デイリー AI ニュース
要闻
OpenAIは、ChatGPTデスクトップアプリのLinuxプレビュー版をリリースしたと発表した。ChatGPT、ChatGPT Work、Codexの機能に対応し、DebianやFedoraなどの指定ディストリビューションで利用できる。x64とARM64の両アーキテクチャをサポートする。
OpenAIは、ChatGPTデスクトップアプリのLinux版がプレビュー段階に入ったことを正式に発表した。同アプリはChatGPT、ChatGPT Work、Codexを統合し、対応するLinuxシステム上でのプロジェクト処理やブラウザワークフローの利用をサポートする。現在、プレビュー版はUbuntu 24.04 LTSおよび26.04 LTS、Debian 13、Fedora 43および44のデスクトップ版に対応しており、ユーザーは.debまたは.rpmインストールパッケージを通じてインストールできる。x64とARM64の両アーキテクチャにも対応する。
要闻
SpaceXAIは、専用のクラウドコンピューターを備えたAgent「Grok Bot」の早期テスト版を公開した。既存のツールや公開APIのないプラットフォームにログインし、複数ステップのタスクをエンドツーエンドで実行できる。現在、SuperGrok Heavyなどのサブスクリプションユーザー向けにデスクトップ版とiOS版を提供している。Elon Muskは、基本的な問題の修正後にテスト対象を拡大し、今週中にGrok 4.6をリリースする予定だと述べた。
SpaceXAIは、実務を遂行できるAIチームメイト「Grok Bot」の早期テスト版を正式にリリースした。Grok Botは独立したクラウドコンピューターを備え、ユーザーがすでに利用しているツールやアプリにログインし、複数ステップのタスクをエンドツーエンドで完遂できる。公式によると、ユーザーは同僚にメッセージを送るようにBotへタスクを割り当てることができ、Botは会話内容を記憶し、ユーザーの好みを学習して、複数回の協働を経ることでパフォーマンスを向上させる。複数のBotを同時に稼働させることも可能で、Bot同士が通信してコンテキストを共有し、グループチャット内で自律的に作業を調整できる。現在、Grok BotはSuperGrok Heavy、Cursor Ultra、Cursor Teams Premiumのサブスクリプションユーザー向けに提供され、デスクトップとiOSに対応している。企業ユーザーはウェイティングリストに登録できる。Elon Muskは、早期テスト版の基本的な問題を修正した後にテスト範囲を拡大し、今週後半にGrok 4.6をリリースする予定だと述べた。
要闻
研究者らは先ごろ発表した論文で、独自の大規模言語モデルAPIの脆弱性を利用し、高性能モデルの暗号化された推論ブロックを低性能モデルに注入して脱獄させることで、非表示の推論を平文で抽出できると報告した。研究者らは、関係各社に責任ある開示を行ったとしている。
ある研究チームは論文を発表し、主要な大規模モデルのAPIに、暗号化された推論ブロックを同一プロバイダー内の異なるセッション、ユーザー、モデル間で再利用できる脆弱性が存在すると報告した。研究者らは、強力なモデルの暗号化推論ブロックを互換性のあるより弱いモデルに注入してジェイルブレイクを行うことで、弱いモデルに強力なモデルの元の平文推論を逐語的に復号して出力させることに成功した。この手法はAnthropic、OpenAI、Googleのモデルに適用できる。研究者らによると、責任ある開示プロセスに従って各AI研究所へ報告済みで、研究所側はこの脆弱性に起因する複数の問題を修正し、引き続き対応を進めている。また、公開されている推論トレースをスキャンした結果、APIキーやパスワードなどの機密データが検出されたほか、モデル内部の実際の推論プロセスとユーザーに提示される要約との間に明確な相違があることも確認された。
要闻
Bilibiliは、ゼロショット音声クローンモデルIndexTTS-2.5の重みを正式に公開した。中国語、英語、日本語、スペイン語、アラビア語の5言語間のクロスリンガル転移に対応する。アーキテクチャの再構築により推論効率を高め、発音と感情の制御を強化したほか、0.5倍から2倍までの話速調整も可能。コードと重みは関連プラットフォームですでに公開されている。
Bilibili傘下のIndex SpeechTeamは、ゼロショット・テキスト音声合成モデル「IndexTTS-2.5」を正式にオープンソース化した。同モデルのパラメーター数は0.8Bで、中国語、英語、日本語、スペイン語、アラビア語の音声クローニングとクロスリンガル転移に対応する。前世代版と比べ、IndexTTS-2.5は推論アーキテクチャを再構築して実行効率を向上させたほか、0.5倍から2.0倍までの話速制御機能を新たに追加した。現在、同プロジェクトの完全なコード、モデルウェイト、論文が関連プラットフォームで公開されており、Bilibili Model Licenseが適用されている。
要闻
智谱は、Harness製品ZCodeのユーザー数が100万人を突破し、8月11日13時にすべてのGLM Coding Planユーザーの利用枠をリセットしたと発表した。また、オフピーク時に自動実行され、利用枠を消費しないアイドルタスクなどの機能をZCodeに追加した。
智谱は、同社のHarness製品「ZCode」のユーザー数が100万人を突破し、8月11日13時に全GLM Coding Planユーザーの利用枠をリセットしたと発表した。同時にZCodeの大規模アップデートも発表し、オフピーク時間帯に自動実行され利用枠を消費しないアイドルタスク、Goal自律デリバリーモード、Subagentsによる並列協働、Remote Controlによるモバイル制御などの機能をリリースした。
要闻
OpenAIはAgentインポート機能を導入し、ChatGPTデスクトップアプリとCodex CLIでClaude Code、Claude Cowork、Cursorから設定、プロジェクト、最近の作業を取り込めるようにした。ChatGPTデスクトップアプリでは、元のAgentとの自動更新・同期も有効にできる。
OpenAIは、ChatGPTデスクトップアプリとCodex CLIに、他のAgentから作業内容をインポートする機能を追加したと発表した。ChatGPTデスクトップアプリはClaude Code、Claude Cowork、Cursorからのインポートに対応し、Codex CLIはClaude CodeとCursorからのインポートに対応する。指示ファイル、設定、スキル、プラグイン、プロジェクトフォルダ、MCPサーバー設定、hooks、subagents、直近30日間のチャット履歴などを移行できる。ChatGPTデスクトップアプリでは自動更新を有効にすることで、インポートした内容を元のAgentと同期した状態に保つこともできる。
要闻
Google CEOのSundar Pichaiは、Geminiアプリの月間アクティブユーザー数が10億人を超え、Google史上最も急成長した製品になったと発表した。同時期に、Gemmaモデルファミリーの累計ダウンロード数も10億回を突破した。
Google CEOのSundar Pichaiは、Geminiアプリの月間アクティブユーザー数が10億人を突破したと発表した。GeminiはGoogle史上最も急速に成長した製品となり、10億ユーザーの節目に到達したGoogleの14番目の製品でもある。Googleのデータによると、ユーザーの63%が音声でGeminiとやり取りし、1日あたり1.5億枚を超える画像を生成しているほか、iOSでは1億人以上がGeminiを利用している。同時期に、Googleの公式アカウントGoogle Gemmaは、Gemmaモデルファミリーのダウンロード数も10億回を突破したことを明らかにした。
模型发布
LTXは、テキスト、画像、動画から高忠実度の映像と音声を生成できるオープンソース世界モデルLTX-2.5を公開した。ネイティブなマルチショットシーンとキャラクターの一貫性を実現し、拡散ベースの高忠実度レンダリングによって細部の品質を向上させている。重みは公開されており、最低16GBのVRAMでローカル実行できる。
LTX.ioは、オープンソースのワールドモデルLTX-2.5を正式にリリースした。テキスト、画像、動画の入力から高忠実度のオーディオ・ビジュアルコンテンツを生成できる。新バージョンでは、ネイティブのマルチショット生成、拡散ベースの高忠実度レンダリング、カスタマイズされたGemma 4 12Bテキストエンコーダーを導入し、映像のディテールとプロンプトへの追従性を向上させた。モデルはオープンウェイトで提供され、最低16GBのVRAMがあればローカル環境で実行できるほか、ユーザー独自のデータを用いたファインチューニングも可能だ。公式によると、従来LTX-2.3をベースにトレーニングされたLoRAの大半は、LTX-2.5上でそのまま動作する。
模型发布
NVIDIAは、30BのMoEアーキテクチャで3Bのパラメーターのみをアクティブ化するオープンソースモデルNemotron 3.5 Lightningを公開した。長時間稼働するAgentによる高頻度の実行タスク向けに設計されており、OpenRouterとOpenCodeで無料提供されている。
NVIDIAは、オープンソースの大規模モデルNemotron 3.5 Lightningをリリースした。Mamba-2 + MoE + Attentionのハイブリッドアーキテクチャを採用し、総パラメータ数は30Bで、各tokenあたり有効化されるパラメータはわずか3Bとなっている。このモデルはNemotron 3 Ultraから蒸留されており、長時間稼働するAI Agentの高頻度な実行レイヤー向けに特化して設計され、最大1M tokensのコンテキスト長をサポートする。モデルにはOpenMDW-1.1オープンライセンスが採用され、ウェイト、トレーニングデータ、レシピがすべて公開されている。DGX Spark、H100、GB200など多様なハードウェアへのデプロイに対応し、OpenRouterとOpenCodeでも無料で利用できる。
模型发布
商汤は、マルチモーダルモデルSenseNova 6.8 Flash Lite Previewの提供開始を発表した。ユーザーは現在、SenseNova Token Planを通じて先行体験でき、5時間ごとに1,500回まで期間限定で無料利用できる。性能をさらに高めた6.8 Flash Lite正式版と6.8 Flashモデルは、今月中に公開される予定。
SenseTimeの日日新は、新たなマルチモーダルAgentモデルSenseNova 6.8 Flash Lite Previewのプレビュー版をSenseNova Token Planで正式に提供開始し、体験利用を開放した。同モデルは軽量性と俊敏性を特徴とし、自律的な計画、複数Agentの連携、動的な軌道修正の能力を備える。ユーザーが目標を提示するだけでAIが全プロセスを自律的に遂行する「委任型インテリジェンス」へと進化している。現在、ユーザーは5時間ごとに1500回まで期間限定で無料利用できる。SenseTimeによると、性能をさらに向上させた6.8 Flash Lite正式版と6.8 Flashモデルは8月にリリースされる予定だ。
模型发布
MicrosoftのコードモデルMAI-Code-1.1-FlashがGitHub Copilotで順次提供されている。Microsoftによると、ネイティブなビジュアル対応が追加され、CLIと.NETのタスクが最適化されたほか、必要なtoken数が減少し、転送速度も向上した。
Microsoftの最新小型コードモデル「MAI-Code-1.1-Flash」が、現在GitHub Copilotで順次提供されています。このモデルは、前世代をベースに画像理解のためのネイティブなビジョンサポートを新たに追加し、CLIおよび.NET関連タスクを最適化したほか、コード品質、指示追従、ツール利用などの面でも改善されています。公式データによると、タスクの完了に必要なtokenが25%削減され、ストリーミング速度は25%向上しています。
开发生态
Unslothチームは、オープンソースのデスクトップアプリUnsloth Desktopを公開した。Mac、Windows、Linux上でLLMを含むさまざまなAIモデルをローカル実行・学習でき、NVIDIA、AMD、Intel、Apple Siliconなどの幅広いチップをサポートする。
Unslothチームは、オープンソースのデスクトップアプリケーション「Unsloth Desktop」のBeta版を正式にリリースしました。macOS、Windows、Linuxに対応しています。このアプリケーションでは、ローカルハードウェア上でLLM、画像・動画の拡散モデル、音声モデル、MLX、GGUFなど、さまざまなモデルを実行・トレーニングできます。また、NVIDIA、AMD、Intel、Apple Siliconなど多様なチップのほか、CPUやマルチGPU構成にも対応しています。アプリにはプライベートWeb検索、ディープリサーチ、RAG、MCPが組み込まれており、unsloth startコマンドを通じてローカルモデルをClaude CodeやCodexなどのAgentに接続することもできます。
开发生态
NVIDIAは、LLM分類器、ステージルーティング、エスカレーションルーティングなどのアルゴリズムに対応するオープンソースのモデルルーティングライブラリNeMo Switchyardを公開した。現在はpre-alpha段階にある。
NVIDIAは、AI Agentのワークフローにおいて複数のモデルへリクエストを振り分けるためのモデルルーティングライブラリ「NeMo Switchyard」を正式にリリースし、オープンソース化しました。LLM分類器、ステージルーティング、エスカレーションルーティング、プリフィルルーターなどのアルゴリズムに対応しています。公式によるとGitHubから入手できますが、プロジェクトはpre-alphaと位置付けられており、本番環境では使用できません。
开发生态
AnthropicはCompliance APIをClaude CoworkとClaude Codeに拡張し、Enterprise顧客向けにBetaテストを開始した。コンプライアンスチームは個別の統合作業なしで、両製品の会話内容とメタデータを取得し、監査やフォレンジック調査に利用できる。
Anthropicは、ClaudeのCompliance APIの対象範囲をClaude CoworkとClaude Codeに拡大したと正式に発表しました。セキュリティおよびコンプライアンス担当チームは、既存のCompliance APIインターフェースを通じて、Coworkのデスクトップアプリ、Web版、モバイル版、およびClaude CodeのCLIとデスクトップ版から、会話内容とメタデータを取得できるようになりました。この新機能は現在Beta段階にあり、Claude Enterpriseの顧客向けに提供されています。
产品应用
WorkBuddyは、PC、APP、ミニプログラムをつなぐマルチデバイス同期機能を導入した。同じアカウントでログインすれば、スマートフォンからPC上のAgentを遠隔操作でき、画面ロック中の操作や両デバイス間の連携にも対応する。
TencentのWorkBuddyはマルチデバイス同期機能を導入し、PC、APP、ミニプログラムの3つの環境で、タスク、会話履歴、成果物をリアルタイムに同期できるようにしました。ユーザーはスマートフォンから、PC上のAgentによるタスクをリモートで承認または停止できるほか、1台のスマートフォンを複数のPCに接続して切り替えることもできます。また、スマートフォン側で情報を収集し、PC側のAgentが抽出した情報を直接処理することで、両デバイス間の連携も実現しています。
产品应用
OpenAIは、複数のツールにまたがる複雑なマルチステップワークフローを処理する共有可能なAgentをChatGPT内で作成できる、ワークスペース向けAgent機能を公開した。現在は研究プレビュー段階で、ChatGPT Business、Enterprise、Edu、Teachersの各サブスクリプションプランでのみ利用できる。
OpenAI は ChatGPT にワークスペース Agent を導入しました。ユーザーが業務内容を説明するだけで、ChatGPT がそれをチーム間で共有可能な実用的な Agent に変換し、見込み顧客の審査、レポートの作成、サプライヤーの調査といった長期的なマルチステップのワークフローを自動実行できるよう支援します。これらの Agent は、Slack、Google Drive、Microsoft SharePoint などのツールを横断してコンテキスト情報を取得し、承認後にはチケットの更新やメッセージの送信などの操作を実行できます。現在、この機能はリサーチプレビュー段階にあり、ChatGPT Business、Enterprise、Edu、Teachers の各サブスクリプションプランのユーザー向けに提供されています。
行业动态
Manusは、まもなく独立企業としての運営を再開すると発表した。Metaからの分離に伴い、一部ユーザーが特定の日付以降に生成したデータは、シンガポール時間の8月23日から24日にかけて削除される。対象ユーザーは事前にバックアップする必要があり、8月25日以降にデータを復元できる。
Manus はユーザー向けの公開書簡を発表し、Manus が近く独立企業としての運営を再開すると明らかにしました。公式説明によると、2025 年 12 月 29 日に Meta が Manus を買収しており、特定の法域における規制要件を遵守するため、一部のユーザーが買収当日またはそれ以降に生成したデータは削除されます。対象ユーザーは、本日から 2026 年 8 月 23 日 07:59（シンガポール時間）まで、公式バックアップツールを使用してデータをバックアップできます。データは 8 月 23 日から 24 日（シンガポール時間）にかけて削除され、ユーザーは 8 月 25 日 08:00（シンガポール時間）からデータを復元し、通常どおり利用を再開できます。影響を受けないユーザーは対応の必要がなく、引き続き通常どおり Manus を利用できます。
行业动态
Mistral AIは、データレジデンシー要件を満たすため、顧客がヨーロッパまたは米国での実行を選択できるリージョン別推論エンドポイントを導入した。さらにMistralプラットフォームはサードパーティーのオープンモデルに対応し、第1弾として智谱のGLM-5.2を追加する。
Mistral AI は、リージョン制御、オープンモデルの選択肢、長期的なコンピューティング能力へのコミットメントを通じて、顧客の AI 主権を強化すると発表しました。推論レイヤーでは、Mistral Regional Endpoints が正式に利用可能となり、顧客はデータレジデンシー、規制、レイテンシーに関する要件を満たすため、ヨーロッパまたは米国で推論を実行するよう選択できます。さらに、Mistral のプラットフォームはサードパーティーのオープンモデルをサポートし、第1弾として智谱の GLM-5.2 を導入します。これらのモデルは、Mistral の自社モデルと同じインフラストラクチャおよびリージョン制御の下で稼働します。
行业动态
通义千问の元責任者である林俊旸は、デジタル世界と物理世界を横断する次世代Agentの開発に注力する语用科技を設立したと発表した。同社は红杉中国や高榕创投などから出資を受けているという。
通义千问の元責任者である林俊旸は、上海で Pragmatik Labs（语用科技）を設立し、デジタル世界と物理世界を横断する次世代 Agent の研究開発に取り組むと発表しました。公式サイトによると、同社は知識労働を遂行できるデジタル Agent と、現実環境で長期的なタスクを遂行できる物理 Agent または具身 Agent を構築します。林俊旸は、今回の資金調達を红杉中国と高榕创投が共同で主導し、腾讯と上海未来产业基金が支援したことを明らかにしました。
行业动态
ネットユーザーの間で、DeepSeekが「Deepseek Harness 团队」というWeChat公式アカウントを登録したことが最近確認された。関連情報によると、同アカウントは7月初旬に登録を完了したが、現時点で投稿はない。
コミュニティからの情報によると、北京深度求索人工智能基础技术研究有限公司は7月初め、「Deepseek Harness 团队」という名称の WeChat 公式アカウントを登録しました。現在、このアカウントは登録済みですが、まだコンテンツは投稿されていません。
技术与洞察
Googleは、医療AIシステムAMIEがリアルタイムのビデオ診療に対応したと発表した。模擬診療を用いたランダム化研究では臨床パフォーマンスのベンチマークを達成したが、現時点では研究システムにとどまる。
Googleは、医療AIシステムAMIEの開発を進め、リアルタイムの臨床ビデオ診療機能を持たせようとしている。同システムはGeminiとProject Astraを基盤に構築され、マルチエージェント・アーキテクチャを採用しており、視覚・聴覚的な手がかりを読み取り、バーチャル診察を誘導しながら、リアルタイムで診断推論を行うことができる。患者役の俳優とプライマリケア医を用いた模擬診療のランダム化研究では、臨床評価者は、病歴聴取の網羅性、診断の正確性、対応の適切性、コミュニケーションの質といった中核的な臨床能力について、AMIEを高く評価した。患者役の俳優も、テキストチャットよりビデオでの体験を好む傾向を示した。現在、AMIEは依然として研究段階のシステムであり、責任ある形で実際の臨床現場に導入するには、さらなる研究が必要となる。
技术与洞察
腾讯混元は、WorldClawと呼ばれるAgenticフレームワークを公開した。このフレームワークは、テキストプロンプトを、自由に探索でき、編集可能な3Dアセットのみで構成された大規模な3Dオープンワールドシーンへ変換できる。
Tencent Hunyuanは、WorldClawと名付けたAgentic 3Dオープンワールド生成フレームワークを発表した。このフレームワークは動画やGaussian Splattingを生成するものではなく、自由形式のテキストプロンプトを、編集可能でゲームに直接利用できる3Dアセットによって構築された大規模シーンへと変換する。WorldClawは、粗い段階から細部へと進むAgenticプランニングにより、地形全体の一貫性を維持しながら、豊かな局所的ディテールを生成する。生成されたシーンは、自由視点での探索、オブジェクト単位の編集、再利用に対応し、レンダリング、アニメーション制作、ゲームエンジンのワークフローに直接接続できる。
前瞻与传闻
OpenAIが米国の大学生にChatGPT Plusを1年間無料で提供するとの情報が報じられた。米国内の参加大学220校以上に在籍する学生が対象で、SheerIDによる本人確認後に有効化できるという。現時点で、この情報は公式には確認されていない。
リーク情報を発信するブロガーによると、OpenAIは新たな「Back to School」キャンペーンを準備しており、ChatGPTを試験対策・学習ツールとして位置付けるという。キャンペーンの一環として、現在米国の大学に在籍する学生は、ChatGPT Plusを1年間無料で利用できるようになる。この特典の対象は、キャンペーンに参加する米国の220校以上の大学に在籍する学生に限られる。対象となる学生は、認証パートナーのSheerIDを通じて学生資格を確認する必要がある。現時点で、上記の情報は公式には確認されていない。
前瞻与传闻
報道によると、字节跳动は最近、新たな最上位部門「AI数据与安全」を設立した。同部門は複数の分散していたチームを統合し、主に字节跳动のすべての大規模モデルにクロスモーダルなデータサービスを提供する。
智能涌现の報道によると、ByteDanceは最近、SeedやFlowなどと並列する新たな第1階層部門「AIデータ・セキュリティ」を設立した。責任者には、TikTokのプラットフォーム責任者を務めていた王赢磊氏が就任した。同部門は、Global Data、グループのデータミドルプラットフォームDMC、Flow傘下のAIデータプラットフォームAIDPなどのチームを統合したもので、ByteDanceのすべての大規模モデルにクロスモーダルデータサービスを提供することを中核機能とし、標準策定、調達先の探索・調達、合成・クリーニング、品質評価などのプロセスを網羅する。
前瞻与传闻
報道によると、Riot PlatformsとAnthropicは約91億ドル規模の20年間にわたるデータセンター賃貸契約を締結した。契約は191MWのコンピューティング容量を対象とし、5年間の更新オプションが2回付帯する。潜在的な総額は約161億ドルに上るという。
Riot Platformsは以前、四半期決算で、ある「フロンティアAIラボ」と20年間のデータセンター賃貸契約を締結し、Texas州Rockdaleの拠点で191メガワットの基幹IT電力容量を提供すると発表していた。初期契約期間中の収入は約91億ドルに達する見込みだという。Bloombergが事情に詳しい関係者の話として報じたところによると、このテナントはAnthropicだが、RiotとAnthropicはいずれも正式にはコメントしていない。契約には、それぞれ5年間の更新オプションが2回含まれており、すべて行使された場合、契約総額は約161億ドルに達する可能性がある。
注意：本コンテンツはAIの支援を受けて作成されており、ハルシネーションや誤りが含まれる可能性があります。