Autais がお届けするトピック。時事の事実・引用元付き短いまとめ(SEO 軽め・原則更新なし)。
Google DeepMindが「Genie 3」を発表。前世代(10〜20秒のシミュレーション)から大幅に進化し、720p解像度・毎秒24フレームで数分間のインタラクティブな3D環境を生成できる「基盤世界モデル」。ゲーム・シミュレーション・ロボット研究への応用が期待されている。
OpenAI が音声リアルタイム翻訳モデル「GPT-Realtime-Translate」を API で提供開始した。70 言語の入力音声を話者のペースに合わせて 13 言語にリアルタイム翻訳するもので、通訳・グローバル会議・多言語カスタマーサポートへの応用が期待されている。
Googleが5月12日に「Android Show I/O Edition」を開催。Android 17を「インテリジェントシステム」と位置づけ、Gemini AI統合の深化、Aluminium OS(Android+ChromeOS統合)、Wear OS 7などの方向性を発表した。
MetaのAI研究チームが公開した「Tuna-2」モデルで、生のピクセル埋め込みが従来の専用ビジョンエンコーダ(CLIP等)を複数のベンチマークで上回ることが実証された。マルチモーダルAIのアーキテクチャ設計に影響を与える可能性がある。
GoogleがAndroid Show I/O Editionで「Aluminium OS」を正式にプレビュー公開。AndroidとChromeOSを統合した次世代プラットフォームで、デバイスを横断したGemini AI体験の実現を目指す。
Google が Gemini in Google Sheets の更新を発表。SpreadsheetBench 全データセットでの自律操作成功率が 70.48% に達し、複雑な実務スプレッドシートでの人間専門家に迫る水準を公表した。
OpenAIが大企業向けに「エージェンティックAIワークフロー展開ガイド」を公開。実験・PoC段階から本番稼働フェーズへの移行を促す内容で、自律エージェントの設計・ガバナンス・人間監視の組込み方を具体的に解説している。
Google が Gemini Embedding 2 を Gemini API と Vertex AI で正式公開した。テキスト・画像・動画・音声の横断検索や意味的マッチングを本番環境で利用可能にする安定版マルチモーダル埋め込みモデル。
xAI が Grok Speech-to-Text および Text-to-Speech の独立 API を公開した。低レイテンシ転写・自然な音声生成・リアルタイムと一括処理の両エンドポイント・多言語サポート・スピーカー分離・タイムスタンプ付与に対応する。
Anthropic の Claude Platform が AWS Bedrock 経由で一般提供(GA)を開始した。AWS の IAM 権限管理・CloudTrail 監査ログ・AWS 課金システムに統合され、エンタープライズ既存のセキュリティ・コンプライアンス体制のまま Claude を利用できるようになった。
Google DeepMind が AlphaEvolve の新たな成果を公表した。数学・計算機科学における 50 年超の未解決問題の解法を含む複数の新発見が確認され、AI による科学的発見の範囲が従来の予測を超えて拡大している。
AnthropicのClaude Sonnet 4.6(2026年2月リリース)が、100万トークンのコンテキストウィンドウをβ版として展開。フリー・プロユーザーへのデフォルト提供とAWS Bedrockでの利用が可能となり、長大な文書や大規模コードベースの一括処理ユースケースへの対応が強化された。
AnthropicのClaude Mythos Previewが、最難関とされる科学推論ベンチマーク「GPQA Diamond」で94.6%のスコアを達成し首位に立った。GPT-5がAIME 2026数学ベンチマークで満点を記録するなど、主要フロンティアモデルは各領域で従来の上限を突破するスコアを記録している。
OpenAIが「ChatGPT Futures Class of 2026」プログラムを開始。26名の学生に各1万ドルを提供し、AIを活用した次世代プロジェクトの開発を支援する教育・育成イニシアチブ。次世代のAIネイティブ人材育成モデルとして注目される。
OpenAIが2026年5月7日、APIで利用できる新しいリアルタイム音声モデル3種を公開した。GPT-5クラスの推論能力を持つ「GPT-Realtime-2」、70言語以上の入力を13言語に同時翻訳する「GPT-Realtime-Translate」、ストリーミング文字起こしの「GPT-Realtime-Whisper」の3モデル。
OpenAIが最新モデル「GPT-5.5」のサイバーセキュリティ特化版「GPT-5.5-Cyber」を2026年5月7日に審査済みのセキュリティチーム向けに限定公開した。防御側の脆弱性検証や攻撃シミュレーションを支援する「最も許可範囲が広い」AIモデルとして位置づけられている。
Googleは2026年5月19〜20日に年次開発者会議「Google I/O 2026」を開催する。次世代フラッグシップモデル「Gemini 4」をプレビュー発表予定。ARC-AGI2で84.6%、200万トークンのコンテキストウィンドウ、300ms未満のレイテンシを特徴とすると報じられている。
中国のDeepSeekが2026年4月24日、V4プレビュー版をMITライセンスで公開した。1.6兆パラメータ(アクティブ49B)のMoEアーキテクチャで、Claude Opus 4.7に匹敵するアジェンティックベンチマーク性能を、欧米フロンティアモデルの3分の1以下の推論コストで実現したとされる。
目的に合った入口からお気軽にどうぞ。すべてカジュアル相談OKです。