2025年5月26日のAI分野の動向には、byte jumpがオープンソースのマルチモーダル推論モデルBAGELにグラフィック生成と編集機能を追加、OpenAIが仮想ソフトウェアエンジニアのチームを管理するCodexシステムを発表、Mistral AIがLe Chatエージェント機能をアップグレードしてユーザー体験を最適化、Googleが医療AI開発を加速するMedGemmaをリリース、などがある；マイクロソフトのオープンソースAIセキュリティテストプラットフォームがトレーニング機能を向上、Hugging Faceがローカルモデルと組み合わされ、多用途AIサーバーの可能性を実証、GitHubがRL-Factory強化学習フレームワークを公開し、トレーニング効率を向上、Lyria RealTimeインタラクティブ音楽モデルがリアルタイムの音楽作成を可能に、Chrome v137がGeminiを追加。インテリジェントアシスタント。
- この要約は、情報提供のみを目的として、AIが記事の内容を分析して作成したものである。
BAGELは、ByteDanceによってオープンソース化された、エンドツーエンドのグラフ理解・生成マルチモーダル推論モデルです。GPT-4oやGemini 2.0のネイティブグラフ生成機能を実現し、クローズドソースモデルの独占を打破します。
BAGELは画像を理解・生成するだけでなく、画像編集、推論、組み合わせモデリング、ワールドモデリングなど、幅広い自由形式のグラフィック生成・理解機能により、対話編集を何度も行います。
このモデルは、異なるタスクや複雑なコラボレーションを担当する複数のモデルを必要とせず、テキスト、画像、動画などを同時に理解し、生成することができる「統一された」大きなモデルになることを意図している。
ベーグルは推論連鎖機構(推論連鎖）、すなわち、画像を生成したり、コンテンツを編集したりする前に、このモデルは、言葉で何をすべきかを「自分で考える」。例えば、ユーザーが「写真のネコを青くして」と質問すると、BAGELはまず内部で以下のステップを整理する：
- 画像に猫が写っていることを確認。
- 猫の正確な位置を特定する
- 保持すべき詳細を特定する
- 背景を壊さずに色を変える方法を考える
この "行動する前に考える "アプローチによって、BAGELは表面的な反応だけでなく、複雑な生成タスクを処理することができる。
BAGELの登場は、画像編集、仮想現実、拡張現実などの分野で重要な役割を果たすと期待されるマルチモーダルAIの分野に新たな可能性を開くものである。
---
OpenAIは最近、あたかもソフトウェアエンジニアの仮想チームを管理するかのように、AIエージェントを使って並行してコードを書き、テストし、デバッグすることができる新しいシステム「Codex」を発表した。このシステムは現在、ChatGPTを通じてPro、Enterprise、Teamユーザーにプレビューを公開している。
Codexはコード・リポジトリを直接操作することができ、インターネット上でサンドボックス化されているため、データ・セキュリティとプライバシー保護が確保されている。これは、コード・リポジトリを効率的に開発・維持する必要のある組織にとって、大きな前進である。
主な特徴は以下の通り：
- 並列処理：Codexは複数のタスクを同時に実行できるため、開発効率が向上する。
- インテリジェントなデバッグ：コード内のエラーを自動的に検出して修正するため、手動による介入の必要性が減少します。
- 簡単な統合：追加設定なしで、既存のコードリポジトリとシームレスにインターフェイスします。
Codexを使えば、開発者はイノベーションとビジネスロジックの設計に集中し、面倒なコード作業はAIに任せることができる。これにより、開発スピードが向上するだけでなく、エラー率も低下し、ソフトウェア開発がより効率的で信頼性の高いものになる。
---
アップデート：Mistral AIは、チャットプラットフォームLe Chatに全く新しいエージェント機能を導入しました。このアップデートは、エージェントの外観を完全にアップグレードするだけでなく、その機能を強化し、エージェントが通常のチャットで利用可能なすべてのツールとコネクタを使用できるようにします。
このアップデートは、よりスムーズで効率的なユーザー体験を提供することを目的としている。これらのツールやコネクタを統合することで、ユーザーはより簡単にマルチタスクができるようになり、生産性が向上します。
主な改善点は以下の通り：
- ビジュアル体験を向上させる新しいインターフェースデザイン；
- より多くのツールやコネクタをサポートするために機能セットを拡張；
- シームレスなインタラクティブ体験のためのより速い応答時間。
Mistral AIは、これは現在市場で最も高速なエージェントシステムの1つであると主張している。効率的なコミュニケーションとコラボレーションを必要とする企業や個人にとって、これは注目すべき重要なアップデートだ。
詳細はこちらをご覧ください：https://t.co/FkJPXDyfxE
---
グーグルは、ヘルスケアベースのAI開発を加速させるために設計されたGemma 3シリーズの新しいバリエーションを集めた新製品、MedGemmaの発売を発表した。
MedGemmaは最新の機械学習技術と最適化されたアルゴリズムを統合し、医療データをより効率的に処理する。MedGemmaのアプリケーション・シナリオは、病気の診断、患者のモニタリング、パーソナライズされた治療計画の推奨など多岐にわたる。
主な特徴
- 大規模医療データセットをサポートするデータ処理機能の強化
- モデル・トレーニングのスピードと精度の向上
- 開発者が簡単に統合できる豊富なAPIインターフェースを提供
MedGemmaによって、医療研究者や開発者は、医療サービスの質と効率を向上させる効率的なAIソリューションをより迅速に開発することができる。
---
マイクロソフトは最近、完全なAI敵対的セキュリティ・トレーニング・システムのオープンソース化を発表した。AIレッドチーム プレイグラウンド・ラボAIセキュリティ・テストをよりよく学び、実践できるように設計されている。
このラボには、ヒントインジェクション、メタヒント抽出、マルチラウンド攻撃など、AIの中核的な攻撃テクニックをカバーする12のプログレッシブな課題が含まれており、マイクロソフトのチャットコパイロットをベースにした現実的なテスト環境が構築されています。これらの課題を通じて、ユーザーはAIセキュリティのスキルを徐々に向上させることができます。
- 認証情報窃盗の課題：ソーシャル・エンジニアリングによって機密情報にアクセスする方法を学ぶ。
- メタ・キュー抽出技術：AIシステムから隠された指示をマイニングする方法をマスターする。
- クレッシェンド・マルチラウンド攻撃：AIのセキュリティを回避する高度なテクニックを練習する。
- インダイレクト・ヒント・インジェクション：ウェブページのコンテンツを改変してAIシステムを攻撃する手法を理解する。
- セキュリティ保護バイパス：様々なAIコンテンツ検閲メカニズムを突破するテクニックを学ぶ。
このラボは3つの難易度で設計されており、入門レベルからプロフェッショナルレベルまで、ユーザーのスキルを段階的に向上させることができます。さらに、演習はDocker Compose経由でワンクリックでデプロイを開始することができ、AIセキュリティをより深く学びたい技術者や開発者に最適です。
AI技術の普及に伴い、AIセキュリティの問題はますます顕著になっている。マイクロソフトのオープンソースAI Red Teaming Playground Labsは、AIセキュリティ全体の向上に役立つ強力なツールを業界に提供している。
---
本当にできます！どのHugging FaceスペースもMCPサーバーとして使用でき、ローカルモデルと組み合わせることで無限の可能性が生まれます！
このデモでは、Qwen 3 30B A3B、@ggml_orgのllama.cpp、@huggingfaceの小さなプロキシを使って、FLUXとZeroGPUのテクニックを使って画像を生成する。
これが驚きだ。ローカルモデルは非常に多くのタスクを実行することができ、ツールの説明を理解して推論することができる。この技術は、特にビデオ生成ワークフローとコンテンツ管理の自動化において、大きな可能性を示している。
さらに、ローカルで実行したくない場合は、他の推論サービス・プロバイダーにアクセスすることもできる。単に npx @huggingface/tiny-agents [TASK]を実行します。 準備はできている。
また、さまざまな開発者のニーズに対応するため、TypeScriptとPythonのクライアントも提供しています。
---
新たにGitHubで公開された、シンプルで効率的な強化学習ポストトレーニングフレームワークを共有する：RL-ファクトリーインテリ層の学習を専門とする。
このフレームワークは環境的に切り離された設計を採用しており、ユーザーはツールの設定と報酬機能を提供するだけでトレーニングを開始できる。さらにRL-ファクトリー非同期ツール呼び出しもサポートされ、トレーニングが最大2倍速くなり、開発効率が大幅に向上します。
- 環境分離設計MCPツールやカスタムツールをワンクリックで設定；
- 非同期並列ツール呼び出し従来のフレームワークに比べ、トレーニング効率が2倍向上；
- Qwen3モデルのネイティブサポートSFTなしでツールを正確に呼び出します；
- 複数の報酬計算ルール、モデル判定、ツールコールをサポート；
- バッチおよび分散モデル判定トレーニング効率を飛躍的に向上させる；
- マルチエージェント拡張のサポート相互作用のためにMCPフォーマットに変換可能。
このフレームワークは、Qwen3とMCPツールを使って、誰でも簡単かつ高速に知的エージェントを学習できるように設計されています。強化学習の基本的な知識を持つ開発者にとっては貴重なツールです。
強化学習は、学術研究と産業応用の両方で人気のある分野である。強化学習はRL-ファクトリー研究者や開発者は、実験やアプリケーション開発をより効率的に行うことができ、AI技術を発展させることができる。
---
🎶 リリア・リアルタイム は、誰でもリアルタイムで音楽を創作、コントロール、演奏できる新しい実験的なインタラクティブ音楽生成モデルである。この革新的な技術はGemini APIを通じて提供され、ユーザーはGoogle AI Studio上でデモアプリケーションを体験することができる。
Lyria RealTimeの登場は、音楽における人工知能の新たな大躍進を意味する。このモデルは、高度な機械学習アルゴリズムとリアルタイム処理技術を組み合わせ、音楽制作をより直感的で柔軟なものにします。プロの音楽プロデューサーもアマチュアも、このツールで簡単に創造性を実現することができる。
要するにLyria RealTimeは、様々な楽器のリアルタイム合成をサポートしており、ユーザーはシンプルなインタラクティブ・インターフェースを通じて、メロディ、リズム、音色のパラメーターを調整し、即座にその効果を確認することができます。さらに、伴奏の自動生成機能も備えており、音楽の表現力をさらに豊かにします。
現在、リリア・リアルタイムは、オンライン音楽教育、ライブ演奏、個人的な創作など、いくつかの場面で応用されている。今後、技術の進歩や改良が進めば、より多くの分野で独自の価値を発揮することが期待される。
---
Chrome v137 DevToolsには、Geminiインテリジェントアシスタントを使用して、開発者がパフォーマンストレース結果を理解するのに役立つ新機能があります。
具体的には、Geminiはパフォーマンストレースログのイベントを自動的に分析し、理解しやすい注釈付きの説明を生成する。この機能は、パフォーマンスの開発と最適化の効率を大幅に向上させる。
使い方はとても簡単だ：
- 公演トラックのメイントラックで、関心のあるイベントをダブルクリックする。
- 次に、ポップアップ入力ボックスの隣にあるラベル生成ボタンをクリックします。
- Geminiは、スタックトレースとコンテキスト情報を組み合わせて、明確なイベント注釈の提案を自動的に行います。
この機能により、デバッグ・プロセスが簡素化されるだけでなく、開発者はより迅速に問題を発見し、解決することができる。
注目すべきはAI技術の進歩が開発者に強力な支援ツールを提供する一方で、伝統的なデバッグ・スキルは依然として不可欠である。これらのスキルには、コードロジックの理解、問題のトラブルシューティングの方法、システムアーキテクチャの深い把握などが含まれ、現時点ではこれらすべてをAIが完全に代替することはできない。
ウェブアプリケーションがより複雑になり、パフォーマンスの最適化がより重要になる中、Chrome DevToolsのこの新機能は、開発プロセスにおいてアプリケーションのパフォーマンスをよりよく理解し、最適化するための強力なツールを開発者に提供することは間違いない。
---
テスラがその映像を公開した。オプティマス人型ロボットの最新ビデオでは、補助なしでいくつかの新しいタスクをこなす能力が示されている。このロボットは、人間の行動のビデオを見て学習し、すべてのタスクは単一のニューラルネットワークによって処理される。
テスラのヒューマノイド・ロボティクス・プロジェクトは、家庭環境と産業環境の両方で複雑なタスクを実行できる汎用ロボットの開発を目指している。今回公開されたビデオでは、オプティマスが物体の持ち上げや部品の組み立てなど、幅広い能力を発揮している様子が映し出されているが、これらはすべてロボットが自律的に学習したスキルである。
主な技術的ポイント::
- シングル・ニューラルネットワーク・アーキテクチャ
- ビジョンベースの学習機能
- 自律的なタスク処理
この開発は、人工知能とロボット工学における大きなブレークスルーを意味し、今後さまざまな分野で重要な役割を果たすと期待されている。
评论功能已关闭。