【AI日報】へようこそ！ここは、あなたの人工知能の世界を探求する毎日ガイドです。毎日、AI分野のホットなコンテンツを提供し、開発者に焦点を当て、技術トレンドの洞察と革新的なAI製品の応用に関する情報を提供します。
最新のAI製品詳細はこちら：https://top.aibase.com/
1、Moonshot AIがKimi-Audioを発表：オープンソースのオーディオ基礎モデルが新たな基準を樹立
Moonshot AIが最近発表したKimi-Audioは、オープンソースのオーディオ基礎モデルであり、音声の理解、生成、インタラクション技術の発展を目指しています。このモデルはQwen2.5-7BアーキテクチャをベースにWhisper技術を組み合わせ、音声認識や音声対話など、様々な音声タスクに対応しています。13億時間以上の多様な音声データでトレーニングされたKimi-Audioは、複数のベンチマークテストで優れたパフォーマンスを示し、既存のモデルを凌駕しています。
【AiBase要約：】
🎤 Kimi-Audioは、音声認識、音声対話など、様々なタスクに対応する強力な多機能オーディオ処理能力を備えています。
📊 このモデルは、13億時間以上の多様な音声データでトレーニングされており、卓越した性能を発揮しています。
🌍 Kimi-Audioのオープンソース戦略は、音声AI技術の利用障壁を下げ、グローバルなAI技術の民主化を促進します。
詳細リンク:https://github.com/MoonshotAI/Kimi-Audio
2、Step1X-Edit：オープンソースの画像編集における新たな基準
Stepfun AIチームが発表したStep1X-Editは、オープンソースの画像編集モデルです。マルチモーダル大規模言語モデルと拡散変換器を組み合わせ、強力な画像生成能力を発揮します。そのオープンソース性と高性能は業界から大きな注目を集め、特にGEdit-Benchベンチマークテストで優れた成績を収めています。このモデルは、コンテンツクリエイターと開発者に強力なツールを提供し、画像編集技術の発展を促進します。
【AiBase要約：】
🚀 Step1X-Editは、マルチモーダル大規模言語モデルと拡散変換器を組み合わせ、高品質な画像を効率的に生成します。
📊 GEdit-Benchベンチマークテストでは、既存のオープンソースモデルを上回り、クローズドソースモデルに匹敵する性能を示しました。
💡 オープンソースであるため、研究開発の基盤となり、画像編集技術の革新と普及を促進します。
詳細リンク:https://huggingface.co/spaces/stepfun-ai/Step1X-Edit
3、クォークAIスーパーボックスがアップグレード、「写真でクォークに質問」機能が登場：何でも答えられる
アリババ傘下のクォークAIスーパーボックスは4月25日、「写真でクォークに質問」機能を発表しました。この革新的な機能は、ビジュアル理解と推論モデルを利用して、ユーザーが現実世界で遭遇する様々な問題を迅速に認識し理解します。ユーザーは写真撮影を通じて、文物解説、商品認識、健康分析など、複数の分野を網羅した正確な情報と回答を得ることができます。
【AiBase要約：】
📸 新機能「写真でクォークに質問」は、ビジュアル理解に基づいて、画像の内容を迅速に認識し、関連情報を提供します。
🛒 ユーザーは商品画像をアップロードすることで、淘宝網の同型商品リンクに直接アクセスでき、ショッピング体験が向上します。
🌍 この機能は、多言語での質問と翻訳に対応しており、旅行、健康、仕事など様々なシーンで活用できます。
4、中国版Apple AIスマート機能が登場？iOS 18.5正式版は5月に配信予定
Appleは5月、中国のユーザー向けにiOS 18.5正式版のアップデートを配信し、Appleスマート機能を提供する予定です。この機能は他の地域では既に提供されていますが、中国ユーザーはほぼ1ヶ月間待っていました。Appleスマートは、個人向けシーンに合わせたAIシステムであり、写真削除やスマート返信など、多様なサービスを提供します。ただし、この機能はiPhone 15 Proシリーズと今後発売されるiPhone 16全機種のみが対応しており、デバイスに十分なストレージ容量が必要です。
【AiBase要約：】
🆕 Appleスマート機能は5月に中国ユーザー向けに正式配信され、Appleが生成AIの時代へ突入することを示しています。
📸 この機能には、写真削除、通知サマリー、スマート返信など、多様なサービスが含まれていますが、iPhone 15 Pro以降の機種のみ対応しています。
💾 ユーザーは、デバイスに少なくとも7GBの空きストレージ容量が必要です。これは一部のユーザーにとってストレージ管理上の課題となる可能性があります。
5、Google AIが601件の現実世界の生成AIアプリケーション事例を発表、各業界を網羅
Google Cloudは最近、世界のトップ企業からの601件の生成AIアプリケーション事例を紹介するレポートを発表し、この技術の急速な発展と広範な応用を示しました。昨年の101件から6倍に増加し、自動車、金融、医療など複数の業界を網羅しています。これらの事例は、生成AIが運用と戦略において重要な役割を果たしていることを示すとともに、組織構造の一部としての可能性も示しています。
【AiBase要約：】
🔍 601件の生成AIアプリケーション事例は、この技術が各業界で広く活用されていることを示しており、昨年から6倍に増加しています。
💼 AIエージェントの分類が明確で、AIが顧客サービス、内部生産性、セキュリティなど、複数の役割を果たしていることを示しています。
🚀 各業界の実用例は、生成AIが実験段階から実運用へと移行しつつある重要なトレンドを示しています。
詳細リンク:https://cloud.google.com/transform/101-real-world-generative-ai-use-cases-from-industry-leaders
6、Microsoftが新しいAgentオペレーティングシステムUFO²を発表、Windowsとインテリジェントオートメーションを深く統合
Microsoftが最近発表したUFO²バージョンは、特にWindowsシステムとの深い統合において、自動化分野で著しい進歩をもたらしました。新バージョンはWindowsのネイティブAPIを直接呼び出すことができ、自動化タスクの実行効率を大幅に向上させます。OpenAIのOperatorと比較して、UFO²は複数のテストシナリオで明らかに高い成功率を示しており、特に複雑なタスクやアプリケーション間の操作において優れたパフォーマンスを発揮します。
【AiBase要約：】
🚀 UFO²はWindowsシステムと深く統合されており、ネイティブAPIを直接呼び出すことで自動化効率を向上させます。
📊 UFO²の自動化タスクの成功率は、OpenAIのOperatorよりも大幅に高く、優れたパフォーマンスを発揮します。
🖥️ 新しいピクチャーインピクチャーモードにより、自動化タスクとユーザー操作を分離し、ユーザーエクスペリエンスを向上させます。
詳細リンク:https://github.com/microsoft/UFO?tab=readme-ov-file
7、OpenAIがChatGPTの新バージョンを発表：よりスマートで直感的なGPT-4o
OpenAIは最近、ChatGPTのGPT-4oバージョンを大幅にアップデートしました。主な焦点は、メモリをより効果的に保存し、科学、技術、工学、数学（STEM）分野のスキルを向上させることです。新バージョンは、より効果的に有益な結果に導く対話を促すとともに、モデルの知性とパーソナリティを高めることを目指しています。いくつかの「滑らかさ」の問題はありますが、OpenAIは今後改善すると約束しています。また、開発者はより安定したAPIエクスペリエンスを得るために、新しいGPT-4.1シリーズを選択できます。
【AiBase要約：】
🌟 更新されたGPT-4oバージョンは、メモリの保存とSTEMスキルに関して最適化されています。
🤖 OpenAIは、モデルが場合によっては「滑らかさ」の問題を抱えていることを認めており、今後改善していく予定です。
🔧 開発者は、より安定したAPIエクスペリエンスを得るために、新しくリリースされたGPT-4.1シリーズを選択できます。
8、Emaが新しい言語モデルEmaFusionを発表：コストと精度においてO3、Geminiを凌駕
Ema社は新しい言語モデルEmaFusionを発表し、コストと精度において複数の有名AIモデルを上回ると主張しています。EmaFusionは「カスケード」判断システムを採用し、コストと精度を動的にバランスさせ、ユーザーはタスクのニーズに合わせて微調整できます。精度は94.3％に達し、運用コストは大幅に削減されており、企業のAI開発における新たな選択肢となっています。
【AiBase要約：】
🌟 EmaFusionの精度は94.3％に達し、コストは市場平均の4分の1です。
💡 EmaFusionは複雑なタスクをスマートに分解し、最適なAIモデルに割り当てることができます。
🚀 EmaはKPMG、Hitachiなどのグローバルリーダー企業と協力し、エンタープライズAIの発展を推進しています。
詳細リンク:https://www.ema.co/emafusion
9、Liquid AIがHyena Edgeを発表、スマートフォンのエッジデバイスの新時代を切り開く
Liquid AIは最近、スマートフォンのエッジデバイスに、より効率的なAIソリューションを提供することを目的とした新しい畳み込みモデルHyena Edgeを発表しました。このモデルは、計算効率とメモリ使用量において従来のTransformer++モデルを凌駕し、特にリソースの限られた環境に適しています。Hyena Edgeは、複数の標準的な言語モデルベンチマークテストで優れたパフォーマンスを示しており、自動化されたアーキテクチャ設計の可能性を示しています。また、将来的にはオープンソース化し、技術の普及を促進する予定です。
【AiBase要約：】
🌟 Hyena Edgeは、Liquid AI社が発表した新しい畳み込みモデルで、スマートフォンなどのエッジデバイス向けに設計されています。
🚀 このモデルは、計算効率とメモリ使用量において従来のTransformer++モデルを上回り、リソースの限られた環境に適しています。
📈 Hyena Edgeは、複数の標準的な言語モデルベンチマークテストで優れた成績を収めており、将来的にはオープンソース化して技術の普及を促進する予定です。
詳細リンク:https://www.liquid.ai/research/convolutional-multi-hybrids-for-edge-devices
10、LemonAIがリアルタイムの音声ビデオAIデジタルヒューマンモデルSlice Liveを発表
LemonAIは最近、革新的な製品Slice Liveを発表しました。これは世界初のリアルタイム音声ビデオAIモデルです。ユーザーは写真をアップロードするだけで、仮想キャラクターとリアルタイムのビデオ通話を行うことができます。Slice Liveは高度なTransformerモデルを採用し、1秒間に25フレームの速度で各ピクセルをレンダリングすることで、スムーズでリアルな映像を実現しています。この製品はエンターテイメントや教育分野で大きな可能性を示しており、将来的にはAR、VR、メタバースへの展開も予定しています。また、ユーザーのプライバシーとデータセキュリティにも配慮しています。
【AiBase要約：】
📸 ユーザーは写真をアップロードするだけで、仮想キャラクターとリアルタイムのビデオ通話を行うことができます。
🎭 Slice Liveは、エンターテイメントや教育分野で没入型のインタラクティブ体験を提供し、生き生きとした学習コンテンツを提供します。
🔒 LemonAIは、プライバシー保護の継続的な探求を約束し、ユーザーデータの安全性を確保します。
11、智譜と生数科技が戦略的提携を発表、大規模モデルの共同イノベーションに注力
4月27日、清華大学傘下の智譜と生数科技は、大規模言語モデルとマルチモーダル生成モデルにおける両社の技術蓄積を通じて、国産大規模モデルの技術革新と産業落地を共同で推進することを目的とした重要な戦略的提携を発表しました。今回の提携は、共同研究開発、製品連携、ソリューション統合など複数の分野を網羅しており、両社は複数の業界に焦点を当て、AI技術の応用と発展を促進し、国産大規模モデルが技術革新と産業応用において大きな可能性を秘めていることを示しています。
【AiBase要約：】
🤖 智譜と生数科技は、大規模言語モデルとマルチモーダル生成モデルを共同で開発し、技術革新を推進します。
📈 両社の提携は、それぞれの技術的強みを統合し、より競争力のある業界ソリューションを生み出します。
🌐 この提携は、政府機関や企業向けのサービス、文化観光などの分野に焦点を当て、AI技術の規模拡大を目指しています。
12、BMW中国がDeepSeek搭載の新車種を発表、5シリーズ、新型X3を含む
