DALL-E 3、推論能力が大幅に向上、OpenAIが多様な能力でリード

通義オープンソース視覚知覚マルチモーダルRAG推論フレームワークVRAG-RL

このほど、通義研究所のナチュラルランゲージインテリジェンスチームは、VRAG-RL——視覚知覚を駆動するマルチモーダルRAG推論フレームワークを正式に公開し、オープンソース化しました。このフレームワークは、AIが実際のビジネスシーンで画像、表、デザイン案などの視覚情報を活用して重要な情報を検索し、細やかな推論を行う課題を解決することを目指しています。複雑な視覚ドキュメント知識庫から重要な情報を検索して推論することは、AI分野において大きな挑戦とされています。伝統的なRAG（Retrieval-Augmented Generation）法は、視覚的に豊富な情報を処理する際には力不足で、その理由は主にそれらが視覚的な情報から効果的に検索を行うことが難しいからです、

AIデイリーニュース: 阿里雲の通義靈碼AI IDEが上线; 小米のマルチモーダル大モデルXiaomi MiMo-VLがオープンソース; 黒林labがFLUX.1Kontextを発表

OpenAI、マスク氏に強硬対応：法廷が請求を根拠がないと裁定

ロイター通信によると、OpenAI は先ごろ裁判所に申し立てを行い、テスラの創設者であるイーロン・マスク氏に対する反訴を継続することを求めました。OpenAI は法廷資料の中で、マスク氏が反訴を却下する動議を「事実に基づかない」と述べています。この件は引き続き注目を集めています。マスク氏と OpenAI との法的争いは古くから続いています。昨年、彼は OpenAI の最高経営責任者であるサム・アルトマン氏を含む OpenAI を提訴し、OpenAI が利益追求モデルに移行する際に当初定めた方針から逸脱したと主張しました。

デラウェア州の司法長官がOpenAIのトランスフォーメーション計画を評価するための銀行を招聘

小米のマルチモーダル大規模モデルXiaomi MiMo-VLがオープンソース化

先ごろ、小米社が開発したMiMo-VLマルチモーダルモデルがMiMo-7Bの後を引き継ぎ、複数の分野で強力なパフォーマンスを示しています。このモデルは画像、動画、言語の汎用的な質問応答や理解推論などのタスクにおいて、同等サイズのベンチマークとなるQwen2.5-VL-7Bよりも大きくリードしており、GUI Groundingタスクのパフォーマンスは専用モデルと互角以上に達しており、エージェント時代の到来に備えています。

雲從科技のマルチモーダル大規模モデルが世界的に認められ、OpenCompassランキングで首位を獲得

OpenAIがビッグニュース！画像生成APIがバージョンアップ：リアルタイムストリーミングプレビュー＋複数の編集機能、MCPにより創作の限界を突破！

OpenAIはその画像生成API（Responses API）で大きなアップデートを発表しました。新機能として、ストリーミング伝送、複数の編集機能、Model Context Protocol(MCP)ツールとの統合、そしてリアルタイムウェブデータ検索を備えています。これらの新しい特徴により、画像生成の効率が向上し、開発者たちにさらに柔軟なクリエイティブな方法を提供しています。この進化はAIドライブによる視覚コンテンツ作成が新たなステージに突入することを意味します。AIbaseから今回のアップデートの主なポイントと業界への長期的な影響についてまとめられています。

AIデイリーニュース：DeepSeekが新版R1-0528をオープンソース；字節が画像エージェント「小雲雀AI」を発表；可靈2.1が正式にローンチ

# マスク氏が中东でのAI協定に関わるOpenAIの取引を妨害しようとする

本文： 最近の大きな話題の中で、アメリカのテック大手OpenAIはUAEのG42社と協力し、アブダビに世界最大級のAIデータセンターを建設する計画を発表しました。しかしながら、この取引の背後にはイーロン・マスク氏の圧力と介入がありました。関連する報道によると、マスク氏はG42の役員との通話で当該協力を強く反対し、xAI社が含まれていない場合、米国政府の承認を得るのは困難だろうと主張したとのことです。

DeepSeek R1 リリース: コード生成と複雑な推論パフォーマンスが大幅に向上 - 推論能力はOpenAI o1と同等

DeepSeek社は先ごろ、高性能推論AIモデルのDeepSeek-R1を大幅にアップデートしました。コードの生成や複雑な推論タスクにおける性能が大きく向上し、人工知能分野で注目を集めています。以下の公開情報および最新動向に基づき、今回のアップデートの主要ポイントを全面的に分析します。 R1モデルのアップデート: コード能力が大幅に向上 テストによると、最新版のR1モデルではコード生成能力において顕著な進化が見られました。複雑なコードタスクの処理能力が大幅に改善されています。