MiniMax は H3-画像の重みを開きます
11 月 11 日、MiniMax は画像生成および編集モデル H3-Image を発表する記事を公開し、モデルの重みを公開しました。このモデルは H3 に基づいており、画像生成、参照画像生成、画像編集をサポートしています。最大 16 枚の参照画像を入力できます。 MiniMax は、4096 × 4096 ピクセルの画像を 10 秒で生成できると主張しています。
公式モデルページには、このモデルは超解像増幅なしで約 1,600 万ピクセルの画像を直接生成し、1:1 から 21:9 までの比率をサポートすると記載されています。生成と編集は一連の重みを共有し、蒸留後に 6 ステップのサンプリングが使用されます。拡散トランスのパラメータ量は331億です。ウェイトは MiniMax-H3-Image コミュニティ ライセンス契約に従ってリリースされ、API、MiniMax コード、および Conch AI の入り口も提供されます。発売の最初の週は、4K 以上の画像生成リクエストが標準価格の 50% 割引で請求されることが正式に発表されています。ソース
Antigravity がレイアウト モード切り替えオプションを開始
11 月 9 日、Google は Antigravity のナレッジ ワーク指向のインターフェイス レイアウトを開始しました。反重力アプリケーションは、「ナレッジ ワーク」レイアウトと「ソフトウェア エンジニアリング」レイアウトを切り替えることができるようになりました。どちらも同じ Antigravity エージェントを実行し、最先端のモデル、ローカル ファイル、プラグイン、スキル、ルール、カスタム エージェント、MCP サーバーを使用できます。ナレッジ ワーク レイアウトでは、Git ワーク ツリーの表示を求めるプロンプトが表示されなくなり、Git ブランチ セレクターと IDE にジャンプするボタンが非表示になります。ダイアログ内のツール呼び出しグループ、インライン コードの相違点、およびサブエージェント カードは、リアルタイムの進行状況を示すプロンプトの行に変更され、許可要求は一般的な言語で要約されます。サイドバーからは「レビュー」と「ターミナル」が削除され、ドキュメント、出力、リンク、アップロードされたコンテンツ、およびバックグラウンド タスクに焦点が当てられます。ターミナル、ワークスペース、詳細な権限ルールなどの開発者向けオプションは、詳細設定に含まれています。
ユーザーは「設定 > 一般 > インターフェイス レイアウト」で切り替えることができ、再起動しなくてもすぐに有効になります。既存のユーザーは引き続きソフトウェア エンジニアリング レイアウトをデフォルトとして使用します。新しいユーザーは初めてログインするときに、ソフトウェア エンジニアリング、ナレッジ ワーク、データと分析、科学、デザインなどの役割を選択し、初期レイアウト、サンプル プロンプト、推奨プラグインを自動的に照合できます。ソース
Gemini 4 Carbon がオープンスコープを拡大
11月10日、GoogleはGemini 4 Carbonの公開範囲を拡大すると発表した。有料の開発者や企業は、Google AI Studio、Gemini for business、その他のチャネルを通じて API を呼び出すことができます。 Google AI Ultra 加入者は、Antigravity、Gemini アプリケーション、検索 AI モードで引き続き使用できます。
Googleによれば、Carbonは複数ステップのプログラミング、デバッグ、ナレッジワーク、科学研究などの長期にわたるタスクに向けられており、Antigravityもプレビューされている /swarm 機能、プロンプトワードは、設計、調整、レビュー、並列実行を担当するマルチエージェントチームに引き渡すことができます。 Carbon の API プロモーション価格は、100 万入力トークンあたり 2 米ドル、出力トークンあたり 10 米ドルです。プロモーション期間が 2026 年 11 月 30 日に終了すると、それぞれ 4 米ドルと 20 米ドルに調整されます。ソース
Google DeepMind が Gemini Robotics 2.5 をリリース
11 月 10 日、Google DeepMind は Gemini Robotics 2.5 視覚言語アクション モデルを発表し、ロボット パートナーに段階的に公開されました。当局者らによると、このモデルは２００以上のタスクで評価されたという。以前のベースラインと比較して、タスクの成功率は 30% ～ 100% 増加し、完了速度は 20% ～ 30% 増加しました。同モデルを搭載したApptronik Apollo 2は、メルセデス・ベンツ生産ラインの部品仕分けテストで96％の成功率を達成した。チームはまた、ロボット セキュリティ テスト ベンチマーク ASIMOV-Jailbreak をオープンソース化しました。ソース
Gemini、「記憶サマリー」機能を開始
ジェミニは11月10日、コア情報、キャリアと仕事のプロジェクト、旅行と日常用品、メディアとエンターテイメント、フィットネスとライフスタイルなどのカテゴリー別に、ジェミニのユーザー理解をリスト化した「メモリーサマリー」を立ち上げた。ユーザーは、下部の入力ボックスで情報を表示、編集、削除でき、自然言語で情報の追加または削除を要求することもできます。ジェミニはリクエストが不明瞭かどうか尋ねるかもしれません。オーバーフローメニューの「メモリ履歴」では、特定の情報が追加・変更された時刻を確認できます。
この Web ページには、「設定 > パーソナル インテリジェンス」からアクセスできます。この機能は現在、「アクティビティの維持」とメモリ機能をオンにしており、米国英語を話す Google AI 登録者が利用できます。ソース
Meituan オープンソース LongCat-2.5
11 月 10 日、Meituan の技術チームは、MIT ライセンスの下で LongCat-2.5 をオープンソース化し、追加の承認なしで商用推論の展開と二次トレーニングをサポートすると発表しました。 LongCat-2.5 は、合計 1.6 兆個のパラメータを備えた長距離エージェント タスク用のネイティブ マルチモーダル モデルです。各トークンは約 480 億のパラメータをアクティブにし、100 万のトークン コンテキストをサポートします。ビジュアル信号はマルチレベルの離散トークンとして表され、プラグインビジュアルモジュールではなくテキストと同じバックボーンパラメータ処理セットを共有します。より長距離の軌跡がトレーニングに追加され、実際のエージェントの失敗軌跡が再現可能で検証可能なトレーニング タスクに変換されます。推論には W4A4 を使用します。このソリューションでは、エキスパートの重みとアクティベーションが同時に 4 ビットに定量化されます。長時間シーケンスのトレーニングと微調整は、シングルカード グラフィックス メモリが 80 GB 未満の国産 AI アクセラレータに対して実行されます。 Meituan は、長時間シーケンスの SFT タスクにおける FSDP 構成のシングルカード スループットが、DDP ベースラインと比較して 86% 向上したと主張しています。
Meituan 氏は、新モデルにより、複雑なコードベース開発、完全なプロジェクト構築、ビジュアル コーディング、プロフェッショナル オフィス シナリオにおけるエンドツーエンドの配信機能が大幅に向上したと述べています。このモデルは Hugging Face でオープンソース化されており、API プラットフォームを提供しています。ソース
Ant オープンソース触覚モデル LingBot-Touch
11 月 10 日、Ant Lingbo Technology は基本的な触覚モデル LingBot-Touch をオープンソース化しました。このモデルは、約 5,000 時間の実際の触覚データに基づいて事前トレーニングされており、磁気触覚、視覚触覚、ピエゾ抵抗という 3 種類のセンシング原理をカバーしています。さまざまなセンサー信号を、さまざまな器用な手やアクション モデルで使用できる統一された触覚表現に変換できます。このモデルは、感知原理に従ってコーディング入口を設定し、接触の異なるレイアウトを統一された指先座標空間にマッピングし、統一された触覚トークンを出力し、Ant Lingbo が独自に開発したアクション モデルに拘束されません。
Ant Lingbo は、Sharpa Wave と XHand1 という 2 つの器用な手で、本のページをめくる、ボトルのキャップをひねる、麻雀牌の識別などを含む 26 件の実機テストを完了しました。LingBot-Touch に接続した後、LingBot-VLA、π0.5、Diffusion Policy、T-Rex の 4 つのアクション モデルの平均タスク成功率は、タッチなしの場合と比較して約 14 ～ 26 パーセント ポイント増加しました。その中で、XHand1 は、使用された磁気触覚センサー モデルは事前トレーニング データには含まれておらず、モデル パラメーターはテスト中に変更されませんでした。このモデルには 2 つの容量バージョンが用意されています。 26 のテストはすべて、約 530 万のパラメーターを備えた LingBot-Touch-Tiny の軽量バージョンを使用して完了しました。アクセス後、パラメータ全体のボリュームは約 0.13% から 0.16% 増加しただけです。技術レポート、モデル、コードは、Hugging Face、GitHub、MoDa コミュニティでオープンソース化されています。ソース
クロードはアーティファクトのホワイトボード、ワークシート、その他の機能を拡張します
11 月 10 日、Anthropic は Claude Meetings をプレビューし、Claude Sheets と Claude Whiteboards のベータ版を開始しました。
クロード シートとクロード ホワイトボードは、アーティファクトの機能拡張です。スプレッドシートは、複数のワークシート、数式、形式、ドロップダウン メニューを含む、チームでの表の作成と編集をサポートします。クロードはセルを直接変更してそれぞれの変更を説明でき、ファイルは Excel または CSV にエクスポートできます。ホワイトボードは、チームがアイデア、タイムライン、責任者、日付をリアルタイムで整理できるようにサポートし、ホワイトボードの内容をドキュメントやプレゼンテーションに変換できます。今後のクロード ミーティングでは、クロード ジョインの通話を変換したり、ディスカッション中にメモを取ったり、チームのドキュメントを更新したりできます。
同時に、Claude Dashboards は Claude Data に名前変更され、正式に開始され、まだテスト段階にある認証インジケーターのクエリやリアルタイム共有などの新機能が追加されました。シート、ホワイトボード、データはすべての有料ユーザーに公開されており、Web、デスクトップ、モバイル端末をサポートしています。チーム プランはデフォルトで有効になっており、エンタープライズ シートとホワイトボードはデフォルトで無効になっているため、管理者が調整する必要があります。ソース
