【AIニュース】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て技術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いたします。

新しく登場したAI製品：クリックして詳細を見る：https://app.aibase.com/zh

1、KlingAI Avatar 2.0が登場し話題に！5分でダンスと歌が一瞬で生成、デジタル人間が「無表情」時代を脱却

KlingAI Avatar 2.0は、マルチモーダルドクターモジュールにより、音声から感情的なパフォーマンスへのスマートな飛躍を実現し、デジタル人間の表情や動作の表現力を著しく向上させました。この技術は、動画、EC広告、教育コンテンツなどの分野において画期的な影響を与えています。

image.png

【AiBase要約:】

✨ Avatar2.0はマルチモーダルドクターモジュールにより、音声、画像、テキストのヒントを連続するストーリーに変換します。

💡 表情制御と動作設計において質的飛躍を遂げ、初期のAIキャラクターの「無表情」感を回避します。

🚀 48fpsの高フレームレートと1080pの高解像度出力に対応し、プラットフォーム上で基本機能を無料で体験できます。

詳細リンク:https://app.klingai.com/cn/ai-human/image/new

2、グーグルがGemini 3 Deep Thinkモードをリリース：AIの推論能力が大幅向上

グーグルはGemini 3 Deep Thinkモードをリリースし、特に複雑な数学、科学、論理問題の処理においてAIの推論能力が顕著に向上しました。このモードは、いくつかのベンチマークテストで優れた成績を収め、例えば「人類最後の試験」では41.0％の得点を達成し、ARC-AGI-2のテストではコード実行を使用して45.1％の得点を記録しました。この改善は、並列推論技術により実現され、Ultraサブスクリプションユーザーは簡単な操作でこの機能を体験でき、AI技術の進展をさらに推進します。

image.png

【AiBase要約:】

🧠 Gemini3Deep Thinkモードが正式リリースされ、複雑な問題の処理に特化した推論能力を強化しました。

📊 限られたベンチマークテストで優れた性能を発揮し、ツールを使わない場合でも41.0％のスコアを取得しました。コードを活用すると45.1％にも到達します。

🚀 Ultraサブスクリプションユーザーは簡単に選択することでこの強力なモードを体験でき、AI技術の進歩を促進します。

詳細リンク:https://blog.google/products/gemini/gemini-3-deep-think/

3、ドウボウモバイルアシスタントの調整公告が公開：AI操作機能が規範化段階に入ります

ドウボウモバイルアシスタントは調整公告を発表し、AIによるモバイル操作の一部の機能を規範化する調整を行うことを発表しました。これは、プラットフォームエコシステムと金融セキュリティを維持するためです。

image.png

【AiBase要約:】

📱 AIによるモバイル操作機能はユーザーが積極的に許可する必要があります。実行中にいつでも中止可能です。

🔒 AIがアプリ内でスコアやインセンティブを自動的に取得する行為を制限します。

💰 より厳格に銀行およびインターネット決済などの金融関連アプリの代行操作行為を制限します。

4、マイクロソフトがVibeVoice 0.5Bをリリース：わずか0.5Bパラメータで300ミリ秒のリアルタイムオプニングを実現

マイクロソフトは新しいリアルタイムテキストから音声への変換モデルであるVibeVoice-Realtime-0.5Bをリリースしました。このモデルは、小型のサイズながらも強力な性能を備え、AI音声インタラクションに新たな可能性をもたらします。このモデルは中国語・英語のリアルタイム転記と音声生成をサポートし、多役対話においてそれぞれの独自なトーン、テンポ、ボイストーンの特徴を保持できます。また、感情表現と文脈記憶機能を持っており、より自然でリアルな音声を実現します。

image.png

【AiBase要約:】

🧠 モデルの規模は小さくても性能は強く、わずか0.5Bパラメータでほぼリアルタイムの音声生成が可能です。

🗣️ 中文と英語のリアルタイム転記と音声生成をサポートし、多役対話のシナリオを自然に再現します。

💡 感情表現と文脈記憶機能を持ち、より人間のような音声表現を実現します。

詳細リンク:https://huggingface.co/microsoft/VibeVoice-Realtime-0.5B

5、Android XR特別発表会の前触れ：Geminiで駆動されるスマートグラスが初披露、グーグルは「空間計算」で逆転できるか？

記事は、グーグルが開催する《The Android Show:XR Edition》特別発表会について紹介しています。このイベントでは、Android XRプラットフォームのソフトウェアアップデートとハードウェアエコシステムが重点的に紹介されています。これには、ソフトウェアベースのアップグレード、ハードウェアエコシステムの登場、開発者と利用性に関する内容が含まれます。

image.png

【AiBase要約:】

🧠 ソフトウェアベースのアップグレードにより、システムの反応速度とマルチデバイス協調能力が最適化され、第三者的な開発者ツールチェーンも同時に更新され、ハードウェアメーカーの適合コストが低下します。

👓 ハードウェアエコシステムの登場、サムスン Galaxy XRヘッドセットがデモンストレーションに登場し、スマートグラスのプロトタイプ機が初めて公開される可能性があります。

🚀 開発者と利用性、ライブ配信後には技術ドキュメントとリプレイが公開され、Android XR SDKにGemini Runtimeが追加されます。

6、最高のコーディングモデルが登場！GPT-5.1-CodexMaxが応答APIに接続

OpenAIは最新かつ最も強力なエージェント型コーディングモデルであるGPT-5.1-CodexMaxが応答APIに全面的に接続されたことを発表しました。これにより、開発者はこの最高レベルのコーディング能力を既存のアプリケーションや生産ワークフローに直接統合できます。このモデルは、複雑なタスクの分解、コード生成の品質、マルチステップ推論、自主的なエージェント実行能力において顕著な向上を遂げています。APIの正式な公開により、開発者は待つことなく、より幅広い環境でこの旗艦モデルを呼び出すことができます。APIキーを使ってCodexCLIを呼び出すユーザーも、GPT-5.1-CodexMaxへのアクセス権を同時に取得しています。OpenAIは今回のアップデートにより、高性能なAIプログラミング能力へのアクセスのハードルをさらに下げ、より多くの製品やサービスが「常に書き、自動的に修正し、自主的に実行する」プログラミングアシスタント体験を持つことを目的としています。

image.png

【AiBase要約:】

🧠 GPT-5.1-CodexMaxはOpenAIが最新にリリースした強力なコーディングモデルであり、複雑なタスクの分解とコード生成の品質を向上させます。

🚀 このモデルは応答APIに完全に接続されており、開発者が既存のアプリケーションやワークフローに直接統合できます。

💡 OpenAIは今回のアップデートにより、高性能なAIプログラミング能力へのアクセスのハードルをさらに下げ、より多くの製品やサービスがプログラミングアシスタント体験を持つことを目的としています。

7、アリババクラウドのXiYan-SQLが圧倒的な勝利を収める！世界最大級のSQL診断評価ランキングで首位に輝く！

アリババクラウドのFeitianラボが独自開発したデータ分析のインテリジェントエージェント「XiYan-SQL」がBIRD-CRITIC評価で優れた結果を収め、すべてのオープンリストに首位を獲得し、国内外の多数のトップチームを上回り、SQL診断と修復の業界記録を刷新しました。この評価にはMySQL、PostgreSQL、SQL Server、Oracleなど主要なデータベースシステムが含まれており、問題には単純な検索と複雑な操作が含まれ、全体的な難易度は従来のテストよりもはるかに高いです。XiYan-SQLは革新的な手段によりモデルの実行可能性和保守性を向上させ、アリババクラウド百煉プラットフォームにすでにリリースされ、SQL生成と診断サービスを提供しています。

image.png

【AiBase要約:】

✅ XiYan-SQLはBIRD-CRITIC評価で首位を獲得し、多数のトップチームを上回りました。

📊 この評価はさまざまな主要なデータベースをカバーしており、従来のSQL生成テストよりも難易度が高いです。

💻 関連する技術とモデルはオープンソース化され、開発者が体験や貢献ができるようにしています。

8、OpenAIがGPT-5.1-Codex-Maxをリリース

OpenAIがリリースしたGPT-5.1-Codex-Maxは、パフォーマンスと価格の両方で優れた結果を示しており、Windows環境に特化した最適化により、開発者市場において重要な地位を占めています。

image.png

【AiBase要約:】

🧠 GPT-5.1-Codex-Maxはパフォーマンスが顕著に向上し、価格はGPT-5と同等です。

⚙️ このモデルは「エージェント型」のコーディング能力和長時間の動作特性を持ち、複雑なタスクを処理できます。

💻 OpenAIはWindows環境に特化した最適化を行い、多数の開発ツールエコシステムに接続しています。