本文へ移動

すべての AI 動向

今日 5 件

10月2日

金曜日
  1. 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。

  2. AutoSynthData:企業の AI エージェント向けに訓練データを生成

    ServiceNow CoreAI は AutoSynthData を構築した。対象モデルの失敗事例と、より強力な教師モデルの成功軌跡を利用して能力のギャップを特定し、後訓練用の新しいタスクを生成・検証する。カリキュラムはモデルの進歩に応じて、依然として難しいタスクへと動的に移行する。このパイプラインは EnterpriseOps Gym 環境で実演され、タスクはシステム仕様、ユーザープロンプト、検証器の三つで構成され、実現可能性、現実性、難易度の要件を満たす必要がある。

  3. Amazon Bedrock AgentCore 上でエージェント AI によるクラウド移行を拡張

    AWS Professional Services は Strands Agents SDK と Amazon Bedrock AgentCore を基に 4 エージェントパターンを構築し、アプリケーションごとの Infrastructure as Code(IaC)開発時間を 3〜4 週間から数分に短縮した。このパターンは 300 以上のアプリケーションを対象とする移行プロジェクトで検証された。

  4. Amazon Quick が Live Data in Apps を発表:AI が構築したアプリがガバナンス済みデータセットをリアルタイム照会

    Amazon Quick は、AI が構築した Quick Apps 向けに Live Data in Apps を発表した。アプリを開くたびにガバナンス済みの Quick Sight データセットをリアルタイムで照会し、構築時の静的スナップショットに依存しなくなる。SPICE と Direct Query の両データセットモードに対応し、照会は閲覧者の権限で実行され、既存の行レベル・列レベルのセキュリティルールが自動的に適用される。各閲覧者は初回利用時にデータセットごとの個別認可が必要で、匿名・公開アクセスには対応しない。

  5. ChatGPT にバーチャル試着と商品お気に入り機能が登場

    OpenAI は、ChatGPT のショッピング機能として、衣類やアクセサリーのバーチャル試着と、商品を保存できるお気に入り機能の 2 つを世界で提供開始すると発表した。バーチャル試着はショッピング結果内の Try On ボタンとして表示され、ユーザーは自撮り写真や全身写真をアップロードして着用イメージを確認できるほか、商品画像をアップロードして ChatGPT に試着させることもできる。OpenAI によると、新機能は新たに公開された ChatGPT Images 2.5 モデルに基づいており、このモデルは照明やテクスチャ、編集指示への追従性が改善され、画像生成の遅延も低減されている。

  6. Google、Gemini Live に Guided Vision のリアルタイム視覚描写機能を投入

    Google は Gemini Live に Guided Vision を導入し、本日から対応する Android 端末で提供を開始する。カメラを共有すると、AI がレンズに映る内容をリアルタイムで音声描写する。小さな文字の読み上げ、周囲の状況の説明、物体の探索や識別、物体の細部の説明などに使える。

  7. Grokがトランプ氏にベネズエラ大統領の捕獲を提案していたと報道

    米誌『タイム』の報道によると、2025年12月にトランプ氏がマスク氏と秘密裏に会談した際、数時間にわたってGrokとチャットし、ベネズエラ国民が自国の大統領の捕獲にどう反応するかを尋ねた。Grokはマドゥロ氏を不人気な独裁者であり、多くのベネズエラ国民がその失脚を祝う可能性があると述べたという。

  8. uniopen が Amazon Nova 2 Lite で小売向け審査ポリシーをカスタマイズし本番環境に展開する方法

    uniopen は Amazon SageMaker AI で Amazon Nova 2 Lite を教師ありファインチューニングし、プロンプトレベルの出力最適化も行うことで、自社の小売審査ポリシーに適合させた。このポリシーは九種類の行為と、ブランド・その他・禁止という三種類の対象の二軸で分類される。ファインチューニング用データセットには 3391 の対話ウィンドウが含まれ、三種類の構成を 737 の対話ウィンドウからなるホールドアウトテストセットで比較評価した。

  9. Amazon Quick Sight、ダッシュボードのドリルダウンを簡素化する階層フィルターを発表

    Amazon Quick Sightが階層フィルターを発表した。Region、Country、Cityなど複数の関連フィールドを1つのコンパクトなコントロールにまとめ、最大5階層に対応する。読者はRegion → Sub-Region → Country → Cityの経路で段階的にドリルダウンでき、同じコントロール内で異なる階層を混在して選択することも可能だ。この機能はフィルターの数を減らして画面の煩雑さを抑え、読者が地理的な所属を理解できずに戸惑うことを防ぐことを目的としている。

  10. AWS 上で Claude Platform のマルチ環境アクセスを構成する方法

    Claude Platform on AWS(CPonAWS)向けに、専用の AI Services アカウントを基盤とする 3 アカウント構成で 3 種類の推論アクセスを実現する。AWS ワークロードはクロスアカウントの SigV4 でキーなしに呼び出し、開発者のノート PC は開発ワークスペースに紐づけた長期 API キーを使い、外部環境は OIDC フェデレーションで短期クレデンシャルを取得する。

  11. Amazon Bedrock AgentCore で環境エージェントを構築:イベント駆動シグナルから human-in-the-loop ワークフローまで

    Amazon Bedrock AgentCore は「環境エージェント(ambient agent)」の構築に対応する。Amazon S3 のイベント通知、EventBridge ルール、Lambda トリガーなどのイベントストリームから直接起動し、ユーザーが会話を開始する必要はなく、複数のイベントを並行して処理できる。

  12. Amazon Payments、Amazon SageMaker AI上の文脈付き多腕バンディットで獲得ファネルのコンバージョンを改善

    Amazon PaymentsはAmazon SageMaker AI上で多目的文脈付き多腕バンディット(LinUCB)を用い、製品獲得ファネル向けのパーソナライズされたコンテンツ選択を実施。7週間のオンラインA/Bテストでは、ある顧客集団で最終ファネルのコンバージョン率が相対で1桁台後半の改善を示した一方、別の集団では改善が見られず、問題はモデルではなくコンテンツにあった。

  13. Ataraxos、16基のGPUでStrategoのトップ人間選手を破る

    カーネギーメロン大学、MIT、ニューヨーク大学、スタンフォード大学の研究チームが開発したAIシステムAtaraxosは、Strategoで史上最強とされる選手Pim Niemeijerに15勝1敗4引き分けで勝利した。訓練にはわずか16基のGPUと数千ドルしかかかっていない。Strategoは不完全情報ゲームであり、駒の身元は衝突時のみ明らかになり、隠された情報量が多く展開期間も長い。これまでDeepMindもトップ人間プレイヤーを安定して破るマシンを作れなかった。

  14. 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。

  15. OpenAI、安全研究者3名との関係を解消 WSJ報道

    米紙ウォール・ストリート・ジャーナルが木曜日に報じたところによると、OpenAIは安全チームの研究者3名との関係を解消した。3名が会社の機密情報を第三者のAI安全団体に共有した疑いがあるためだ。OpenAIの広報担当者は同紙に対し、社内調査で3名が会社の方針に違反し、定められた手順を外れて機密情報を扱っていたことが確認されたと述べた。

  16. pwasm 0.2a0 公開:Claude Opus 5.5 が純 Python WebAssembly エンジンを改良

    Simon Willison の純 Python WebAssembly エンジン pwasm は、Claude Opus 5.5 が引き継いだ後、42 回のコミットを経て 0.2a0 にアップグレードされ、ほぼすべての WASM 仕様をサポートするようになった。PyPI の wheel パッケージには MicroPython、QuickJS、Micro QuickJS の動作する WASM ビルドが同梱されている。このバージョンは依然として alpha であり、作者はまったく信用できないと述べている。

10月1日

木曜日
  1. AI2、1兆パラメータ規模のMoE向けオープン訓練基盤「Olmo-core 3」を公開

    AI2は、大規模言語モデル開発フレームワークの大幅なアップグレード版「Olmo-core 3」を公開した。オープンなMoE訓練システムを再設計し、計算効率を維持しながらMoE訓練を1兆パラメータ規模へ拡張することを目指す。

  2. モバイルアプリの「葬儀」を開いたPhoton、450万ドルのシード調達——エージェントでアプリを置き換えへ

    AIスタートアップのPhotonが、GradientとA*が共同でリードし、VercelやHongShanなどが参加する450万ドルのシードラウンドを完了した。Photonは開発者がiMessageやWhatsAppなどのメッセージアプリ上でエージェントを構築できるよう支援しており、すでに4万人以上の開発者が登録。4カ月で収入は10倍、メッセージ量は単月で5倍に増えた。

  3. Airbnb CEO Brian Chesky:AIエージェントには独自のOSが必要

    Airbnbは今週の秋のアップデートでAI検索を公開した。CEOのBrian Cheskyは、チャットボットはECや旅行の閲覧に適しておらず、今後3〜6カ月で複数人が同時に使える「マルチプレイヤー」AIインターフェースを模索すると述べた。業界には本当にAIのために作られたOSが欠けており、AIはカーネル層で動くべきだとし、ChatGPTの以前のアプリストアの試みはSDKとOSが欠けていたため効果が不十分だったと語った。

  4. NVIDIA AI ファクトリーはいかに高い投資収益を実現するか:高生産性・長寿命・汎用性

    NVIDIA は、AI ファクトリーの投資収益はメガワット当たりの生産能力、ハードウェアの使用寿命、token 需要の三要素で決まると提起。SemiAnalysis AgentX のデータによると、Vera Rubin NVL72 のメガワット当たりスループットは GB300 NVL72 の 30 倍以上で、DeepSeek V4 Pro では 100 万 token 当たりコストが最大 45 分の 1 になる。

  5. OpenAI、モデル推論の窃取攻撃を遮断と発表 ただし同手法はAzureでは依然有効

    OpenAIは、モデルの推論内容を狙った蒸留窃取活動を遮断したと発表した。この活動は7月1日から小規模に現れ、7月24~25日には4000人以上のユーザーから1万6000件のリクエストに急増し、1万5000以上の関連アカウントが関与していた。OpenAIは7月28日までにすべて停止させたとし、中核的な関与者をMoonshot AIの関係者と関連付けている。

  6. セキュリティ企業、AIエージェントが公開アップロードした社内スクリーンショット1万3000枚超を発見

    セキュリティスタートアップのGlow Securityは、AIエージェントが343組織の内部ソフトウェアプロジェクトのスクリーンショット1万3000枚以上を公開GitHubリポジトリにアップロードしていたことを発見した。フォーチュン500企業、金融機関、AIラボが含まれる。

  7. 元GoogleとSpaceXのプロダクトマネージャーが創業したSatlyt、衛星上でAIを動かすため800万ドルを調達

    元Googleクラウド事業とSpaceXのStarlinkエンジニアであるRama Afullo氏が創業したSatlytが、ヒューストンのNon Sibi Venturesがリードする800万ドルのシードラウンドを完了した。複数の衛星が計算資源を共有できるようにするソフトウェアの開発に充てる。

  8. Legato、AI補聴眼鏡「Legato Frames」を999ドルから発売

    聴覚テクノロジー新興企業Legatoは、AI補聴眼鏡「Legato Frames」の販売を正式に開始したと発表した。価格は999ドルからで、軽度から中等度の難聴を持つ成人向け。特許取得の補聴技術を眼鏡のテンプルに統合し、AIシステムが人の声と背景ノイズを区別して音声を増幅する。デュアルスピーカーシステムにより、耳から数インチ離れた場所では音が99%低減される。処理はすべて眼鏡上で完結し、カメラや録音機能はない。

  9. Matthew Green、サンドボックスは暴走エージェントを封じ込められるか論じる

    Simon Willisonが、サンドボックスが暴走エージェントを封じ込められるかをめぐる暗号学者Matthew Greenの論考を引用。Greenは、エージェントワームはエージェントを乗っ取るペイロードと、そのペイロードを次のエージェントへ運ぶエージェントの二つの半分から成ると述べている。