Hugging Face が Multimodal Embedding & Reranker Models with Sentence Transformers を提供開始 ── テキスト・画像・音声・動画を同じAPIで扱えるマルチモーダル対応が到来
Sentence Transformers v5.4でテキスト・画像・音声・動画を同じAPIで扱うマルチモーダル埋め込み・リランカーが追加
-
-
OpenAI が The next phase of enterprise AI を発表 ── 企業向けAIの次のフェーズとは
OpenAIが企業向けAIの次フェーズを発表。ChatGPT EnterpriseやCodex、全社的AIエージェントの活用で各産業の導入が加速する。
-
Tencent が HY-Embodied-0.5 を提供開始 ── 思考モードを搭載した画像言語モデル
Tencentが画像と言語を処理するオープンソースモデル「HY-Embodied-0.5」を公開。16GB VRAMで動作し、思考モードも搭載。
-
Hugging Face が ALTK‑Evolve: On‑the‑Job Learning for AI Agents を提供開始 ── “永遠のインターン”から脱却する長期記憶システム
IBM ResearchがALTK-Evolveを発表。AIエージェントに長期記憶を実装し、AppWorldでΔ14.2%の信頼性向上。
-
Hugging Faceの「Safetensors」がPyTorch Foundationへ移管 ── モデル共有のデファクトが中立性を獲得
Hugging Faceのセキュアなモデルフォーマット「Safetensors」がPyTorch Foundationへ移管。ガバナンスがLinux Foundationに移行し、ベンダー中立性を獲得。
-
Zhipu AI が GLM-5.1 を提供開始 ── 長く動かすほど賢くなるエージェント特化型
Zhipu AIのGLM-5.1がHugging Faceに登場。長時間の自律作業で真価を発揮するエージェント特化型で、SWE-Bench Pro等でSOTAを達成。
-
Hugging Face が gradio.Server を発表 ── ReactやSvelteのフロントエンドをGradioバックエンドと直接連携可能に
Hugging Faceのgradio.ServerがReact/Svelte等のカスタムフロントエンドとGradioバックエンドの直接連携を可能に
-
Tencent が HY-OmniWeaving をリリース ── テキスト・画像・動画を自由に入力できる統合動画生成モデル
Tencent HunyuanがOmniWeavingをリリース。テキスト・画像・動画の自由な組み合わせで高品質な動画を生成するオープンソースモデル。
-
Google DeepMind が Gemma 4 を発表 ── バイト単位で最も強力なオープンモデル登場
Google DeepMindのGemma 4が31Bモデルでオープンモデル世界3位、自社比20倍の差を覆す性能を実現。
-
Hugging Face が Welcome Gemma 4: Frontier multimodal intelligence on device を発表 ── 画像・音声・テキスト対応の超優秀なマルチモーダルモデル登場
GoogleのGemma 4が登場。音声・画像対応でデバイス上でも動く、Apache 2.0ライセンスのマルチモーダルモデル。
