2026-09-21

Qwen、画像生成・編集モデルQwen-Image-2.1をオープンソース化

要闻

QwenはQwen-Image-2.1を公開してモデルウェイトを開放し、テキスト画像生成と画像編集を単一モデルに統合した。画像生成部分は7Bパラメータ、32層のSingle-Stream DiTを採用し、最大10枚の参照画像に対応する。

QwenはQwen-Image-2.1の公開時にモデルウェイトも開放し、テキスト画像生成と画像編集を単一モデルに搭載した。画像生成部分は7Bパラメータ、32層のSingle-Stream DiTを採用している。同社の説明によると、新版は混合粒度AttentionとKV Cacheの再利用により、複数画像を入力する際の重複計算を減らす。RGBA透明画像の生成と編集に加え、通常の写真から被写体を抽出して透明レイヤーを作成できる。編集では最大10枚の参照画像を受け付け、範囲指定、塗りつぶし、独立Maskなどの局所制御を提供する。公式によると、人物のIdentityと、商品に含まれる文字、テクスチャ、形状の一貫性を強化し、文字レイアウト、人物の光と影、細部も改善した。パノラマ、インフォグラフィック、ストーリーボードの生成にも対応する。Diffusers、ComfyUI、vLLM-Omni、SGLang、LightX2Vは、いずれも公開当日からサポートを提供した。

原文を読む →

阶跃がStep 5 Previewをリリース、全ユーザーに提供開始

要闻

StepFunは、現実世界のAgenticタスク向けモデルStep 5 Previewを全面開放した。同モデルは総パラメータ600B、活性化パラメータ27Bの疎なMoEアーキテクチャを採用し、100万Tokenのコンテキストウィンドウに対応する。

StepFunは、現実世界のAgenticタスク向けフラッグシップ基盤モデルStep 5 Previewを正式にリリースし、全面開放した。対象分野にはAIコーディング、ソフトウェアエンジニアリング、専門知識を扱う業務、金融が含まれる。同社の説明によると、このモデルは総パラメータ600B、活性化パラメータ27Bの疎なMoEアーキテクチャを採用し、テキストと画像を入力できる。100万Tokenのコンテキストウィンドウに対応し、長いコンテキスト、複数ターンのツール呼び出し、継続的なタスク実行を主な対象とする。公式発表では、Step 5 PreviewはArtificial Analysis Intelligence Indexで44点を獲得し、世界のオープンモデル上位3位に入り、1タスク当たりのコストはClaude Opus 5の8分の1だとしている。国内外のオープンプラットフォームのAPI、Studioでのオンライン体験、Step Planのサブスクリプションを通じて利用でき、モデルの重みは10月15日に公開される予定である。

原文を読む →

TypeSafe AIがJevを全ユーザーに開放、新規ユーザーに5ドル分のクレジットを付与

开发生态

TypeSafe AI はオンラインコンソールを通じて Jev を全ユーザーに開放し、ウェイティングリストによる制限を撤廃した。ユーザーは待機せずに利用を開始でき、全員が 5 ドルの初期クレジットを取得できる。公式によると、約 1 億 2,000 万 token に相当する。

TypeSafe AI は現在、オンラインコンソールで Jev を全ユーザーに開放しており、アクセス条件の変更はすでに適用されている。利用者は事前にウェイティングリストへ登録する必要がなく、コンソールから直接 Jev の利用を開始できる。従来のアクセス待機制限は撤廃され、ウェイティングリストは利用開始の条件ではなくなった。クレジットについては、全ユーザーが 5 ドルの初期クレジットを取得できる。TypeSafe AI の説明では、このクレジットで約 1 億 2,000 万 token を利用できる。

原文を読む →

GoogleがAgenticオーケストレーターAXをオープンソース化、ステートフルなタスクの一時停止・再開に対応

开发生态

GoogleはKubernetesクラスタ向けのAgenticオーケストレーターAXをオープンソース化した。クラスタごとに数十億件の自律Agentタスクを宣言的に実行し、ステートフルなタスクの一時停止と再開に対応するが、現在の仕様はv1alpha1で、安定版までに重大なbreaking changesが入る可能性がある。

GoogleはAXをApache License 2.0でオープンソース化した。AXはKubernetesクラスタ上で動作する宣言型のAgenticオーケストレーターで、ステートフルなAgentタスクを隔離環境で実行し、一時停止と再開を管理する。Agent Substrate上に構築され、workspaceとgatewayの仕様でタスクを設定し、workspaceの接続とネットワーク制限を行い、リソースをax.io/v1alpha1 manifestで統一的に記述する。公式によると、クラスタごとに数十億件の自律Agentワークロードを実行できる。現在も中核概念、プロトコル、仕様を調整しており、安定版の公開前に重大なbreaking changesを導入する可能性がある。

CLIのaxはgRPCでcontrol planeに接続し、kubectlに似たコマンド体系としてapply、get、describe、watch、deleteと少数のAgent専用操作を備える。現在のKubernetes contextに追従し、バックグラウンドで対象クラスタのcontrol planeを解決してtunnelを確立する。デプロイにはKubernetes cluster、ko、クラスタからpullできるcontainer registry、接続可能なAgent Substrate Control APIが必要で、クラスタ内のデフォルトアドレスはapi.ate-system.svc.cluster.local:443となる。デプロイではRedisを先に配置し、koでcontrol plane imagesをビルドしてデプロイし、すべてのリソースをax-system namespaceに置く。./demo.shはカスタムworkspaceの適用、準備完了の待機、ax sshによるコマンド実行、タスクの一時停止を順に実行する。

原文を読む →

腾讯がエンドツーエンド文書解析モデルWeVisDocをオープンソース化

模型发布

Tencent は WeVisDoc を GitHub と Hugging Face で公開し、2B、4B の重み、コード、チュートリアルを提供した。異なるレイアウトや取得条件のページ画像を、構造化 Markdown に直接変換できる。

Tencent は GitHub と Hugging Face で WeVisDoc の 2B、4B の重み、関連コード、チュートリアルを公開した。この End-to-End 文書解析モデルは、異なるレイアウトや取得条件のページ画像を構造化 Markdown に直接変換する。2つのバージョンはそれぞれ Qwen3-VL-2B-Instruct と Qwen3-VL-4B-Instruct を微調整したもので、同一の出力シーケンス内にテキスト、LaTeX 数式、HTML テーブル、読み順を保持できる。公式説明によると、WeVisDoc-4B は OmniDocBench v1.6、および PureDocBench の Clean、Digital Degraded、Real Degraded を合わせた4つの設定すべてで、比較対象となった End-to-End 解析モデルを上回った。

原文を読む →

WebCraftBench、実際のインタラクションとコードカバレッジでAI Webアプリを評価

技术与洞察

arXivのページタイトルは、WebCraftBenchが実際のインタラクションとコードカバレッジでAI Webアプリを評価すると説明している。一方、提示された本文はarXivLabsと4つの協力上の価値観のみを紹介し、このベンチマークのバージョン、データ、評価結果は示していない。

提示されたarXivページのタイトルは、WebCraftBenchを、実際のインタラクションとコードカバレッジによってAI Webアプリを評価する手法として説明しているが、本文には著者、公開日、バージョン番号、データセット規模、指標の定義、実験結果が記載されていない。本文が実際に紹介しているのはarXivLabsであり、このフレームワークでは協力者がarXivのWebサイト上で新機能を直接開発し、共有できる。説明によると、arXivLabsと協力する個人および組織は、オープン性、コミュニティ、卓越性、ユーザーデータのプライバシーという4つの価値観を受け入れている。arXivはこれらの価値観に従うパートナーとのみ協力し、arXivコミュニティに価値を加えるプロジェクト案についてarXivLabsの詳細を確認するよう案内している。

原文を読む →

硅基流动がシリーズB+の第2次ラウンドとシリーズCの資金調達を完了

行业动态

SiliconFlowはB+ラウンド第2期とCラウンドの資金調達完了を発表し、2026年度の累計エクイティ調達額は約29億元となった。資金は推論エンジン、異種計算資源のスケジューリング、モデルとチップの適合に関する研究開発、およびグローバル市場の開拓に充てる。

SiliconFlowはB+ラウンド第2期とCラウンドの資金調達を完了したと発表し、2026年度の累計エクイティ調達額は約29億元となった。今回の投資機関には中国インターネット投資基金、国新基金、中国移動チェーンリーダー基金が含まれ、一部の既存株主も追加出資した。同社の説明によると、調達資金は推論エンジン、異種計算資源のスケジューリング、モデルとチップの適合に関する研究開発への投資拡大に使用し、Token供給プラットフォームの強化とグローバル市場のさらなる開拓を進める。

原文を読む →

智谱MaaSプラットフォーム、データやコンテンツを保持しない機能を導入へ

行业动态

智譜のMaaSプラットフォームは、データ内容を保存しない機能を導入し、すべてのユーザーから申請を受け付ける。機能の有効化後、入出力は当該モデル呼び出しにのみ使用されるが、Batch APIとFile APIは対象外で、法令上の要請や違反・不正利用の調査では関連データが30日以上保存される場合がある。

智譜のMaaSプラットフォームはデータ内容を保存しない機能を導入する予定で、具体的な有効化時期と適用範囲はプラットフォームの確認結果に基づいて決まる。すべてのユーザーが申請でき、企業と開発者はMaaSコンソールから申請を提出できる。同社の説明では、機能の有効化後、プラットフォームはユーザーの入力と出力を静的に保存せず、関連データは当該モデル呼び出しの完了にのみ使用される。タスクやファイルの永続的な保存を必要とするBatch API、File APIなどの機能は対象外となる。法令上の要請がある場合や、違反または不正利用の疑いを調査する場合、プラットフォームが関連データを30日以上保存する可能性がある。

原文を読む →