Nano Banana 2.1が安定版として公開
Googleは10月6日、画像生成・編集モデル「Gemini Nano Banana 2.1」を安定版として公開しました。対話編集や被写体の一貫性などを改善したと説明しています。
5秒でわかるAIニュース
AIモデル・サービス・機能の新しい発表と更新をまとめています。一次情報をもとに、何が変わるのか、利用対象、提供時期、料金や注意点を読み解きます。
Googleは10月6日、画像生成・編集モデル「Gemini Nano Banana 2.1」を安定版として公開しました。対話編集や被写体の一貫性などを改善したと説明しています。
OpenAIのTiboが、28日間毎日CodexやChatGPT Work向けの改善を1つ届け、できなければ利用枠を全体リセットすると宣言しました。この連載で毎日の結果を追いかけます。
OpenAIは10月5日、ChatGPTの広告形式と効果測定に関する新たな取り組みを発表した。画像生成の体験内に表示するビジュアル広告を、10月後半から米国で試験する計画で、初期の広告主も公表した。広告はラベル付きでAI生成画像とは区別され、回答内容には影響しないとOpenAIは説明している。
Aleph Alphaは10月3日、オープンウェイトモデル「PhariaAI-Kolibri」を公開した。公式ページの仕様表では、英語・ドイツ語向けのMixture-of-Experts(MoE)モデルで、総パラメーター数は78B、トークンごとの有効パラメーター数は3B、最大コンテキスト長は100万トークン。重みはHugging Faceで公開され、Apache 2.0ライセンスとされる。
Cloudflareは10月2日、AI Gatewayから利用できるWeb Search APIを発表した。Ceramic.ai、Exa、Linkupの検索結果を構造化データとしてAIモデルのコンテキストに渡し、REST APIで呼び出せる。AI Gatewayのログや利用額の管理と同じ経路で扱えることが、Cloudflareの説明する主な利点だ。
OpenAIは10月2日付のChatGPTリリースノートで、Finances機能を米国のFreeおよびGo利用者にも順次提供すると告知した。対象はWeb、iOS、Androidで、金融口座を接続し、貯蓄・支出・投資に関する情報を確認したり、金融データに基づく質問をしたりできる。
Microsoft AIは10月1日、リアルタイム音声認識モデル「MAI-Transcribe-2-Streaming」と、音声合成モデル「MAI-Voice-2.1」「MAI-Voice-2.1-Flash」を発表しました。文字起こしは60言語に対応し、Microsoftは精度評価での順位や低遅延を訴求しています。価格と性能は同社の発表値として確認します。
GoogleはGeminiアプリとWorkspaceアプリに、繰り返し使う指示をまとめる「Skills」を導入します。Gemsからの移行も案内されていますが、個人・組織アカウントで時期や利用条件が異なり、Skillsでは使えないGemsの機能もあります。まず自分のアカウントの案内を確かめましょう。
Googleは9月30日、新しいフロンティアモデル「Gemini 4 Argon」を発表しました。出力上限を100万トークンへ拡大し、長い開発・知識業務やサイバー防御を狙いますが、発表時点の提供先は信頼された防御担当者などに限られています。
Xiaomi-OCR-0は、文字・表・数式の認識と文書の内容理解を扱う公開モデルです。 掲載スコアは発表元の評価です。文書解析の主要な比較は二段階処理で、モデル単体の結果と同一視できません。