Appleの単眼深度推定モデル Depth Pro 2 を解説します。フレーム内とフレーム間のAttentionを交互適用し、境界の鮮鋭さと時間的一貫性を両立。焦点距離推定は88.6%、1080pで53fpsを達成しました。
Anthropicが2026年11月19日に上場し、1株83ドルの公開価格で会社側が約1048億ドルを調達しました。創業者7人の売出額やGoogle・Amazonの持株比率、1兆ドル規模のインフラ契約を整理します。
動画生成AIの2026年版比較。Gemini Omni Flash、Kling 4.0、Seedance 2.5、Runway Gen-4.5、Wanなどオープンモデルまで、API料金・尺・音声・ローカル要件を用途別に整理して解説します。
凍結VLMと軽量アダプタで512px画像を1回の順伝播生成するJeverationを解説します。H200で77.8ms、Janus-Pro-7B比122倍高速ながらGenEval 0.74を達成した共有乱数状態の仕組みと限界を整理しました。
GoogleがGemini APIにTool Retrievalをプレビュー公開しました。tool_searchとdefer_loadingの指定だけで数百ツールのスキーマを遅延ロードし、入力トークンとプレフィックスキャッシュの両方を最適化する仕組みを解説します。
潜在拡散モデルのVAEデコーダを廃止し、拡散Transformerの最終層から線形ヘッドで直接ピクセルを出力する新手法DWDを解説します。ImageNet FIDは1.55から1.43へ、動画のワーピング誤差は23%削減しました。
UCSBらがAIエージェント向けAPIルーター428件を実測し、9件の悪性コード注入とおとり認証情報の実被害を確認しました。TLS終端の構造的欠陥と検出回避手口を解説します。
Appleが発表したFastFramesは、動画生成の遅延の半分以上を占めるVAEデコードとKVキャッシュ更新を軽量化し、1.3Bモデルで36ms/フレームを達成しました。手法と実測値を解説します。
Google DeepMindが世界モデルGenie 4の提供を開始しました。生成中のセッションをプロンプトで書き換え、映像と同期した音声をリアルタイム生成する仕組みと、残された課題を解説します。
Transformerを幅・深さではなく「分岐」で拡張するMulti-Branch Transformerを解説します。同一計算予算で逐次型を上回り、Joint-KVによりKVキャッシュ34%削減とデコード51.4%高速化を実現した仕組みを紹介します。
OpenAIが企業向け「Businesses in ChatGPT」のベータ版を公開しました。自社の紹介され方を可視化するBusiness Hubと、ユーザーと直接対話するBusiness Agentの機能と対象条件を解説します。
ツール使用AIエージェントのプロンプトインジェクション対策「SPILLWAY」を解説。宛先の出自を決定論的に検査し、定型攻撃の宛先改変を0件、強化学習攻撃でも成功率0.005に抑えた手法と評価結果を紹介します。