モデルの訓練・評価・テスト用大規模データセット・ベンチマーク
ユーザーに各種文書のテキスト抽出・文書処理を提供、汎用・カスタムシーン対応の多様な文書処理をサポート
LLMに基づいたビデオ拡散（LVD）手法は、LLMを用いて動的なシーンレイアウトを作成することで、複雑な時空間ダイナミクスを持つビデオ生成における課題を解決します。LLMは予想外の能力を示し、テキストからビデオへの生成の質を向上させ、コンテンツ制作やビデオ生成分野に新たな可能性をもたらします。
【AIデイリー】へようこそ！ここは、毎日人工知能の世界を探求するためのガイドです。毎日、開発者に焦点を当て、技術トレンドを洞察し、革新的なAI製品アプリケーションを理解するのに役立つ、AI分野のホットなコンテンツをお届けします。
Synthesiaは動画仮想キャラクタープラットフォームの3.0版をリリースしました。このバージョンでは「動画エージェント」という機能が新たに追加されました。これらの仮想キャラクターは動画内で視聴者とリアルタイムでインタラクティブに会話や質問応答を行うことができ、企業専用情報をアクセスできるため、企業研修やカスタマーサポートなどのシーンにおいて実用性とリアルさを大幅に向上させます。
アリババは2種類の30億パラメータを持つマルチモーダルモデル『Qwen3-VL-30B-A3B』を発表し、GPT-5-Miniなどのトップモデルと同等の性能を発揮しており、数学、画像認識、動画処理など多くの分野で優れた性能を示し、強い競争力を備えている。
OpenAIはChatGPTを言語モデルツールからソーシャルAIプラットフォームへと進化させています。テスト中の「DM」機能とユーザー名システムにより、ユーザー間の直接交流が可能に。Android版テストコードで確認されました。....
腾讯の自研画像生成モデル「混元3.0」がLMArenaランキングで世界1位を獲得。26のモデルを凌駕し、ユーザー投票による客観性を実証。....
メタは2025年12月16日から、ユーザーがメタAIと行うすべてのテキストまたは音声の対話が広告およびコンテンツアルゴリズムに統合されることを発表しました。これは、ユーザーがAIチャットで行った相互作用が、FacebookやInstagramなどのプラットフォームで表示される広告、投稿、グループコンテンツに直接影響を与えることを意味します。例えば、ハイキングについて話し合うと、ユーザーのダイナミックにはより関連性の高い広告やコンテンツがプッシュされます。
アンソロピック社は、大規模言語モデルがサイバーセキュリティ分野での進展を示し、最新のClaude Sonnet4.5はソフトウェアの脆弱性を発見する確率が5%に達し、前バージョンのSonnet4の2%から大幅に向上した。CyberGymテストを通じてAIがネットワーク防御を効率よく強化できることが証明され、技術の進歩の可能性が浮き彫りとなった。
OpenAIとJony IveのLoveFromが協力し、革新的なAIハードウェアを開発。Echoを超え、自然な会話が可能に。スマートスピーカーやウェアラブル製品などが想定される。....
グーグルのオープンソースツールであるGemini CLIとFastMCPフレームワークが深く統合され、1つのコマンドでMCPサーバーのインストールと設定が完了し、従来の手動での環境設定や依存関係の処理、転送チャネルのデバッグなどの面倒な開発プロセスを大幅に簡略化します。
AIデザイン企業Visual ElectricがPerplexityに買収され、90日以内にサービス終了。チームは新部門「エージェント体験」に移籍。金額は非公開。....
iOS26でFoundation Modelsを導入、AI大モデルをオフラインで無料利用可能に。アプリ「Lil Artist」が「AIストーリーメーカー」機能を追加、キャラクター選択でパーソナライズストーリー生成。....