公式発表と業界報道を集め、時系列で AI の変化を追います。
最新ニュースから、自分に合うツールまで。
MemoAI音楽・オーディオMemoAIは、AI駆動の音声・動画からテキストへの変換ツールで、データをアップロードする必要なくローカル処理を実行し、プライバシーとセキュリティを確保します。YouTube動画、ポッドキャスト、およびMP4、MP3、AAC、M4Aなどのローカル音声・動画ファイルを効率的にテキストに変換し、多言語翻訳、話者分離、リアルタイム字幕、フローティングノートといった主要機能を提供。会議録作成、インタビューの整理、コンテンツ学習など、さまざまなシーンで活用できます。
分类推荐榜首K
Kiroプログラミング・開発Kiroは開発者向けのAIエンジニアリングツールで、要件を仕様・アーキテクチャ・タスクに整理し、エージェントによってコードを生成するとともに、属性テスト、実行時の記憶、開発ツールとの統合により、計画段階からコードレビューまでのフローをサポートします。
分类推荐榜首E
EvoMapエージェント・自動化EvoMapは、AIエージェントの経験再利用を目的としたインフラストラクチャであり、GEPプロトコルによって再利用可能な戦略と検証履歴付きの修正アセットを整理し、市場順位や品質順位を提供することで、異なるエージェントが既存の能力を発見・評価・継承できるよう支援します。
分类推荐榜首A
AI Short文章・コンテンツAISアラート管理と共有プラットフォーム、複数のシナリオのためのクイックコマンド
分类推荐榜首O
Open Designデザイン・3DOpenDesign はオープンソースのデザインワークスペースで、ローカルのプログラミングエージェントや独自のモデルキー、あるいはクラウド上のモデルを接続して、デザインシステムを中心にプロトタイプ、ウェブページ、プレゼンテーション、グラフィックの作成と編集が行えます。なお、ローカルソフトは無料ですが、モデルサービスには料金が必要です。
分类推荐榜首J
JAXモデル・インフラJAXは、アクセラレータ向けのPython数値計算ライブラリであり、高性能な配列計算と大規模機械学習を目的として設計されています。CPU、GPU、TPUなど、さまざまなハードウェアバックエンド上で同一のコードを効率的に実行できます。
分类推荐榜首M
Meta AI助手AI アシスタント・検索Metaの無料AIチャットアシスタント
待评分 · 分类列表推荐AAssemblyAIは開発者向けの音声AIプラットフォームで、事前録音・リアルタイム・短編動画の同期字幕生成APIを提供し、話者認識、感情分析、章節および要約の解析に加え、音声アシスタント、文字起こし、機密情報処理などの機能を組み合わせて、音声アプリケーションの構築を支援します。
待评分 · 分类列表推荐ZZoom Workplaceは、Zoomのチームコラボレーションプラットフォームであり、ビデオ会議、チャット、スケジュール、ドキュメントなどの業務を統合し、組み込みのAIによって議論の整理、メッセージの下書き、タスクのフォローアップを支援します。
待评分 · 分类列表推荐R
Rowsデータ・分析Rowsは、AI分析、データ統合、対話型レポートを組み合わせた表計算ツールで、自然言語を用いてドキュメントや業務データの整理、データセットの統合、レポートの作成および計算モデルの生成が可能です。現在、公式サイトではSuperhumanが導入されたことを示しており、引き続き利用するためのリンクも提供されています。
待评分 · 分类列表推荐智東西（公式アカウント：zhidxcom）著者｜李水青 編集｜心縁 智東西10月31日の報道によると、アリババは先ほどアップルと提携し、QwenをApple Intelligenceに統合すると発表しました。中国のユーザーはSiriやライティングツール、ビジュアルインテリジェンスにおいて、Qwenのテキスト・画像理解やコンテンツ生成などの機能を直接利用できるようになります。これらの機能は11月4日から最新のiOS Developer Beta版とともにテスト公開され、さらに…
NVIDIAは新たに音声文字変換の大規模モデルNemotron 3.5 Transcribeを正式にオープンソース化しました。このモデルはプロフェッショナルな音声処理向けで、多言語での文字起こし精度、長時間音声の処理、複数話者の分離といった主要な指標において業界トップクラスの性能を誇ります。ハイブリッド・エキスパート（MoE）アーキテクチャを採用し、総パラメータ数は約340億で、毎回の前向き伝播時に一部のパラメータのみを活性化することで効率を向上させています。全体として、プロフェッショナルな音声文字変換に対する新たなオープンソース選択肢を提供しています。
arXiv:2610.37905v1 発表タイプ：新規 要旨：SEC EDGARなどの公開開示リポジトリは、企業の提出書類へのウェブアクセスを通じて、情報に基づいた投資を支援しています。これらの書類のレビューを言語モデルベースのエージェントでサポートするには、関連文書間で明示されていない不備の発見、不足している企業情報の取得、さらに要求された修正が証拠に基づく要件を満たしているかの検証が必要です。既存の財務に関する質問応答の評価では、こうした対話型の機能についての証拠は限られています。そこで私たちは、企業開示の審査・修正を対象とした対話型ベンチマークであり、自己進化型エージェントフレームワークである\textbf{FilingLoop}を提案します。米国証券取引委員会の歴史的な文書交換に基づき、FilingLoopは96社から抽出した主にIPO審査に関わる380のタスクを再構築しました。
arXiv:2610.38355v1 発表タイプ：新規 要旨：KVキャッシュの再利用は大規模言語モデルのサービスを加速させるが、既存のシステムではホストのDRAMとNVMe SSDを階層的なヒエラルキーとして管理しており、DRAMが中間キャッシュとして機能している。しかし、実際の大規模言語モデルのワークロードは、この階層構造の二つの前提をいずれも破っている。第一に、バイモーダルな再利用によりDRAMの時間的フィルタリングが無効化される。というのも、ワークロードは長い再利用距離を持つワンショットブロックか、DRAM容量を超える数ギガバイト規模のエージェントセッションによって支配されており、その結果SSDが重要な読み取りパスに置かれているからである。第二に、DRAMによるステージングと、排出現象に基づくレイアウトがSSDの復元処理をボトルネックにしている。進行中のプレフィックスのためにホストのステージングバッファを保持すると、負荷下で競合が生じてプリフェッチが中断されてしまう一方で、段階的な排出現象によってセッション内のブロックがSSD全体に散らばり、大規模なシーケンシャルリードが妨げられる。我々は…
Anthropicは10月29日、Claudeのモバイルアプリをアップデートし、iPhone、iPad、Android、Chromebook、さらにはウェブやデスクトップ端末にも対応したと発表しました。特に注目すべきは、iPhone版の音声モードがApple CarPlayに正式に統合されたことで、ドライバーは手をハンドルから離すことなく、直接音声でAIに質問できるようになりました。通勤中に経路を調べたり、資料を探したり、考えを整理したりすることが可能です。車載シーンは、今回のアップデートで最も想像力をかき立てる方向性として位置づけられています。
Googleは、対話型AIの大規模モデルであるGeminiに重大なアップデートを発表し、ファイル内での直接編集機能を新たに追加しました。すべてのユーザーはウェブ版およびモバイル版で、さまざまな主流ファイル形式をリアルタイムに生成・プレビューし、フルスクリーンで編集できるようになり、従来のエクスポートにとどまらない運用が可能になりました。今回のアップデートはPDF、Googleドキュメント、スプレッドシート、スライド、Markdownなどに対応しており、AIによる生産性向上とインタラクションの円滑さの向上を目的としています。
10月29日、快科技の報道によると、字節跳動傘下の「豆包ワーク」が企業向けに新たな第三者大規模モデルサービスを開始しました。このサービスは、従来各ベンダーから個別に調達していた方式を打破し、ユーザーは同一の作業台内で、長文処理やコード作成、論理推論などのタスクニーズに応じて、複数の主流大規模モデルを柔軟に切り替えられるようになります。第一弾として、すでに3つの業界トップクラスのモデルが導入されています。
対象のChatGPTサブスクリプションにおけるAPIクレジット特典。今月初め、AnthropicはMaxおよびTeamサブスクリプション向けに、月額100ドル、200ドル、500ドルのプラン利用者に対し、Anthropic APIで使用可能な（期限付きの）クレジットを同額分付与するという手厚い新特典を発表しました。
現在、PDF、Googleドキュメント、Googleスプレッドシート、スライドデッキ、Markdownファイル、TXTファイル、さらにはコードまで、Gemini内で直接生成・プレビュー・編集できるようになりました。新しいファイル編集機能は本日よりすべてのGeminiユーザーが利用可能で、PDFのプレビューおよび編集はウェブとモバイルの両方で対応していますが、その他のファイル形式は現時点ではウェブ版でのみ利用可能です。
Googleは、Chromeの自動入力を「記憶」から「探し出す」へと進化させている。Geminiとパーソナルインテリジェンスによって駆動されるこの機能は、ChromeがGmailを読み取り、現在のフォームに応じて注文番号や配送追跡番号、フライト予約番号などの情報を積極的に提示するものだ。この強化された入力機能は、10月末から米国ユーザーに向けて段階的に展開され、デスクトップ版ChromeおよびiOS・AndroidでGeminiを有効にしているユーザーに提供される。これにより、過去10年間にわたってユーザー自身が氏名や住所を保存してきた従来の方式を一新しようとしている。
ネット上では、横店映画テレビが字節跳動と提携し、15万人のエキストラのデジタルデータや顔貌・演技を収集・保存して深度分析を行う計画があるとの噂が流れ、「将来的にはエキストラが不要になる」と主張され、AIが草の根の俳優たちの生存空間を奪うのではないかという議論が沸騰。映画・テレビ業界も強い関心を寄せている。10月28日、豆包の広報責任者である劉星氏は「横店と字節が協力している」と述べたが、その後の発言の全文は公表されていない。
2026年10月28日、Google DeepMindはGemini 4 Carbonの正式リリースを発表し、これを現時点で最も強力なモデルであると称しました。同モデルは、脆弱性の発見、エクスプロイトの検証、根本原因の修復といったサイバーセキュリティ全工程における能力を大幅に向上させるとともに、長期間にわたるインテリジェントエージェントによるタスク処理能力も強化しています。また、サイバーセキュリティ分野の専門家向けに限定的なパイロットプログラムもすでに開始されています。
海外のブロガー「Carlo Wu（カロ）」が、SNS上で中医の診察体験をシェアしました。彼は通訳用のAIイヤホンを装着し、医師とそれぞれ片方ずつ装着して、対面での翻訳機能を活用してやり取りを行いました。カロ氏は、伝統医学には非常に興味があるものの、言語が常に障壁となっていたと語っています。診察時、医師がどこが不調か尋ねても、身振り手振りを交えながら「全部具合が悪い」と答えるしかなく、イヤホンを装着した後、ようやく二人はさらに深い意思疎通ができるようになりました。彼は、これが初めて本当に中医の言葉を理解できた瞬間だったと感想を述べています。
10月28日、ユーザーの間でDeepSeekが再び大規模モデルのフィンガープリントを変更したことが発見され、重大な新モデルのリリースが近いとの憶測を呼んでいる。DeepSeek Harnessの公式コードリポジトリには、DeepSeek-V5、V5-open、V5-nextといったコードがすでに登場している。現時点ではV5に関する内容は主にプレースホルダーとなっているが、新モデルのリリース体制が整っていることを示している。
arXiv:2610.36191v1 公告タイプ：新規 要旨：大規模言語モデル（LLMs）は、流暢でありながら事実と一致しない応答を頻繁に生成し、その信頼性に対する懸念が高まっています。近年のハルシネーション検出手法は、内部表現を活用する傾向が強まっていますが、高次元の隠れ状態から有用な信号を抽出することは依然として困難です。既存のアプローチでは、選択された活性化値やプーリングベースの圧縮に依存することが多く、Transformer層、特徴モード、トークン全体に分散する識別力のある情報を見落としてしまう可能性があります。私たちは、LOTUS（Low-rank Order-statistic TUcker-based Subspace learning）を提案します。これは、ハルシネーション検出のための多線形低ランク分解フレームワークであり、LLMの隠れ状態からコンパクトな表現を抽出しつつ、ラベルへの依存度を低減します。
arXiv:2610.36524v1 公告タイプ：新規 要旨：制御された記号入力は、自然言語による証拠から言語モデルの意思決定に影響を与える注意ヘッドを明らかにすることができるのか？我々は、制御された証拠集約（CEA）を提案する。これは、他の部分が固定されたプロンプトにおいて、二つの記号の出現回数と順序を変化させ、凍結されたトランスフォーマーが二つの回答トークンの間で示す選好の変化を測定する手法である。選好は両者のロジット差によって測定され、プロンプト自体には正解が指定されていない。バランスド・ユーティリティ・カウサル・セレクション（BUC）は、各ヘッドの出力を除去した際にカウント効果がどの程度消失するか、またカウント条件間で平均出力を補間することで両方向に効果がどの程度回復するかを同時に評価することにより、コンパクトなヘッド集合を特定する。さらに、ヘッドの帰属と介入との間に結びつく条件付き上限を導出する。
arXiv:2610.36668v1 公告タイプ：新規 要旨：アッシュの同調実験は、近年、大型言語モデル（LLMs）における同調性を測定する手法として大きな注目を集めています。これまでの研究では、主に大型言語モデルにおける同調性の実証に焦点が当てられてきましたが、本研究ではこのアプローチにさらに定量的な視点を加えています。具体的には、フロンティアの大型言語モデルに対して一連の質問を提示してサンプリングを行うのではなく、単一の質問を繰り返しサンプリングし、大型言語モデルの確率的特性を活用して回答の分布を生成します。これにより、モデルに人工的に作られたコンセンサスを提示する前後の回答分布を比較することが可能となります。実験の結果、フロンティアの大型言語モデルが実際に同調性を示すことを確認し、先行研究を裏付けるとともに、分布間の比較を通じて新たな知見を提供しています。
ケイトリン・レスとアンジェラ・ジ앙がLatent Spaceに登場し、Claudeプラットフォームの背後にある技術について解説します。Opus 5.5のリリース、モデルの「脳」とエージェントの「手」の分離、APIのスケーリング、そして信頼性の高いマネージドエージェントの構築について語ります。新たな導入部分では……
K3.1 Proのリリース後、多くのユーザーからクォータの消費が速すぎるというフィードバックを受け、月之暗面は緊急に公告を出し、「問題は私たち側にあり、本来はもっと早く修正すべきでした」と述べました。補償クォータを提供するとともに、月之暗面は「不要なサブエージェントの呼び出しや出力長さを削減する」方針も示しました。モデルの公開わずか2日前には、Anthropicが『Building agents: When to fold subagents into your main agent loop』というタイトルの記事を発表し、その内容はまさにサブエージェントに関するものでした。Anthropicの結論は、複数の企業が展開するClaudeを比較した結果、スキルを備えたエージェントの方が、「一群の…」よりもむしろ品質が優れていることを明らかにした、というものでした。
好奇心に方向を。毎日の読書を、より価値あるものに。
