%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
【AI日報】へようこそ！ここは毎日人工知能の世界を探索するためのガイドです。毎日、AI分野の注目ニュースをお届けし、開発者に焦点を当て、技術のトレンドや革新的なAI製品の応用を理解するお手伝いをします。
新鮮なAI製品クリックして詳細を確認：https://top.aibase.com/
1、アリババが新しいQwen3-4Bモデルを発表：コンパクトで力強い、スマホでも動作可能！
アリババ通義千問チームがリリースしたQwen3-4Bシリーズモデルは、小型言語モデル分野において重要な突破を遂げました。モバイル端末でのAIアプリケーションに新たな技術的道を開きました。このモデルは性能面で優れた表現を見せるとともに、効率的なリソース利用能力も備えており、実際のシナリオに対応できます。
【AiBase要約:】
🧠 Qwen3-4Bシリーズモデルは性能とサイズのバランスを最適化し、モバイルデバイスで動作することを可能にしています。
📊 Qwen3-4B-Instruct-2507は、閉鎖型の小規模モデルGPT-4.1-nanoを上回り、大規模モデルQwen3-30B-A3Bの能力に近づいています。
🧮 Qwen3-4B-Thinking-2507は数学的推論評価で高得点を獲得し、強力な論理的推論能力を示しています。
2、小紅書がオープンソースのマルチモーダル大規模モデル dots.vlm1 を発表：NaViTビジョンエンコーダーで業界をリード
小紅書 Hi Lab はオープンソースのマルチモーダル大規模モデル dots.vlm1 を発表しました。これは NaViT ビジョンエンコーダーと DeepSeek V3 大規模言語モデルに基づいており、特にグラフの推論やSTEM数学的推論において突出した性能を発揮し、オープンソースのマルチモーダルモデルが新たな高みに達したことを示しています。
【AiBase要約:】
🧠 自社開発された NaViT ビジョンエンコーダーは、動的解像度をサポートし、汎化能力を向上させます。
📊 大規模で洗練されたトレーニングデータセットを構築し、画像とテキストの一致品質を向上させます。
🚀 マルチモーダル評価において優れた結果を示し、Gemini2.5Pro や Seed-VL1.5 などの閉鎖型モデルと類似しています。
3、MiniMax Speech 2.5音声生成モデルが登場：多言語表現力が強化されました
MiniMaxは新世代の音声生成モデルSpeech2.5をリリースしました。このモデルは多言語の表現力、音声の再現性、および対応言語の範囲において顕著な進歩を遂げています。中国語では世界最高水準を維持し、英語および他の多言語の性能も全体的に向上し、さまざまな業界にとって利便性とイノベーションの機会を提供しています。
【AiBase要約:】
🧠 Speech2.5は多言語の表現力で飛躍的な進歩を遂げており、40言語の切り替えをサポートしています。
🎙️ 音声の再現性は業界の最高レベルで、異なる地域の口音の特徴を保持することができます。
🌐 多言語のカバー範囲は40言語に拡大され、多数の新規言語が追加され、グローバルなコンテンツ制作を支援します。
4、MidjourneyがHDビデオモードをリリース：プロフェッショナル向けの高品質な映像を専門に
Midjourneyは新しくHDビデオモードをリリースしました。このモードはプロフェッショナルユーザーに高精細で高品質なビデオ生成ツールを提供します。解像度と明瞭度が大幅に向上しましたが、コストもそれに伴って増加しています。この機能により、MidjourneyはAIビデオ生成分野での競争力をさらに強化しました。
【AiBase要約:】
🎥 HDビデオモードはより高いピクセル解像度を提供し、プロフェッショナルユーザーの高品質な映像要求を満たします。
💰 HDモードのコストはSDモードの3.2倍ですが、視覚的質感が向上します。
🚀 Midjourneyは技術の継続的な最適化を通じて、OpenAIのSoraやRunwayのGen-4などとの激しい競争を展開しています。
5、Cursor1.4が正式リリース:非同期長距離タスクに焦点を当て、大規模コードベースの自動化を加速
Cursor1.4のリリースは、AI駆動の開発ツール分野におけるさらなるリードを示しています。このバージョンは非同期および長距離タスク処理能力を強化し、大規模コードベースのインデックスと検索機能を最適化し、AIコードツールの完全自動化への転換を推進しています。
【AiBase要約:】
🚀 非同期タスク処理能力が大幅に向上し、バックグラウンドAgentの動作とタスクキュー管理をサポートします。
🔍 大規模コードベースに特化した正確な最適化を行い、コード補完と照会効率を向上させます。
🔄 AIコードツールの完全自動化への転換を推進し、Agentの自律性と協調機能を強化します。
詳細リンク:https://cursor.com/en/changelog
6、グーグルがAI検索機能がウェブサイトのトラフィックに影響を与えるという主張を否定、しかしゼロクリック検索が急増
グーグルは、AI検索機能がウェブサイトのトラフィックに悪影響を与えているという指摘を否定しました。自然なクリック数は安定しており、クリックの質も向上していると述べています。しかし、データによればゼロクリック検索の割合が顕著に増加しており、ユーザー行動が変化していることが示されています。
【AiBase要約:】
🟢 グーグルはAI検索機能がウェブサイトのトラフィックに大きな影響を与えていないと主張していますが、ゼロクリック検索の割合が増加しています。
🟡 グーグルはクリックの質が向上していると強調していますが、具体的なデータは提示されていません。
🔴 ユーザーの傾向がRedditやTikTokなどの他のプラットフォームに移行しており、グーグルのトラフィックに変化をもたらしています。
7、MiniCPM-V4.0がオープンソースでリリース、まるで「携帯電話上のGPT-4V」
MiniCPM-V4.0は軽量なマルチモーダル大規模モデルとして、優れた性能と最適化設計により、画像・動画の理解や複数ラウンドの対話などのタスクで優れた結果を示しています。モバイルデバイスでの効率的な動作能力により、AIアプリケーションに新たな可能性を提供しています。
【AiBase要約:】
🔥 MiniCPM-V4.0はSigLIP2-400MとMiniCPM4-3Bに基づいており、パラメータ数は4.1Bでありながら、画像と動画の理解能力が非常に優れています。
🚀 iPhone16Pro Maxで実測すると、最初の応答遅延は2秒未満で、デコード速度は17トークン/秒以上であり、高並列処理能力を持っています。
🌐 エコシステムの豊富なサポートがあり、主流のフレームワークと互換性があり、iOSアプリと詳細なチュートリアルを提供し、開発者の使用のハードルを下げています。
詳細リンク:https://github.com/OpenBMB/MiniCPM-o
8、AMD、クアルコムが自社ハードウェアでgpt-ossシリーズのオープンモデルをサポートすることを発表
AMDとクアルコムは、OpenAIのgpt-ossシリーズモデルをサポートすることを共同で発表しました。これはエッジコンピューティングとAIの統合において重要な進展を示しています。Ryzen AI Max+395プロセッサは、消費者向けAI PCプロセッサの中で初めてgpt-oss-120bを動作させるものとなり、クアルコムのSnapdragonプラットフォームはgpt-oss-20bの優れた推論能力を示しました。
【AiBase要約:】
🧠 AMDとクアルコムはOpenAIのgpt-ossシリーズモデルをサポートすることを発表し、エッジコンピューティングとAIの統合を推進しています。
🚀 Ryzen AI Max+395プロセッサは、世界初のgpt-oss-120bを動作させる消費者向けAI PCプロセッサです。
📱 クアルコムのSnapdragonプラットフォームは、gpt-oss-20bの優れた推論能力を示しており、開発者は簡単にモデルにアクセスできます。
9、面壁インテリジェンスが新世代のマルチモーダルモデルMiniCPM-V4.0をオープンソースでリリース
面壁インテリジェンスがリリースしたMiniCPM-V4.0マルチモーダルモデルは、パラメータ数と性能において顕著な向上を遂げました。複数の評価基準で同クラスのSOTA成績を収め、スマートフォンなどのエッジデバイスで安定して動作することを可能にしました。独自のモデル構造設計により、初響時間はより短く、VRAMの消費は低く抑えられ、開発者向けに軽量なデプロイメントツールを公開しています。
【AiBase要約:】
✨ MiniCPM-V4.0は4Bパラメータでマルチモーダル能力を大幅に向上させ、同クラスのSOTAレベルに達しました。
📱 スマートフォンで安定して滑らかに動作し、ローカルデプロイメントやリアルタイムタスク処理に適しています。
🚀 モデル構造の最適化により、初響時間が早く、VRAMの消費が低くなり、全体的なパフォーマンスが向上しました。
詳細リンク:https://github.com/OpenBMB/MiniCPM-o
10、騰訊がWeKnoraを重くオープンソース！複雑なドキュメントのインテリジェント解析を解放、知識管理がAI時代に入る
騰訊がオープンソースしたWeKnoraは、大規模言語モデルを基盤とするドキュメント理解と検索ツールで、マルチモーダルドキュメントを処理し、効率的な構造化されたコンテンツ抽出とインテリジェントなインタラクション機能を提供します。そのモジュール化設計と強力な意味処理能力により、さまざまな業界に技術革新をもたらしました。
【AiBase要約:】
🧠 WeKnoraはマルチモーダルドキュメントを解析し、PDF、Word、画像などの形式から構造化されたコンテンツを抽出できます。
💬 大規模言語モデルに基づくインテリジェントなインタラクション機能により、複数ラウンドの対話や自然言語クエリが可能です。
📦 モジュール化されたアーキテクチャ設計により、柔軟な構成と拡張が可能で、さまざまな業界のニーズに適合します。
詳細リンク:https://github.com/Tencent/WeKnora
11、衝撃的！OpenAIのエースモデルGPT-5の詳細情報がGitHub上で誤ってリーク
記事はGPT-5の性能の飛躍的な進歩、複数バージョンの配置、そしてそれがもたらす可能性について明らかにし、OpenAIが大規模言語モデル分野でさらに進歩を遂げていることを示しています。
