を統合処理

    Reka AIがRho-1の研究プレビュー版を公開した。190億パラメータの全能モデルで、単一のニューラルネットワーク内でテキスト、画像、動画、ロボット制御動作を処理・生成する。タスクを専用モデルに振り分ける多くのシステムと異なり、Rho-1はすべてのモダリティをトークンとして同一の共有コンテキストウィンドウで実行し、ツール呼び出しや外部モデルを必要としない。リアルタイムで連続動画を生成し、再起動なしで新しい指示に応答する。

10月5日

月曜日
  1. Aleph Alpha、78BパラメータのオープンウェイトモデルKolibriを公開 欧州AI主権を訴え

    Aleph Alphaは、78Bパラメータの独英二言語モデルKolibriを公開した。混合エキスパートアーキテクチャを採用し、トークンあたり約3Bパラメータを活性化する。同社は、Kolibriが両言語の品質と運用コストでパレートフロンティア上にあり、ドイツ語ベンチマークで71%を記録、GPT OSS A5B、Qwen 3.6 A3B、Gemma 4 A4Bなどの同種モデルよりデコードが速いと主張している。

10月4日

日曜日

10月3日

土曜日

10月2日

金曜日
  1. Black Forest Labs、Flux 3 Imageを公開 多段階編集で他の部分を変えず

    Black Forest LabsはFlux 3モデルファミリーの画像部分にあたるFlux 3 Imageを公開した。公式によると、多段階の編集に対応しつつ画像の他の部分は変更せず、テキストからの画像生成、画像からの画像生成、文字レンダリング、写真のようなリアリズムをカバーする。ユーザーはバウンディングボックスで構図を指定でき、最大10枚の参照画像を導入可能で、出力は最大4K。現在は無料デモを提供しており、APIは10月8日まで半額。企業は商用ウェイトをライセンスして自社インフラ上で実行・微調整できる。オープンウェイト版は今後数週間で登場する見込み。

  2. Microsoft AI、音声エージェント向けの文字起こし・音声合成モデルを公開

    Microsoft AIはリアルタイム文字起こしモデル「MAI-Transcribe-2-Streaming」を公開した。Artificial Analysisの精度ランキングで1位だとMicrosoftは主張している。60言語に対応し、最初の部分結果までの遅延は100ミリ秒をわずかに超える程度。年末までの導入価格は音声1時間あたり0.54ドル。

  3. Ideogram、Ideogram 4.5を公開 部分編集で他の部分を崩さないと主張

    Ideogramは新モデルIdeogram 4.5を公開し、ユーザーが指定した領域だけを変更し、服装の変更などの編集後も人物の体型や背景は変わらないと主張している。品質は4段階で、1枚あたり0.8セントから22セント、いずれもネイティブ2K解像度。すでにIdeogramプラットフォームとAPIで提供を開始しており、提携先にはPicsart、Runway、Pika、Leonardo AIが名を連ねる。オープンウェイト版も近日公開予定だとしている。

10月1日

木曜日
  1. Google、Gemini 4 Argonを発表 OpenAIとAnthropicとの差を縮めるも明確なリードはならず

    Googleは新たなフロンティアモデルGemini 4 Argonを発表した。一部のベンチマークではOpenAIやAnthropicの競合製品を上回るが、明確なリードは得ていない。このモデルはまずFairwindプログラムの「信頼できるサイバー防御者」とGoogle社内チームに公開され、その後開発者、企業、消費者向けに提供される予定で、日付は未公表。導入価格は入力トークン100万あたり2ドル、出力トークン100万あたり10ドルで、キャッシュ入力は95%安い。

  2. Google、Gemini 4 Argon を発表 これまでで最強のモデルと主張

    Google の親会社 Alphabet は Gemini 4 Argon を発表し、コーディングや調査、執筆などのタスクを処理できると説明した。特に防御的サイバーセキュリティ向けに訓練されており、重要なソフトウェア脆弱性を自律的に発見・検証・修正できるという。