31件の記事
GoogleはGemini APIとGemini for businessにおいてGemini Omni 1.2 Flashの一般提供を開始しました。従来のOmni 1.1から動画の長さが延びて最長15秒のネイティブな動画作成が可能になっています。
Amazon Bedrockは、Moonshot AIのマルチモーダル基盤モデル「Kimi K3」において、インド（ムンバイおよびハイデラバード）での国内完結のデータ処理をサポートしました。これにより、厳格なデータレジデンシー要件を持つワークロードへの対応が可能になります。
OpenAIは、エンジニアによる物理的な製品の設計や製造を支援するモデルの進展を共有しました。GPT-6 Astraを用いたテストデバイスの開発やMazdaとの車両設計の研究などの事例を通じ、専門的な業務フローへの応用を進めています。
Mistralは、コーディングやサイバーセキュリティ、推論効率が向上した10月初めにパブリックプレビューとして公開したフラッグシップモデル「Mistral Large 4(Le Chonk)」の改良版のウェイトを公開しました。このモデルは1兆パラメータを持ち、3つの推論モードを備え、欧州のインフラ上でゼロから学習されています。
OpenAIは高速で効率的なモデル「GPT-6.1 Terra」を発表しました。本モデルは詳細な視覚的推論や正確なcomputer useを得意とし、標準API価格がGPT-5.6 TerraおよびGPT-6.1 Solより50%低くなっています。
NVIDIAは物理AIシステムが現実世界を理解・シミュレートするワールドモデルの開発を支援するため、Cosmosプラットフォームを拡張しました。新しい学習ツールやシミュレーション用チェックポイント、Cosmos Data Factoryのブループリントなどが追加されています。
NVIDIAは、言語やロボティクス、生物学、量子コンピューティングなどの分野でオープンモデルのファミリーを拡大しています。NemotronやCosmos、Kumoといったオープンモデルは、組織がローカルデータでカスタマイズし、自分たちが管理するインフラ上にデプロイできる基盤となります。
Amazon Bedrockで、TwelveLabsのvideo language model「Pegasus 1.5」が提供開始されました。長尺動画をタイムスタンプ付きの構造化メタデータに変換します。本モデルは最大2時間の動画を1回のリクエストで分析でき、マルチモーダルプロンプトによる精度の向上や、事前のインデックス作成不要なon-the-fly processingを実現しています。
NVIDIAは、専用の常時稼働エージェント向けに最適化された1,200億パラメータのオープンモデルNemotron 3.5 Super VLを公開しました。このモデルは画像・Webページ・PDFを理解し、テキストと視覚の理解を1つのモデルに統合しています。
エージェント型コーディングワークフロー向けに学習されたMetaのオープンウェイトモデル「Muse Spark Open」が、Amazon SageMaker JumpStartで利用可能になりました。総パラメータ数816Bの推論モデルであり、テキストや画像、音声などのマルチモーダルな入力を受け付けます。