GoogleがGemini 3.5 Flashを発表。競合フロンティアモデル比4倍の出力速度と最高水準のエージェント性能を両立し、並列サブエージェント実行で複雑な開発タスクの処理時間を大幅に短縮します。
ByteDanceが提案するLanceは、画像・動画の理解・生成・編集を単一モデルで統合するフレームワークです。3Bの活性化パラメータで7BクラスのShow-o2やBAGELを複数ベンチマークで上回る性能を発揮します。
凍結した視覚基盤モデル（VFM）を画像トークナイザーへ転用するVFMTokを解説します。領域適応的量子化とセマンティック再構成目標により、ImageNetでgFID 1.36を達成し、収束速度3倍・推論速度最大4倍の高速化も実現します。
イーロン・マスクがOpenAI共同創業者を訴えた裁判で、陪審員9名が全員一致でマスクの請求を棄却しました。決め手は「時効」という法的理由です。OpenAIの営利転換計画への影響と今後の展望を解説します。
NVIDIAが発表したLongLive-2.0は、NVFP4（4bit浮動小数点）精度を訓練・推論の全工程に適用した長時間動画生成インフラです。Balanced SPとNVFP4の組み合わせで訓練2.15倍・推論1.84倍の高速化を達成し、5BモデルでFPS45.7のリアルタイム生成を実現しました。
AnthropicがSDK自動生成ツール「Stainless」を買収しました。OpenAI・Google・Cloudflareも利用する開発者インフラを取り込んだ戦略的意図を解説します。
正しい答えを返しながら根拠箇所を誤引用する「帰属ハルシネーション」を体系的に定量化するベンチマーク「CiteVQA」が公開されました。711本のPDF・1,897問・7ドメインで構成し、最強モデルでもSAA 76.0%という大きなギャップを明らかにします。
コンテキストウィンドウはLLMの「作業記憶」です。トークンの仕組み、FIFO方式のオーバーフロー、Lost in the Middle問題、KVキャッシュ、RAGとの連携まで初心者向けにわかりやすく解説します。
IBM ResearchとHuggingFaceが、モデル単体でなくエージェント全体を評価する「Open Agent Leaderboard」を公開。同じモデルでも実装次第で成功率とコストが大きく変わることが明らかになりました。
人間の一人称視点映像を物理常識QAへ変換しロボット制御に転移するVLAモデル「PhysBrain 1.0」が登場。Franka実機での操作成功率を47.1%から63.3%に引き上げ、複数ベンチマークで最高性能を達成しました。
GPT-5の統合でMicrosoft 365 Copilotの操作性が大きく向上し、複雑なプロンプト設計が不要になりつつあります。Microsoft MVPの座談会をもとに、現場での活用変化と導入指針を解説します。
自己回帰型画像生成のトークナイザが抱えるテキスト文字の潰れ・顔ディテール喪失を、コンテンツ対応の局所知覚損失で解決する新手法「InsightTok」を解説します。NED精度95.83%、顔類似度でEmu3.5-IBQを超える結果を16kコードブックで達成。
MolmoAct2とは？GPT-5・Gemini Roboticsを超えたオープンVLAモデルを解説
SANA-WMとは？単一GPUで720p・60秒動画を生成するNVIDIAの効率的世界モデル
HY-World 2.0とは？テキスト・画像・動画から3D世界を生成するマルチモーダルワールドモデル
ベクトルデータベース比較【2026年版】Pinecone・Qdrant・Weaviate・Milvusを徹底解説
AIエージェントフレームワーク比較【2026】LangGraph・CrewAI・OpenAI Agents SDKの選び方
AI-Papers
