Gemini Omni 1.2 Flashが一般提供に。15秒の動画を720pで1秒0.07ドル、会話で編集も
Googleは11月5日、動画生成モデル「Gemini Omni 1.2 Flash」をGemini APIと企業向けに一般提供しました。最長15秒の動画を生成でき、料金は1.1から30%下がって720pで1秒0.07ドル。会話で続けて編集できるのが特徴です。使いどころを整理します。
生成AIツール
「生成AIツール」に関する記事 53 件
Google Antigravityに創薬向け「化学情報スキル」、文献収集から分子設計まで1時間で
Google DeepMindが11月3日、AIエージェント開発環境Antigravity向けに化学情報学のスキル群を公開しました。RDKitやChEMBL、PubChemと連携し、文献からの化合物収集、構造活性の分析、予測モデル作り、新しい分子と合成経路の提案までをエージェントに任せられます。
Google、MCPでGeminiと検索に自社サービスをつなぐ「Connected Apps」を開放
Googleは、自社のサービスをGeminiアプリと検索のAIモードに組み込める「Connected Apps Platform」のプレビューを始めました。MCPサーバーかAndroidのAppFunctionsで一度作れば両方に出せます。ただし検索側は米国・英語のみで、日本での提供時期は示されていません。
GitHub Copilotの「支援付き承認」が一般提供に、安全な操作はAIが自動で許可
GitHubは10月26日、Copilotがコマンド実行やファイル・URLへのアクセスを求めた際に、別のAIモデルが安全と判断したものだけを自動で許可する「Assisted permissions」を一般提供にしました。CLI、Copilotアプリ、VS Codeが対象で、企業は既定モードや無効化を設定できます。
OpenAIがGPT-6.1 Terraを公開、パソコン操作向けでSolの半額に
OpenAIは10月26日、中位モデルGPT-6.1 Terraを公開しました。APIは入力1ドル・出力5ドルでGPT-6.1 Solの半額。パソコン操作や図面の読み取りに強く、誤答率はGPT-5.6 Terraから大きく下がりました。ChatGPT WorkとCodexではPlus以上で使えます。
OpenAIがDecisions APIを一般提供、出力課金なしで分類や判定を高速に
OpenAIは10月22日、選択肢の決まった質問に答えるDecisions APIを一般提供しました。GPT-6 Lunaを使い、入力100万トークン0.1ドルで出力は無料。Responses API経由より最大10倍速く、1回で最大400問を判定できます。問い合わせ振り分けなどに向きます。
Moonshot AIがKimi K3.1 Proを公開、K3より安く重みは11月4日までに
中国Moonshot AIが10月23日、Kimi K3.1 Proを公開しました。100万トークン対応で、APIは入力2ドル・出力10ドルと7月のK3より安く、重みは11月4日までに公開予定です。サイバー関連データを学習から除いた点も特徴で、K2系は10月31日から新規登録者が使えなくなります。
Recursiveがコーディング向け「Flint」を公開、活性2.5BでMacでも動くApache 2.0モデル
AI研究企業Recursiveが初のモデル「Flint」の重みをApache 2.0で公開しました。総40B・活性2.5BのMoEで、M4 Pro搭載MacBook Proで毎秒125トークン超、SWE-bench Verifiedは74.2%と自己申告。手元で動くコーディング用モデルの新しい選択肢です。
DeepSeekがV4.1-Flash-1017を公開、料金据え置きで検索APIも開放
DeepSeekが10月17日にV4.1-Flash-1017を公開しました。API名と料金は据え置きのまま、エージェント系の評価が伸び、重みもMITライセンスで公開。自社検索のSearch/Fetch APIも1,000回0.75ドルで開放し、Claude Code経由の利用は10月末まで無料です。
ChatGPTに共同編集できるスライド機能、PowerPointなどへ書き出し可
OpenAIがChatGPTの作業スペース「Space」にスライド作成機能を追加しました。会話やファイルから資料を作り、チームで同時編集し、そのまま発表やPowerPoint・PDF・Googleスライドへの書き出しができます。対象はPro・Business・Enterpriseで、Plusは含まれません。
MetaがMuse Wonderを公開、API価格はSpark 1.3の3倍超で上位3社と同水準へ
Metaが新モデルMuse WonderとMuse Wonder Fullを公開しました。WonderはAPIで入力4ドル・出力20ドルとMuse Spark 1.3の3〜5倍。上位のFullはMuse Codeの月50ドル以上のプランでのみ使えます。第三者評価では総合3位級ですが、知識問題は弱点です。
Gemini 4 Argonが一般提供、AI Proでも利用可 導入価格は11月末まで
Googleが最上位モデルGemini 4 Argonの一般提供を始めました。Geminiアプリと検索のAIモードはAI Pro以上で使え、APIは有料枠のみ。入力2ドル・出力10ドルの導入価格は11月30日までで、12月1日からは倍の入力4ドル・出力20ドルになります。
GitHub Copilotのローカルサンドボックスが一般提供に、追加料金なしで3環境に対応
GitHubは、Copilotが手元のPCで実行するコマンドのファイル・ネットワーク・認証情報へのアクセスを制限する「ローカルサンドボックス」を一般提供にしました。CLI、Copilotアプリ、VS Codeが対象で追加料金はなく、企業は強制もできます。
Claude Haiku 5.5が公開。短い入力は1割の料金に、API仕様は4.5から大きく変更
AnthropicがClaude Haiku 5.5を公開しました。10万トークン以下の入力は100万トークン0.1ドル・出力0.5ドルとHaiku 4.5の1割で、GPT-6 Lunaと同じ水準です。effort設定も付きましたが、temperatureやprefillが400エラーになるなど移行には手直しが要...
ClaudeがGoogleドキュメント・スプレッドシート・スライドで使えるように、有料プランで公開ベータ
Anthropicが「Claude for Google Workspace」を有料プラン全体に公開ベータで提供しました。ドキュメント・スプレッドシート・スライドの横にClaudeを開き、開いているファイルを直接編集できます。既定は「編集前に確認」で、1回の処理は最長6分です。
Gemini無料版は10月9日からFlash-Liteのみに、AI PlusもProが使えなく
Googleが個人向けGeminiアプリのモデル提供を見直します。無料ユーザーは10月9日からFlash-Liteだけになり、月1,200円のAI PlusもProが外れます。一方、月2,900円のAI ProにはUltra限定だったDeep Thinkが加わります。日本語のヘルプにも同じ告知が出ています。
Claude Codeに「mods」、画面やツール実行を関数で書き換え可能に
Anthropicは10月1日、Claude Codeの動作や画面を関数で書き換える「mods」を公開しました。v2.1.287以降のCLIとデスクトップアプリで既定で有効です。サンドボックス外で利用者の権限で動くため、Team/Enterpriseでは組み込みのガードが先に働き、管理者は利用者のmodを止められます。
GitHub Copilotがデスクトップアプリを操作可能に、CLIとアプリでプレビュー
GitHubは10月1日、Copilot CLIとCopilotアプリに、画面上のアプリをクリックや入力で操作する「computer use」をパブリックプレビューで追加しました。macOSとWindowsのローカル環境で動き、既定はオフ。アプリごとに承認が必要で、組織は管理設定で無効化できます。
CohereがEmbed 5公開、図表入りPDFも検索。日本語はGeminiに3点差
Cohereが埋め込みモデルEmbed 5のProとFastを公開しました。文字・画像・表が混ざった文書を1つのベクトルにでき、文脈長は12万8,000トークン。テキストは100万トークン0.12ドルから。日本語の検索精度は87点で、Gemini Embedding 2の90点には届いていません。
OpenAIの常駐エージェント「dots」、自前のクラウドPCで24時間働く
OpenAIはDevDayで、GPT-6 Astraで動く常駐型エージェント「dots」を公開しました。専用のクラウドPCとブラウザを持ち、4,000以上のアプリとつながって24時間動きます。ProとBusiness Premiumでは1体目が追加料金なしで、日本も提供対象に含まれています。
GPT-6.1 Solが公開。価格は据え置き、キャッシュ入力は半額の0.1ドルに
OpenAIがDevDayでGPT-6.1 Solを公開しました。料金はGPT-6 Solと同じ入力2ドル・出力10ドルで、キャッシュ入力は0.2ドルから0.1ドルに半減。性能はAstraに迫るとしますが、推論設定のnoneとminimalは使えなくなりました。
Claude Sonnet 5.5が公開。料金据え置きで3割速く、API仕様は6点変更
Anthropicが9月28日にClaude Sonnet 5.5を公開しました。料金はSonnet 5と同じ入力2ドル・出力10ドルのまま、出力は3割以上速く、1タスクの費用は最大3割減。一方でthinkingの無効化や強制ツール指定が400エラーになるなど、モデルIDの差し替えだけでは動かない変更もあります。
Claude APIが出力前の拒否にも課金を再開。対象はbioなど3分類
Anthropicは9月24日、Claude APIで出力が始まる前に拒否された要求のうち、bio・frontier_llm・reasoning_extractionの3分類について課金を再開しました。6月から無料だった扱いの一部見直しです。cyberなど他の分類は引き続き無料で、全プラットフォームに適用されます。
Gemini 3.8 LiveにLive Avatar。話す顔の映像は1分約0.37ドル
Googleが9月24日、音声対話モデルGemini 3.8 Liveに、口の動きを合わせた人物映像をほぼリアルタイムで生成するLive Avatarを追加しました。提供はGemini Enterprise向け。料金表から計算すると、話している間の映像は1分約0.37ドルで、音声出力の約20倍です。
Gemini 3.8 Flash TTSが公開。30秒で声を複製、年内は1時間約0.8ドル
Googleが9月23日、音声合成モデルGemini 3.8 Flash TTSとFlash-Lite TTSを公開しました。文章指示での声の設計、30秒の音声からの声の複製、2,000以上の既製ボイスに対応し、年内の出力単価は旧3.1 Flash TTSの半分以下。日本語の評価でも上位です。
GPT-6 SolとLunaが公開。API価格は半額、SolはOpus 5.5の半値
OpenAIが9月22日、GPT-6 SolとLunaを公開しました。Solは100万トークンあたり入力2ドル・出力10ドル、Lunaは0.1ドル・0.5ドルで、GPT-5.6世代から半額。90分前に出たClaude Opus 5.5のちょうど半値ですが、比較対象はAnthropicの旧モデルです。
XiaomiがMiMo-V2.6を公開。1兆パラメータのMoEをMITライセンスで
Xiaomiが9月22日、MiMo-V2.6 ProとFlashの重みをMITライセンスで公開しました。Proは総パラメータ1.02兆・活性420億の疎なMoEで、文章・画像・動画・音声を一つのモデルで扱い、コンテキストは100万トークン。学習費用も262万ドルと公表しています。
Claude Opus 5.5が公開。実行コスト4割減、減速提唱から10日での投入
Anthropicが9月22日にClaude Opus 5.5を公開しました。入力4ドル・出力20ドル、キャッシュ読み出しは0.2ドルへ6割値下げされ、典型的な処理で実行コストは4割減。上位のFable 5.1をエージェント系ベンチで上回る一方、評価のされ方に課題が残ると自ら書いています。
xAIがGrok 4.7を公開。100万トークン2ドルでCopilotとCursorに搭載
SpaceXAIは9月21日、コーディング向けのGrok 4.7を公開しました。100万トークンあたり入力2ドル・出力6ドルという安さが売りで、同日にCursorとGitHub Copilotでも選べます。ただし第三者の計測値は公式値より低く、用途の見極めが要ります。
MetaのMuseがMacアプリに。ファイル・メール・カレンダーを操作、米国で無料提供
Metaが個人向けAIエージェント「Muse」のMacアプリを公開しました。Finder・メール・メッセージ・カレンダー・メモに接続し、ファイル整理やフォーム入力を代行します。アクセスはオプトインで、削除や送信は毎回確認。提供は米国のみで、日本からはまだ使えません。
Claude CodeがAGENTS.mdに対応。自動モードの分類器はサーバー側に、課金なし
Claude Code 2.1.275〜2.1.278(9月17〜19日)で、CLAUDE.mdがない場合にAGENTS.mdを読む対応、自動モードの分類器をサーバー側で動かし分類コストを課金しない変更、claude.aiのスキル・プラグインの端末同期が入りました。Codexと指示ファイルを共有できます。
Qwen-Image-2.1が公開。7Bで2K画像、商用利用は別ライセンスに
Alibabaが画像の生成と編集を1つで行うQwen-Image-2.1を2026年9月20日に公開。生成部分は7Bで2048×2048をネイティブ出力し、背景透過(RGBA)や参照画像10枚までの編集に対応します。一方でライセンスはApache 2.0から研究用途限定に変わりました。
PrismMLが27Bを5.9GBに圧縮したBonsai 2を公開。性能98.2%を維持
PrismMLがQwen3.8 27Bを三値重みで圧縮した「Ternary Bonsai 2 27B」をApache 2.0で公開。1重みあたり実効1.76ビット、5.9GBで元モデルのベンチマーク平均の98.2%を維持し、NVIDIA GPUとAppleシリコン(Mac・iPhone・iPad)で動きます。
Codex CLI 0.155で音声会話を実験導入。タスク管理とTouch ID承認も
OpenAIのCodex CLI 0.155.0で、ターミナルで話しかけて指示する実験的な/voice、エージェント一覧でのタスクの整理、MacのTouch IDによるMCP承認、Amazon Bedrockの認証情報取得が入りました。翌日の0.155.1では推論サマリーの既定表示が取り下げられています。
ChatGPTがWordに対応。無料プラン含む全プランで提供、Office3本が揃う
OpenAIがChatGPT for Wordを公開しました。Microsoft Marketplaceのアドインとして無料プランを含む全プランで使え、メモからの下書き、要約、選択範囲の書き直し、見出しや書式の調整をサイドバーから行えます。ExcelとPowerPointに続き、Office主要3アプリが揃いました。
Alibabaが音声・動画を読むQwen3.8-Omni-Flashを公開、東京でも提供
Alibabaが、テキスト・画像・音声・動画をまとめて入力できるQwen3.8-Omni-Flashを公開しました。コンテキストは100万トークン、音声は113言語対応で、東京リージョンでも使えます。出力はテキストのみで、会話用の音声モデルとは役割が違います。
OpenAIが法務特化「Astra for Law」を公開。判例調査の正答率54.0%
OpenAIが9月17日、法律事務所向けの「Astra for Law」を公開しました。2億3000万URLの法律検索インデックスとGPT-6 Astraを組み合わせ、判例調査ベンチマークの正答率は54.0%(汎用モデル38.7%)。対象は米国法で、日本法は含まれません。
Gemini 3.8 Liveが登場。話しながら考える音声モデルを1分0.023ドルで
Googleが9月15日、音声対話モデルGemini 3.8 Liveと、返事をしながら裏で推論を続けるExtended Thinkingを公開しました。音声入力1分0.005ドル・出力0.018ドルで、GPT-Live-1のおよそ半額。音声エージェントの見積もりが変わります。
上海AI研がAtria Dawnを公開。744BのエージェントモデルをMITライセンスで
上海人工智能実験室が744BのMoEモデル「Atria-Dawn-Preview」をMITライセンスで公開しました。重みは9月11日に静かに置かれ、9月14日の論文で全体像が判明。エージェント系16本中5本で最高値を主張し、調査とセキュリティが突出しています。
OpenAIのGPT-Live-1がAPIに登場。同時に聞いて話す音声を1分0.05ドルで
OpenAIが9月10日、全二重の音声モデルGPT-Live-1をAPIで提供開始しました。音声認識・生成・合成を1モデルに統合し、価格は1分0.05ドル。Full Duplex Benchで従来比30ポイント改善。日本語対応の明記はありません。
OpenAIがAgents APIを公開ベータに。Codexの実行基盤を1回のAPI呼び出しで
OpenAIが9月10日、Agents APIを公開ベータで提供開始しました。Codexのハーネスをマネージドサービス化し、コンテキスト圧縮やサブエージェントをOpenAI側が担います。追加料金はなし。ただしデータ所在は米国のみで、ZDRは選べません。
GitHubのHydraFusion、モデルを自動で組み合わせてコスト最大67%減
GitHubは9月4日、複数ベンダーのモデルを実行時に組み合わせる「HydraFusion」を研究プレビューとして公開しました。Claude Opus 5比でコストを36〜67%削減しつつ品質はほぼ同等と発表。全Copilotプランで、Copilot CLIの/experimentalから試せます。
GPT-6 AstraをAPIで使う。非同期ツール呼び出し・途中指示と、移行で外れるパラメータ
GPT-6 AstraのAPIでは、ツール実行を待たずに推論を続ける非同期ツール呼び出しと、生成中に指示を差し込む途中指示がResponses APIに加わりました。一方でtemperatureやtop_pは使えず、Chat Completionsではツール呼び出しができません。移行時の変更点を整理します。
MAI-Transcribe-2が音声1時間0.10ドルで登場。日本語含む60言語、話者分離にも対応
Microsoft AIは9月3日、自社開発の音声認識モデルMAI-Transcribe-2を公開しました。価格は年内限定で音声1時間あたり0.10ドル、60言語対応で日本語も含まれ、話者分離と単語タイムスタンプが使えます。FLEURSで平均WER 5.2%と発表されています。
IFMが完全オープンの「K2 Horizon」を公開。0.9B〜375Bの6モデルをApache 2.0で
MBZUAI傘下のIFMは9月3日、0.9Bから375Bまで6つのモデル群「K2 Horizon」をApache 2.0で公開しました。重みだけでなく学習データ・学習コード・途中チェックポイントまで出す「完全オープン」が特徴で、375B版はSWE-Bench Pro 42.6%、コンテキスト512Kです。
GPT-6 Astraが提供開始。価格はFable 5.1と同額、攻撃系能力は標準では拒否
OpenAIは9月3日、GPT-6 Astraの提供を開始しました。ChatGPT Plus以上の有料プランとAPI(gpt-6-astra)に数日で展開され、API価格は入力$10・出力$50とClaude Fable 5.1と同額。高度なサイバー能力は標準では拒否され、審査制のDaybreak経由に限定されます。
Gemini 3.8 Flashが価格据え置きで登場。脆弱性修正特化のCyber版は審査制
Googleは9月2日、Gemini 3.8 Flashと、サイバー防御に特化したGemini 3.8 Flash Cyberを発表しました。価格は3.7 Flashと同じ入力$0.75・出力$3.75(年内)のまま推論とコーディングを強化。Cyber版は審査制のFairwind Programで提供されます。
Claude Fable 5.1が提供開始。キャッシュ75%値下げで運用コスト最大45%減
Anthropicは9月1日、最上位モデルClaude Fable 5.1の一般提供を開始しました。入出力価格は据え置きでキャッシュ読み取りが75%値下げされ、エージェント用途では最大45%のコスト減。ベンチマークと日本からの利用条件を整理します。
Runwayが「Solaris」を発表。コードを書かず、UIを動画のように1フレームずつ生成する新発想
動画生成AIのRunwayは8月31日、インターフェースをコードなしで生成する「Solaris」を発表しました。クリックや入力に応じて画面そのものを1フレームずつ描画する仕組みで、250人の比較調査では指示追従でコード実装を上回っています。
DeepSeekがV4-Flash-Vision-Expの重みをMITライセンスで公開。305Bのマルチモーダルをローカルで動かせる時代に
DeepSeekは8月31日、マルチモーダルモデル「V4-Flash-Vision-Exp」の重みをMITライセンスで公開しました。総305B・アクティブ約13B、コンテキストは約100万トークン。API価格の安さと合わせ、実務での使いどころと注意点を整理します。
謎のモデル「Ox Alpha」の正体はGLM-5.3-Flash。中国製チップで動くMITライセンスの実力
Z.ai(Zhipu)は8月26日、匿名モデル「Ox Alpha」の正体としてGLM-5.3-Flashを公開しました。100万トークンのコンテキストを持つマルチモーダルモデルで、MITライセンスで重みも公開。中国製AIチップのみで運用されていた点も注目です。
Alibabaが動画生成AI「Wan3.0」を正式公開。30秒生成と「資料からの動画化」が標準機能に
Alibabaは8月24日、動画生成モデル「Wan3.0」を正式公開しました。最長30秒の一括生成に加え、WordやPDF、スライドなどの資料をそのまま入力して動画化できるのが特徴です。料金体系と使いどころを整理します。
Anthropicが「Model Hardware Standard」を公開。AIエージェントが顕微鏡やロボットアームを直接動かす共通規格とは
Anthropicは8月27日、AIエージェントが研究室や工場の機器を安全に操作するための共通規格「Model Hardware Standard(MHS)」の研究プレビューを開始しました。機器接続にかかる期間が「数週間から数時間」に短縮された事例と、日本の研究・製造現場にとっての意味を整理します。