Googleが2026年6月10日に公開したDiffusionGemma 26Bは、256トークンを並列生成する拡散モデルの手法でGPU推論速度を最大4倍に高速化したオープンモデルです。仕組みと性能を解説します。
Kuaishouが開発した30B MoE型マルチモーダルモデル「Keye-VL-2.0」を解説します。3Bのアクティブパラメータで256Kコンテキストを処理し、LongVideoBenchで235B超のモデルを上回る長尺動画理解性能を実現しました。
Decartが自動運転テスト向け世界モデル「Oasis 3」をAPI公開しました。フォトリアルな走行環境を1秒あたり$0.02でリアルタイム生成し、稀少なテストシナリオの量産を可能にします。
CoT微調整がハイブリッドLLMの長文書検索性能を67%から9%へ激減させる「Attention Amnesia」問題と、追加学習不要の修復法QK-Restoreを解説します。
Anthropicが最上位「Mythosクラス」モデル「Claude Fable 5」を2026年6月9日に一般公開しました。独立したAI分類器が悪用リクエストを自動検知してClaude Opus 4.8に切り替える新セーフガードと、入力100万トークンあたり10ドルのAPIを発表しました。
ARMは7Bパラメータの単一モデルで画像の理解・生成・編集を統合した自己回帰型マルチモーダルAIです。独自の離散視覚トークナイザーと強化学習でWISE総合スコアが0.50から0.56に向上し、コードも公開されています。
70言語超の音声をほぼリアルタイムで翻訳するGemini 3.5 Live Translateを発表。話者の声の抑揚やピッチを保ちながら、Google Translate・Meet・AI Studioで利用できます。
250名以上の業界専門家と共同設計した1,490タスクで構成されるAIエージェント評価ベンチマーク「ALE」を解説します。最良モデルでも全体合格率26.2%にとどまる結果が示す、現在のAIエージェントの実力と今後の課題を詳しく紹介します。
AIコーディングプラットフォームのLovableが年間収益5億ドルを達成しました。週100万件のプロジェクト生成が示すバイブコーディング市場の実態と、従来型SaaSへの影響を解説します。
LLMのChain-of-Thought推論をテキストから画像に変換するOptical Reasoningを解説。タイポグラフィ型・グラフィカル型の2方式で言語タスク28.57%、マルチモーダルタスク16%のトークン削減を実証します。
2026年6月8日、OpenAIはSECへの機密S-1登録届出書提出を公表し、IPO準備を正式に開始しました。直近評価額は約8520億ドルに達し、AI企業として史上最大規模の上場になる可能性があります。
Microsoft Researchらが提案するMirageは、動画ワールドモデルのメモリをピクセルではなく潜在空間の3D座標に直接持つことで、従来比10.57倍の高速化と55倍のメモリ削減を実現しました。
AI-Papers
