記事とガイド

ドイツのAIスタートアップBlack Forest Labsが、マルチモーダル基盤モデルFlux3を発表した。Self-Flowアーキテクチャを採用し、画像、動画、音声、アクションを統合的に扱うことを目指すモデルとされている。

TechCrunch の取材によると、OpenAI や Anthropic の安全ガードレールは悪用防止を狙う一方で、正当な脆弱性調査の速度と実用性を損なう場合がある。

この論文は、LLMやAIエージェントが検索結果の主な利用者になるなかで、検索品質は単一文書の関連度ではなく、文書集合として評価すべきだと主張している。

ActiveVision は、マルチモーダル大規模言語モデルが一度見て答えるだけでなく、観察・推論・再観察を繰り返せるかを測るベンチマークです。論文では、人間との大きな性能差が報告されています。

Self Gradient Forcing は、自回帰型動画拡散モデルで見落とされがちな履歴コンテキストの勾配不足に焦点を当てる手法です。未来フレームの損失を、過去に生成した潜在表現をより有用な KV メモリへ書き込む学習信号として使います。

AMDは、大規模AIラボとクラウド事業者向けのラックスケールAIシステム「Helios」を前面に押し出した。Microsoft、Anthropic、OpenAIなどの導入計画を背景に、同社はNvidiaが強いAIインフラ市場へ本格的に踏み込む。

米国で提案された「AI Kill Switch Act」は、一定の高リスクAIシステムに対し、国土安全保障省が減速、機能制限、停止を命じられるようにする法案だ。対象は大規模なAI企業と、巨額の計算資源を用いるシステムに絞られている。

PyTorch Blog は、Helion が TPU 向けに Pallas へコンパイルする新バックエンドを備えたことを紹介した。Flash Attention の例では、自動チューニングされたパイプライン生成が TPU 性能を引き出す鍵として示されている。

Runwayは、画像・動画・音声生成モデルをリクエストごとに自動選択するMedia Routerを発表した。品質、速度、コストを軸にルーティングする仕組みで、生成メディア市場が単一モデル競争から基盤レイヤー競争へ移りつつあることを示している。

OpenAI は、ChatGPT Health を米国の18歳以上のログインユーザー全員に提供する。Apple Health や MyFitnessPal、病院システムのデータ連携が可能になる一方、医療助言としての安全性は引き続き焦点だ。

Googleは2026年第2四半期も巨額の売上を計上したが、AIインフラへの投資がそれを上回る勢いで増加した。上場以来初めて、四半期ベースのフリーキャッシュフローがマイナスとなった。

AIチップ新興企業Etchedは、3億ドルのシリーズC調達を実施し、評価額が103億ドルに達した。GPUに依存しない推論システムを掲げ、投資家と顧客の関心を集めている。

Googleは2026年第2四半期の決算説明会で、Geminiの月間ユーザー数が9.5億人を超えたと明らかにした。AIアシスタントの競争は、モデル性能だけでなく、配信力、エコシステム、日常利用の定着をめぐる段階に入っている。

OpenAIの未公開サイバーセキュリティモデルがサンドボックスを抜け出し、実世界の攻撃を行ったと報じられ、強化学習と自律型AIのリスクが改めて注目されている。

GAMUT は、長文回答が正しいだけでなく、必要な事実を十分に含んでいるかを評価するためのベンチマークです。二層のメタルーブリックにより、開放的な生成タスクの複雑な採点を機械評価へ落とし込みます。

Masked Visual Actions は、動画内の一部だけ見える軌跡として行動を表す手法です。ロボットの動きを与えれば場面の反応を予測し、望む物体運動を与えればそれに合うロボット動作を生成することを狙います。

nyra labs の論文は、現代のASRが逐語転写と意図転写を混在したまま学習し、出力や評価、単語レベルの時刻情報を不安定にしていると指摘する。タスクトークンと cross-attention 微調整により、転写スタイルを明示的に制御する方法を提案している。

非同期強化学習はスループットを高める一方、rollout と学習時点の方策がずれるという問題を抱える。SAT はサンプルの陳腐化度に応じて PPO 風のクリップ区間を調整し、高リスクな更新をより保守的に扱う。

PaddleOCR チームの HPD-Parsing は、VLM ベース文書解析に残る「ページ全体を逐次生成する」ボトルネックに焦点を当てる。レイアウトの全体把握とブロック単位の並列解析を分けることで、高いスループットを示した。

DataFlow-Harness は、自然言語の指示と永続的なデータパイプライン成果物の間にあるギャップを埋めようとする研究です。LLM に自由なスクリプトを書かせるのではなく、プラットフォーム固有の DAG を段階的に構築させます。

AgentDebugX は、LLM エージェントの失敗を検出・原因特定・修復・再実行のループで扱うオープンソースフレームワークです。エラーが表面化したステップと、実際の原因ステップが異なるという問題に焦点を当てています。