アップル社とコーネル大学は、「Ferret」というオープンソースのマルチモーダル機械学習モデルを共同で発表しました。Ferretは、画像内の任意の位置にある要素を参照し、特定できるシステムです。ユーザーの問い合わせで役立つ要素を識別し、適切な応答を行うことができます。
今回の発表は、アップル社のAI開発におけるよりオープンな姿勢を示しており、影響力のあるAI研究へのコミットメントを証明するものです。

アップル社とコーネル大学は、「Ferret」というオープンソースのマルチモーダル機械学習モデルを共同で発表しました。Ferretは、画像内の任意の位置にある要素を参照し、特定できるシステムです。ユーザーの問い合わせで役立つ要素を識別し、適切な応答を行うことができます。
今回の発表は、アップル社のAI開発におけるよりオープンな姿勢を示しており、影響力のあるAI研究へのコミットメントを証明するものです。
Cloudflareは10月9日、オープンウェイト意思決定モデル「Clef-omni」を発表。従来のテキスト・画像処理に加え、音声と完全な動画を新規サポートし、単一API呼び出しでマルチモーダル内容を同時処理可能。従来Clefはテキスト・画像・一定間隔で抽出した静止画のみ対応だったが、Clef-omniはwavやmp3等の音声形式をネイティブ対応し、マルチモーダル強化とアーキテクチャ解析を扱う。....
MiniMax、コマンドラインAIプログラミングツール「MiniMax Code CLI v0.4.12」を正式オープンソース化。ソースコードはGitHubで公開され、クライアント核心部として実装を開発者に開放。FrontierHarness Eval評価でタスク成功率76.7%、成功タスク所要時間中央値4分33秒を達成し、いずれも公開ベースラインを上回り、正確性と効率を両立。....
9月8日、DeepSeek V4.1-Flash中間版の内部テスト開始。新モデル構造でマルチモーダルにネイティブ対応し、性能・速度・コストで改善。base_urlはそのまま、モデル名をdeepseek-v4.1-flash-expires-on-0910に設定で利用可。課金はV4-Flashと同一。外部評価は未公開。....
微信AIがマルチモーダル埋め込みモデルWeMM-Embeddingをオープンソース化。2B/4B/9B版を提供。テキスト・画像・動画・視覚文書・混在入力に対応。マルチモーダル同型技術で文字と視覚情報を同時に深く理解し、クロスモーダル検索と理解を向上。....
8月30日、オープンソースAI「OpenClaw」が最大規模のアップデート2.0を公開。貢献者933名、PR1.6万件超を統合し、約半数がコード提出。旧設計の限界により約7週間で基盤とデリバリーを再構築。インストール簡素化とブラウザ体験刷新を中心に、メッセージ・記憶・スキル・モデル・自動化・セキュリティを全面強化。....