Aニュース：KimiオープンプラットフォームにKimi Playgroundが登場；OpenAIがChatGPT Agentを発表；Sunoがボーカル置換機能をリリース

【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分野の注目コンテンツをお届けし、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します。

新鮮なAI製品クリックして詳細を見る：https://top.aibase.com/

1. 月の暗面KimiオープンプラットフォームにKimi Playgroundが登場

Kimi Playgroundのリリースは、AI技術が対話アシスタントからスマートアシスタントへの転換を示しています。ツール呼び出し機能により、AIが積極的に問題解決を行うことができます。このプラットフォームは開発者にワンストップのツール呼び出し体験を提供し、複数のツールの接続とデバッグをサポートし、開発効率を向上させます。

【AiBase要約:】
✨ Kimi Playgroundはツール呼び出し機能を通じてAIが問題を積極的に解決し、情報提供者からスマートアシスタントへの変化を実現します。
🛠️ 直感的なツール呼び出しインターフェースを提供し、組み込みおよびサードパーティツールの接続をサポートし、開発効率を向上させます。
📊 データ分析や旅行計画などのシーンで強力な自動化能力を示し、複雑なタスクを簡略化します。
詳細リンク:https://platform.moonshot.cn/playground

2. OpenAIがChatGPT Agentを発表：自ら考え、ブラウズ、ショッピング、PPTを作成できる！

OpenAIはChatGPT Agentを正式にリリースし、人工知能が対話アシスタントから自律的なタスク実行者への重要な飛躍を示しています。このツールはOperatorとDeep Researchの機能を統合し、仮想ブラウザ、端末、APIを通じて複雑なタスクを完了し、ユーザーの効率を向上させます。

【AiBase要約:】
🚀 ChatGPT Agentは自主的にブラウズ、クリック、フォーム入力、コード実行ができる能力を持ち、ウェディングドレスの選定や旅行計画などの多様なタスクを処理できます。
📈 複数のベンチマークテストで優れた性能を示し、競合他社よりも高い正確性を持っており、非常に実用的です。
🔒 セキュリティを重視し、高リスク操作ではユーザーの承認が必要であり、悪意のある攻撃を防止するために厳格な保護措置が講じられています。
詳細リンク:https://openai.com/zh-Hans-CN/index/introducing-chatgpt-agent/

3. Sunoがv4.5+をリリース：ボーカル置換機能を追加し、元のボーカルを他の声に変更可能

Suno v4.5+は、ボーカル置換、バックグラウンド音楽生成、インスピレーション引き出す機能など、多数のイノベーティブな機能をリリースし、音楽創作の柔軟性とパーソナライズされた体験を大幅に向上させました。同時に、音質と創作体験も全体的に最適化され、音楽クリエイターにより強力なツールを提供しました。

【AiBase要約:】
🎧 ボーカル置換機能により、ユーザーはバックグラウンド音楽をアップロードまたは組み込みの楽器伴奏を使用し、歌詞を入力することで完全な曲を生成できます。
🎵 Add Instrumentals機能は、ユーザーの歌声や口ずさみを完全な音楽作品に変換できます。
🎼 Inspire機能はプレイリストからインスピレーションを得て、ユーザーの審美観に合った新しい曲を迅速に生成します。

4. AI動画コストが高騰？Google Veo3がGemini APIで登場

グーグルのエキスパートレベルの動画生成モデルVeo3は、Gemini APIを通じて開発者に公開され、テキストから動画への変換と同期された音声生成を提供しています。これはAI動画制作の新しい段階を示すものですが、同時に高コストも伴っています。Veo3は、単一のテキストプロンプトで高解像度の動画を生成し、会話、音楽、効果音を同期して生成できる最初のモデルです。

【AiBase要約:】
🔥 グーグルがエキスパートレベルの動画生成モデルVeo3を発表し、テキストから動画への変換と同期された音声生成をサポートしています。
💰 Veo3の料金は高く、720p動画で1秒あたり0.75ドルであり、高額なコストになる可能性があります。
🚀 Veo3は主に専門的な分野に使用され、CartwheelやゲームスタジオVolleyのプロジェクトで利用されています。

5. 最初のライブストリーム拡散AIモデルMirageLSDが衝撃的な発表、リアルタイム動画変換で無限の可能性を開く！

MirageLSDは、世界的に初めての人工知能ライブストリーム拡散モデルとして、超低遅延とリアルタイム動画変換能力により、ライブ配信、ゲーム開発、アニメ制作などのシナリオにおいて革命的な変化をもたらします。この技術は従来のビデオ生成モデルの遅延と長さの制限を突破し、シンプルなインタラクションと高い柔軟性を持ち、大きな応用可能性を示しています。

【AiBase要約:】
✨ MirageLSDは24フレーム/秒の動作速度と40ミリ秒未満の応答遅延を実現し、従来のビデオ生成モデルのボトルネックを打ち破りました。
🕹️ グestureコントロールと継続的なプロンプト編集をサポートし、ユーザーはリアルタイムでビデオ内の外観、シーン、服を変更でき、技術のハードルを下げます。
🚀 ゲーム開発分野で驚異的な潜在力を示し、開発者は30分以内にゲームを迅速に構築し、モデルがすべてのグラフィック効果を自動処理します。
詳細リンク:https://mirage.decart.ai/

6. VSCodeのAIプログラミングツールTraycer、大規模コードベースの処理に優れた性能

TraycerはVisual Studio Code向けに設計されたAIプログラミング補助ツールで、スマートなタスク分解、コード計画、リアルタイム分析能力により、開発者のコーディング効率を顕著に向上させます。マルチエージェント協働とVSCode Agentモードとの高い互換性により、複雑なプロジェクトでのパフォーマンスが特に優れています。

【AiBase要約:】
🧠 タスク分解と計画：上級タスクの記述に基づいて詳細なコード作成計画を生成します。
🔄 マルチエージェント協働：複数のAIエージェントが非同期でタスクを実行し、複雑なプロジェクトの処理効率を向上させます。
🔍 リアルタイムコード分析：コードベースを継続的に追跡し、潜在的なエラーを特定し、最適化の提案を行います。
詳細リンク:https://traycer.ai

7. ARTフレームワークがリリース！Pythonで1クリックでAIエージェントを訓練、メール検索からゲーム操作まで完璧！

記事ではARTフレームワークのリリースとその強化学習分野における応用価値について紹介しています。このフレームワークは開発者に便利なツールを提供し、さまざまな言語モデルをサポートし、メール検索やゲーム開発などの多様なシナリオに適用可能です。モジュール化設計と使いやすさにより、中小チームや個人開発者でも高速に高性能なエージェントを構築できます。

【AiBase要約:】
🧠 ARTフレームワークはGRPO技術を統合し、AIエージェントの性能を向上させ、経験から学び、タスクの実行を最適化します。
📦 フレームワークはQwen2.5、Qwen3、Llama、Kimiなどの多様な言語モデルをサポートし、広範な選択肢を提供します。
🚀 開発者は簡単なコマンドでARTを簡単に統合し、強化学習機能を実装し、使用のハードルを低下させます。
詳細リンク:https://github.com/openpipe/art

8. 5.63%の誤り率で新記録：NVIDIA AIが商用級の超高速音声認識モデルCanary-Qwen-2.5Bを発表

NVIDIAが発表したCanary-Qwen-2.5Bモデルは、自動音声認識および言語処理分野で重大な突破を達成し、Hugging Face OpenASRランキングで5.63%の単語誤り率でトップに輝きました。このモデルは効率的な転写と言語理解能力を組み合わせ、音声から直接要約や質問応答などのタスクを実行でき、幅広い商業応用の可能性を持っています。

【AiBase要約:】
🧠 技術的突破：音声理解と言語処理を統一し、単一のモデルアーキテクチャを実現します。
⚡ 性能優秀：5.63% WER、リアルタイム処理速度418倍、パラメータは25億。
💼 応用範囲広大：企業の転写、知識抽出、会議要約、コンプライアンス文書処理などのシナリオに適用されます。
詳細リンク:https://huggingface.co/nvidia/canary-qwen-2.5b

9. Mistral AIが新機能Le Chatをリリース：ChatGPTを全面的に追い抜く

Mistral AIのLe Chat新機能には、深層研究モード、音声インタラクション、高度な画像編集が含まれており、ユーザー体験を向上させ、OpenAIのChatGPTに挑戦しています。音声認識はVoxtralモデルに基づき、自然で低遅延な特徴を持ち、画像編集機能は実際の使用中に優れた性能を示しています。

【AiBase要約:】
🧠 **深層研究モード**：構造化された研究報告書を迅速に生成し、ユーザーが市場トレンドを追跡し、ビジネス戦略書を執筆するのを支援します。
🗣️ **音声インタラクション機能**：Voxtralモデルに基づいて自然で低遅延の音声認識を実現し、ユーザーがいつでもどこでも情報を取得できるようにします。
🎨 **高度な画像編集**：シンプルなプロンプトで画像を生成・編集でき、OpenAIの製品を上回る性能を示します。

10. バイドゥ小度が物理世界と相互作用可能なMCP Serverをリリース

バイドゥ小度が物理世界と相互作用可能なMCP Serverをリリースし、AIアプリケーション開発に新たな変革をもたらし、業界を「万物の知能連携」の新時代へ導きます。

【AiBase要約:】
💡 小度が物理世界と相互作用可能なMCP Serverをリリースし、端末機器と核心IoT機能のMCP化アップグレードを実現します。
🌐 小度オープンプラットフォームが2つの主要なサービスをリリースし、開発者のハードルを低下させ、スマートデバイスの操作効率を向上させます。
🚀 小度MCP Serverはスマートホームを「一点制御」から「主動サービス」へ進化させ、「全民の知能開発」の新時代を開きます。
詳細リンク:https://dueros.baidu.com/dbp/mcp/console