【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分野の注目情報をお届けし、開発者に焦点を当て、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します。

新規なAI製品クリックして詳細を確認：https://app.aibase.com/zh

1. Qwen PC版にAI音声入力機能がリリースされ、あらゆるアプリで「口に出す」ことで使用可能に

Qwen PC版にAI音声入力機能がリリースされ、ユーザーはショートカットキーを使ってあらゆるデスクトップアプリで直接使用できます。強力な意味解析能力を持ち、会話文を処理し構造化整理することが可能です。また、音声コマンドでさまざまなオフィス作業を完了できるため、効率を大きく向上させます。

image.png

【AiBase要約:】

🗣️ Qwenの音声入力は、語尾の言葉を取り除き、誤り修正やフォーマット整備などを行うことができます。文脈に基づいてスマートに返答します。

📝 ユーザーは音声コマンドを通じて、あらゆるアプリでQwenを直接利用し、創作や質問、翻訳などの操作を行えます。

📧 Qwenは自動的にメール返信を作成し、DingTalk、WeChat、メールなどの状況に適応し、オフィス効率を向上させます。

2. 字節跳動が全モーダル大モデル「Doubao-Seed-2.0-lite」を発表。AIが聞く・見るだけでなく、実際に作業も行える

火山引擎（バクファエンジン）が発表したDoubao-Seed-2.0-liteという大規模モデルは、ビデオ、画像、音声およびテキストのネイティブな統合理解を実現し、マルチモーダルインタラクションにおける重要な進展を示しています。このモデルは視覚と論理的推論能力に優れ、特に物理、医療などの高度な学問分野における複雑な推論テストでプロバージョンを超えています。さらに、GUIの理解と実行の一体化を初めて実現し、クリック、ドラッグアンドドロップ、入力などの操作を完遂でき、強力なAIの能力を示しています。

image.png

【AiBase要約:】

✅ ビデオ、画像、音声、テキストのネイティブな統合理解を実現

🧠 物理、医療などの高度な学問分野における複雑な推論テストでプロバージョンを上回る性能

🖱️ GUIの理解と実行の一体化を初めて実現し、クリック、ドラッグアンドドロップ、入力などの操作が可能

3. 腾讯がOpenSearch-VLを発表：多モーダル深度検索エージェントの「フルセット」ソリューション

腾讯混元は複数の大学と共同でOpenSearch-VLを発表しました。これは、強化学習技術を活用してモデルの能力を向上させるオープンソースの多モーダル深層検索エージェントのソリューションです。記事では、その独自のデータ生成プロセス、強力なツール環境、障害感知アルゴリズムについて詳しく説明しており、実験結果は優秀で、今後すべてを開発者に公開する予定です。これにより、多モーダルエージェント研究が促進されます。

image.png

【AiBase要約:】

🧠 イノベーティブなデータ生産プロセス、検索の近道を克服

🛠 強力なツールボックス：単なる検索ではない

🔄 「故障感知」アルゴリズム：失敗から学ぶことのできるモデル

詳細リンク:https://arxiv.org/pdf/2605.05185

4. 月之暗面がKimiClaw商標を申請、ハードウェアの大規模な動きの兆し？

月之暗面は最近、「KimiClaw」という商標の登録申請を複数件提出しました。科学機器、ウェブサービス、通信サービスなどの主要な分野をカバーしており、これは同社が人工知能エコシステムにおいて抱える野心が徐々に明らかになっていることを示しています。会社は2023年に設立され、楊植麟によって創業され、汎用人工知能に特化しており、すでに20億ドルの資金調達を成功させ、評価額は200億ドルに達する見込みです。

image.png

【AiBase要約:】

🧠 月之暗面が「KimiClaw」の商標を登録申請しており、科学機器、ウェブサービス、通信サービス分野に含まれています。

🚀 会社の設立歴は短いですが、すでに20億ドルの資金調達を成功させ、評価額は200億ドルに達する見込みです。

🔍 商標の配置は、ソフトウェアアルゴリズムからハードウェアデバイスや物理的インターフェース製品への拡大を目指している可能性があります。

5. MininglampがCider+Mano-Pをオープンソース化、MacをプライベートAIワークステーションに変身

MininglampはCiderとMano-Pという2つのローカルAIプロジェクトをオープンソース化しました。それぞれMacでの端末推論加速とGUIインテリジェントエージェント操作の問題を解決し、ユーザーに完全なローカルAIワークステーションを提供し、効率を向上させ、プライバシーを保護します。

image.png

【AiBase要約:】

🧠 CiderはMシリーズチップのパフォーマンスを最適化し、LLM/VLMの推論速度と効率を向上させます。

🖱️ Mano-Pは純粋なビジュアルGUI操作を実現し、複雑なデスクトップタスクの自動化をサポートします。

🔒 2つのプロジェクトの組み合わせにより、ローカルなプライベートAIインフラストラクチャーを構築し、プライバシーを保護します。

6. OpenAIがハードウェア大手と提携し、MRCプロトコルを発表、GPUの無駄を終わらせる

OpenAIはAMD、インテル、マイクロソフト、NVIDIAなどの企業と提携し、新たなオープンネットワークプロトコルであるMRCを発表しました。これは超大規模AIクラスターの効率の限界を解決し、データ転送の安定性を高め、GPUの無駄を減らし、計算能力クラスターをより効率的でグリーンな方向に進化させることを目的としています。

image.png

【AiBase要約:】

🧠 MRCプロトコルは、大型AIトレーニングクラスターの運用パフォーマンスを最適化し、データ転送の安定性を向上させます。

⚡ マルチパス接続の計画により、GPUの無駄を減らし、計算効率を向上させます。

🌐 OpenAIは多くの業界の巨頭と提携し、MRCプロトコルを発表し、超大規模な計算能力クラスターが効率的でグリーンな新しい段階に入ることを促進します。

7. グーグルがAI検索機能をアップデート：RedditとSNSのリアルタイムの意見を統合

グーグルは生成型AI検索機能を大幅にアップデートしました。ソーシャルメディア、フォーラム、ニュース購読などのリアルタイム情報を統合し、信頼できる情報の取得効率を改善しました。今回のアップデートでは、「意見プレビュー」機能を導入し、Redditや他のオンラインフォーラムのリアルタイムの対話をユーザーの検索と直接関連付けました。さらに、AIの回答に専門家の助言を埋め込み、クリエイターの名前とコミュニティのニックネームを追加し、情報源の信頼性を強化しました。また、AI検索結果の横には、関連するトピックの拡張リンクが表示されるようになりました。例えば、極光写真技術を検索する場合、システムは正確に写真フォーラムの露出設定に関する具体的な提案にリダイレクトします。複雑な検索に対して、グーグルはAIの要約の終わりに推奨トピックを追加し、ケーススタディやブログ報告などを含め、ユーザーが単一の検索から深い研究へと移行することを促します。また、ニュース出版者向けのサブスクリプションリンクを強調表示する機能も同時にリリースし、ユーザーがAIモードで既にサブスクライブしている信頼できる情報流を優先的にアクセスできるようにしました。これらの戦略的な行動は、グーグルが情報源の優先順位を再構築することで、垂直的なSNSからの検索トラフィックを回復しようとしていることを示しています。

image.png

【AiBase要約:】

🧠 「意見プレビュー」機能を導入し、Redditやネットフォーラムのリアルタイムの対話をユーザーの検索に関連付けます。

📊 AIの回答に専門家の助言を埋め込み、クリエイターの名前とコミュニティのニックネームを追加し、情報源の信頼性を強化します。

🌐 拡張リンクと推奨トピックを追加し、ユーザーを単一の検索から深い研究へと移行させます。

8. xAIがGrok Imagine品質モードAPIを発表：視覚生成が現実主義の時代に突入

xAIは正式にGrok Imagine APIの「品質モード」をリリースし、画像の現実主義、文字のレンダリング精度、そして創造的コントロール力において大きな突破を遂げ、画像生成が現実主義の時代に入ったことを示しています。

image.png

【AiBase要約:】

🖼️ 画像の精細さを向上させ、自然な肌の質感、毛穴の細部、複雑なライティングの変化を捉えます。

✍️ 画像生成モデルが複雑なテキストを処理する際の文字の間違いやレイアウトの乱れを解決しました。

🚀 映像生成能力を強化し、ブランドはより効率的にソーシャルメディアの資産、商品紹介の映像、各種商業広告を作成できます。