画像（マルチモーダル）に関するニュース一覧

MITの研究チームは、数百の設計変数を持つ複雑なエンジニアリング問題を従来手法の10〜100倍の速度で解く新たな最適化手法を開発しました。国際学習表現会議（ICLR）で発表される本研究は、古典的なベイズ最適化に基盤モデルを組み合わせた点が革新的です。

本手法の中核は「表形式基盤モデル」と呼ばれる生成AIです。大規模言語モデルがテキストを扱うように、この基盤モデルは膨大な表形式データで事前学習されており、スプレッドシート版ChatGPTとも形容されます。エンジニアリング分野ではテキストより表形式データが一般的であり、実務との親和性が高い点が特徴です。

従来のベイズ最適化では反復ごとに代理モデルの再学習が必要で、変数が増えると計算コストが急増していました。新手法では事前学習済みの基盤モデルをそのまま使用するため再学習が不要であり、異なる問題にも一つのアルゴリズムで対応できます。設計空間のうち結果に最も影響する変数を自動的に特定し、探索を集中させる工夫も施されています。

60件のベンチマーク問題で5つの最先端手法と比較した結果、電力系統設計や自動車の衝突試験シミュレーションなど現実的な課題で一貫して最良の解を高速に発見しました。問題の次元数が増えるほど優位性が拡大する傾向も確認されています。ただしロボット経路計画など一部の課題では既存手法を上回れず、訓練データの網羅性が課題として残ります。

研究チームは今後、表形式基盤モデルの性能向上手法を研究するとともに、数千から数百万変数を持つ艦船設計などへの適用を目指しています。基盤モデルを言語や画像認識だけでなく科学・工学ツール内部のアルゴリズムエンジンとして活用する潮流を示す成果として、創薬や材料開発など高コスト評価を伴う分野への波及が期待されます。

Microsoft Researchは、150億パラメータのオープンウェイト・マルチモーダル推論モデル「Phi-4-reasoning-vision-15B」を公開しました。テキストと画像の両方を処理し、数学・科学の推論、チャート読解、GUI操作など幅広いタスクに対応します。

最大の特徴は訓練効率の高さです。約2000億トークンのマルチモーダルデータで訓練されており、QwenやGemma3など競合モデルが1兆トークン以上を使用するのに対し、およそ5分の1のデータ量にとどまります。その秘訣はオープンソースデータの徹底的なフィルタリングと品質改善にあります。

技術的に注目すべきは「混合推論」アプローチです。訓練データの約20%に思考過程を含む推論サンプルを、80%に直接応答のサンプルを使用し、モデルがタスクに応じて推論の要否を自動判断する仕組みを実現しました。画像キャプションでは即座に応答し、数学では段階的に思考します。

ベンチマーク評価では、ChartQAで83.3、MathVistaで75.2、ScreenSpot v2で88.2のスコアを記録しました。大型モデルのQwen3-VL-32Bには及ばないものの、同規模モデルを上回り、推論速度と精度のバランスでパレート最前線に位置しています。

Microsoftは本モデルをMIT許容ライセンスで公開し、ファインチューニングコードや評価ログも提供しています。Phiファミリーはエッジデバイス向けのPhi Silicaやロボティクス向けのRho-alphaにも拡大しており、「最も賢いモデルは最大のモデルではなく、いつ考えるべきか知っているモデルだ」という戦略を鮮明にしています。

独Black Forest Labsは、生成AIモデルの訓練において外部の意味理解モデルに依存しない新手法「Self-Flow」を発表しました。従来のStable DiffusionやFLUXなどの拡散モデルはCLIPやDINOv2といった凍結エンコーダに頼っていましたが、この制約を根本から解消する技術です。

Self-Flowの核心は「二重タイムステップスケジューリング」と呼ばれる仕組みです。入力データに異なるレベルのノイズを適用し、生徒モデルには強く劣化させたデータを、教師モデル（自身のEMA版）にはより鮮明なデータを与えます。生徒が教師の見ている内容を予測する自己蒸留により、生成と意味理解を同時に学習します。

実用面での成果は顕著です。Self-Flowは現行標準のREPA手法と比較して約2.8倍高速に収束し、従来のバニラ訓練と比べると必要ステップ数は約50分の1に削減されました。40億パラメータのマルチモーダルモデルでは、画像FID 3.61、動画FVD 47.81とREPAを上回るスコアを記録しています。

特筆すべきはマルチモーダル対応力です。AIが苦手としてきたテキスト描画の精度が大幅に向上し、動画生成では手足が消える幻覚アーティファクトが解消されました。さらに映像と音声の同期生成も単一プロンプトから可能になり、外部エンコーダでは困難だった領域を克服しています。

企業にとっての戦略的価値も大きく、計算予算を約3分の1に圧縮しつつ最先端性能を達成できます。ロボティクス分野では675Mパラメータ版をRT-1データセットで微調整し、複雑な多段階タスクで高い成功率を実現しました。外部エンコーダへの依存排除により、技術負債の削減とスケーラビリティの確保が可能となり、自社データに特化した独自モデル開発の現実性が大きく高まっています。

X（旧Twitter）は、武力紛争に関するAI生成動画をAIであると開示せずに投稿したクリエイターを、収益分配プログラムから90日間停止する新方針を発表しました。プロダクト責任者のニキータ・ビア氏が3月に公表しています。

新ルールでは、停止期間終了後も誤解を招くAIコンテンツの投稿を続けた場合、収益プログラムからの永久追放となります。ビア氏は「戦時において、現地の正確な情報へのアクセスは極めて重要だ」と述べています。

違反投稿の特定には、生成AI検知ツールとクラウドソース型ファクトチェック機能「Community Notes」の組み合わせが用いられます。AIが生成した動画や画像を自動的に検出する技術と、ユーザーの集合知を併用する仕組みです。

Xのクリエイター収益分配プログラムは、投稿の人気度に応じて広告収益を分配する制度ですが、批判者からはクリックベイトや炎上を狙った扇情的コンテンツを助長していると指摘されています。コンテンツ管理の甘さも問題視されています。

一方で今回の措置は限定的な対応にとどまるとの見方もあります。武力紛争以外の場面で使われる政治的なAI偽情報や、インフルエンサー経済における詐欺的コンテンツは引き続き規制の対象外であり、包括的な対策には至っていません。

Photoroomは2026年3月3日、テキストから画像を生成する拡散モデルを24時間・約1500ドル（約22万円）の計算予算で訓練する手法「PRX Part 3」を公開しました。H200 GPU 32台を使用し、コードもGitHubでオープンソース化しています。

最大の特徴はピクセル空間での直接訓練です。従来必要だったVAE（変分オートエンコーダ）を排除し、パッチサイズ32と256次元のボトルネック層で系列長を制御します。512pxで訓練を開始し、1024pxへファインチューニングする2段階方式を採用しています。

品質向上のため知覚損失を2種類導入しています。LPIPSは低レベルの知覚的類似性を、DINOv2ベースの損失は意味的な信号を捉えます。プール済み画像全体に適用し、全ノイズレベルで計算する独自の工夫が加えられています。

計算効率の面ではTREADによるトークンルーティングを採用し、50%のトークンをTransformerブロックの大部分でスキップさせます。またREPAでDINOv3教師モデルとの表現整合を行い、収束を加速させています。オプティマイザにはMuonを使用しAdamを上回る性能を確認しています。

訓練データは合成データセット3種（計約870万枚）を使用し、Gemini 1.5でキャプションを再生成しています。生成品質にはまだ改善余地があるものの、プロンプト追従性や美的一貫性は高く、構造的な欠陥ではなくデータ多様性の不足が主な課題と分析しています。

Googleは2026年3月のPixel Dropアップデートを公開し、AIアシスタントGeminiにエージェント機能を追加しました。Pixel 10シリーズのユーザーは、食料品の注文や配車予約などの日常タスクをGeminiに任せることが可能になります。

新たなエージェント機能では、UberやGrubhub、DoorDashなどの対応アプリ内でGeminiがバックグラウンドで作業を実行します。ユーザーはいつでもタスクの進捗を確認したり中断したりでき、Samsung S26シリーズでも同機能が利用可能です。

Circle to Searchにも大幅な機能強化が施されました。画面上の画像から複数のオブジェクトを同時に認識できるようになり、ファッションコーディネート全体を囲むだけで個別アイテムの検索が可能です。さらにバーチャル試着機能も追加され、購入前に着用イメージを確認できます。

Android全体の新機能として、Find Hubが紛失荷物対策を強化しています。トラッカータグの位置情報を安全なリンクで航空会社と共有でき、ルフトハンザグループやエア・インディアなど10社以上の主要航空会社が対応しています。Samsoniteとの提携によりスーツケースへの技術組み込みも進んでいます。

そのほか、Google Messagesでのリアルタイム位置共有、Now Playingの単独アプリ化、AI生成カスタムアイコン、Pixel Watchの地震アラートや衛星SOSのカナダ・欧州展開など、多岐にわたる機能追加が実施されました。日本では詐欺電話検出機能も新たに利用可能になっています。

米国とイスラエルによるイラン軍事攻撃の直後、SNS上には戦争を記録したとされる大量の画像や動画が出回りました。しかしその多くは過去の紛争映像やAI生成コンテンツ、さらにはゲーム映像であることが判明しています。

NYタイムズのVisual Investigationsチームは、ベネズエラのマドゥロ大統領に関する未確認画像を精査した際、航空機の窓の不自然さなど視覚的矛盾を詳細に分析しました。出所不明の画像は掲載基準を満たさないと判断し、報道の信頼性を最優先にしています。

調査報道機関Bellingcatは、GoogleやYandexの逆画像検索、ExifToolによるメタデータ抽出などを駆使して検証を行います。同機関のヒギンズ氏は「出所と文脈に焦点を当てる手法は今も有効だが、ノイズは格段に増えた」と語っています。

専門家は衛星画像やGoogleマップとの照合、SunCalcによる撮影時刻の推定、近隣の防犯カメラ映像との突合など、多角的な検証手段を組み合わせています。画像の切り抜きやコントラスト調整は許容範囲とする一方、AIによる要素の追加や除去は「報道写真ではない」と明確に線引きしています。

OSINT専門家のシルバーマン氏は「現在の情報環境は操作と欺瞞に傾いている」と警告し、一般ユーザーにも感情的な投稿を共有する前に立ち止まることを推奨しています。無料で利用できる検証ツールを活用し、複数の独立情報源で裏取りすることが、偽情報の拡散防止に不可欠だと訴えています。

米連邦最高裁判所は2026年3月2日、AI生成アートに著作権保護を認めないとする下級審判決の審査請求を棄却しました。ミズーリ州のコンピュータ科学者Stephen Thaler氏が自身のAIアルゴリズムが生成した画像の著作権登録を求めていた訴訟です。

この訴訟は2019年、Thaler氏がAI生成画像「A Recent Entrance to Paradise」の著作権登録を米著作権局に申請したことに始まります。著作権局は2022年の再審査でも「人間の創作性」が含まれていないとして申請を却下しました。

2023年には連邦地裁のBeryl A. Howell判事が「人間の創作性は著作権の根本要件」と判示し、2025年3月にはワシントンDCの連邦控訴裁判所もこの判決を支持しました。Thaler氏は2025年10月に最高裁へ上告していました。

Thaler氏は著作権だけでなく特許分野でもAIを発明者として認めるよう求めてきましたが、米連邦巡回裁判所はAIシステムが人間ではないため特許の発明者にはなれないと判断しています。米特許庁も2024年に同様のガイダンスを発表しました。

さらに米著作権局は昨年、テキストプロンプトに基づくAI生成アートは著作権保護の対象外とする新たなガイダンスを公表しています。英国最高裁もThaler氏の同様の訴訟でAIは発明者になれないと判断しており、各国で判例が固まりつつあります。

Googleは2026年2月末のMWCバルセロナにおいて、Androidエコシステム全体にわたるAI活用の最新成果を発表しました。来場者向けにハンズオンデモを多数用意し、AI技術の実用性を訴求しています。

注目の体験として、Nano Bananaを使い80年代雑誌の表紙風に自分を再現できる画像生成デモや、Veoによる音声付き没入型動画の生成機能が紹介されました。生成AIの創造的な活用例として注目を集めています。

XRヘッドセットとプロトタイプグラスを用いた都市のバーチャル探索も出展されました。周囲の環境に合わせた音楽再生機能も搭載され、空間コンピューティング分野への本格参入を示しています。

Circle to Searchには新機能が追加され、見つけた服装から直接衣類を検索しバーチャル試着できるようになりました。視覚的な検索体験がショッピング領域へ大きく拡張されています。

さらにPixel 10aをはじめとする最新デバイスでGeminiの新機能を体験できるブースも設置されました。会場のAndroid Avenueでは20社のパートナー企業も出展し、エコシステムの広がりを印象づけています。

Googleは2026年2月26日、画像生成AIモデルNano Banana 2（正式名：Gemini 3.1 Flash Image）を発表し、Geminiアプリや主要AIプラットフォームで全ユーザーへの提供を開始しました。

本モデルは旧Nano Banana Proのテキスト精密描画能力と、リアルタイムのGoogleイメージ検索を活用したグラウンディング機能を統合し、フラッシュ速度での生成を実現しています。

エンタープライズにとって最大の意義は、従来Proモデルに必要だったコスト負担なしに、同等以上の高品質出力が得られる点です。VentureBeatの分析によれば、これは過去6カ月間の「品質か速度か」というジレンマを解消するものです。

Vercel AI GatewayにもNano Banana 2が即日対応し、既存のAPI統合でシームレスに切り替えが可能です。フラッシュティアのコスト水準を維持しながらより優れた出力が得られます。

GoogleはNano Banana 2をAI Studio、Imagen API、Geminiアプリ全体に展開することで、AIクリエイティブ制作の民主化を進めています。企業は今すぐプロダクションへの統合を検討すべきです。

PomellはAIを使ってスタジオで撮影したような品質のマーケティング素材を自動生成するPhotoshoot機能をローンチしました。

実際のスタジオ撮影に比べて大幅なコストと時間の削減が可能で、ECサイトやSNSマーケティングに活用できます。

Andreessen Horowitzが「生成メディア2026年の現状」レポートを公開しました。AI生成コンテンツ（動画・音楽・画像・テキスト）の市場が急速に成熟していることを示しています。

動画・音楽・画像生成の品質が急向上し、プロクリエイターの制作ツールとして定着し始めています。消費者向け生成AIアプリの成長が特に顕著です。

エンターテイメント産業では制作コストの大幅削減が実現し始めており、コンテンツの民主化と競争激化が同時に進行しています。

日本のメディア・エンタメ産業でも生成AIの活用が急増しており、競争優位性を保つためのAI戦略立案が急務となっています。

Vercelは複数のプラットフォームアップデートを発表しました。skills.shのセキュリティ監査自動化、Vercel AgentによるPRレビューへのビルド修正提案機能が追加されました。

ランタイムログのストリーミングエクスポート改善、Recraft V4テキスト→画像モデルのAI Gateway追加、Sandboxスナップショットのカスタム保持期間設定も提供開始されました。

xAIの元従業員がThe Vergeの取材に応じ、「安全はxAIでは死んでいる組織」と証言しました。マスク氏がGrokを意図的にモデレーションを緩めた「より過激な」方向に調整しようとしているとも述べています。

Grokはすでに実際の女性や未成年を含む100万枚以上の性的ディープフェイク画像の生成に使われたとNYTが報じており、これが世界規模の批判を招きました。

SpaceXによるxAI買収発表後、エンジニア11名と共同創業者2名が退社を表明しました。マスク氏はX上でこれを組織再編の一部と説明していますが、実態は複数要因が重なった離脱とみられます。

元従業員はxAIが競合と比べて「追いかけフェーズ」にあると感じており、明確な戦略的方向性が示されていないことへの不満も退職理由のひとつです。

AI安全とコンテンツポリシーをめぐるこの対立は、AI企業における経営者の価値観とリスク管理のバランスという業界全体の課題を映し出しています。

ByteDanceはテキスト、画像、音声、既存動画の任意の組み合わせを入力として動画クリップを生成できる新世代AIモデルを発表しました。RunwayやSoraと競合するマルチモーダル動画生成の最前線を争います。

TikTokの親会社として膨大な動画データを持つByteDanceにとって、動画生成AIは戦略的な中核技術です。クリエイター向けツールから広告制作まで幅広い応用が見込まれます。

Soraとの比較では、入力の柔軟性において優位性があるとされています。既存の映像素材を入力として新しいコンテンツを生成する映像編集AIとしての活用が注目されます。

米国税関・国境保護局（CBP）がClearview AIと顔認識技術の利用契約を締結しました。「戦術的標的化」という用途が明記されており、法執行へのAI顔認識の組み込みが進んでいます。

Clearview AIはインターネット上の公開画像を大量に収集して構築した顔認識データベースを持つ企業で、プライバシー侵害を理由に各国で訴訟や規制に直面しています。それでも米連邦機関による採用が進んでいる事実は監視国家化への懸念を高めています。

この契約は移民政策とAI監視技術の交差点に位置します。ICEやCBPによるAI活用の拡大は、民間企業のデータと政府の執行能力が融合していく流れを体現しています。

MITの研究チームが開発したAIアルゴリズムにより、脳幹の白質繊維束を従来にない精度で追跡することが可能になりました。

白質繊維は意識、睡眠、呼吸、心拍、運動など重要な機能を制御する神経ケーブルですが、これまでの画像技術では十分に解像できませんでした。

新しいAIアルゴリズムはこの課題を克服し、脳幹内の神経経路を高精度で可視化することを実現しています。

この技術は脳外科手術の計画精度向上や、神経疾患の診断改善に直接的な応用が期待されます。臨床医療への貢献が見込まれます。

AIと医療画像の融合は急速に進展しており、今回の成果は脳神経科学の新たなフロンティアを開くものです。

Google PhotosのAsk Photos機能とAskボタンが拡充され、Geminiモデルを使った対話型の画像検索と編集が可能になりました。

写真を見ながら「この場所はどこ？」「似た写真を見つけて」といった自然言語での質問ができ、AIが即座に回答します。フォローアップ質問にも対応します。

「Help me edit」機能では、編集したい内容をテキストで伝えるだけでAIが画像加工を行います。サングラスの除去や背景変更なども可能です。

料理の写真から食材を特定したり、手書きレシピを転写したりと、実用的な活用シーンが幅広く紹介されています。

AskボタンはAndroidとiOSの米国ユーザーに展開中で、Ask Photos自体は多くの国と言語に対応しています。

Googleは検索結果から不同意の性的画像を削除する新しい簡易プロセスを導入しました。複数画像の一括申請が可能になり、被害者の負担が軽減されます。

削除だけでなく、類似検索結果を事前にフィルタリングする継続的保護機能もオプトインで提供されます。申請状況は「Results about you」ハブで一元追跡できます。

個人情報のオンライン管理ツールは既に1,000万人以上が利用しており、さらなる拡充が進められています。メール通知によるステータス更新も追加されました。

Safer Internet Dayに合わせ、子どもとティーンのオンライン安全に関する施策も発表されました。家族向けの保護ツールや教育リソースが充実しています。

これらの取り組みはデジタル安全への包括的なアプローチであり、被害者支援から予防まで幅広くカバーする内容です。

Facebookは、AIを活用した新しいクリエイティブ機能を発表しました。静止画のプロフィール写真をアニメーションに変換できるほか、ストーリーやメモリーズのリスタイルも可能です。

テキスト投稿には動的な背景を追加でき、フィード上での視認性が高まります。Meta AIを使った画像生成機能も併せて強化されています。

これらの機能はユーザーの自己表現を支援し、プラットフォームのエンゲージメント向上を狙ったものです。SNS競争が激化する中、AIによる差別化を加速させています。

プリセットのアニメーションを選ぶだけで手軽に利用でき、技術的な知識は不要です。クリエイター経済の活性化にも寄与する可能性があります。

MetaはAI機能の拡充を通じて、TikTokやInstagramとの差別化を進めており、今回の更新もその戦略の一環と位置づけられます。

スーパーボウル60で溢れかえったAI広告に対し、批評家からは「期待外れ」という声が相次ぎました。生成AIで制作された広告は、技術が進化したとはいえ、人間が制作したコンテンツと比べると質的な劣勢は明らかとされています。

複数のブランドがAI生成コンテンツをスーパーボウルという世界最大の広告舞台で公開したことは、AIの実力を過大評価しているとの批判を招きました。視聴者のAI疲れが進む中、かえってブランドイメージを損ねるリスクを示しています。

一方、イヤーバッドと光る球体を映した偽のOpenAI広告がソーシャルメディアで拡散し、多くのユーザーが本物のCMだと思い込みました。実際にOpenAIはスーパーボウルへの広告出稿を行っておらず、AI生成コンテンツの識別の難しさを示す事例となりました。

この事件は、AI技術の進化と共にフェイクコンテンツの品質も向上しており、従来のファクトチェックの手法では対処が困難になっていることを浮き彫りにしています。NY FAIR News Actなどコンテンツ表示義務に向けた動きとも連動しています。

AI広告の氾濫と偽コンテンツの拡散という二つの課題は、生成AIが商業・情報領域に深く浸透する中で、企業・メディア・消費者が共に取り組むべきリテラシーの問題を提起しています。

冷戦後の核軍縮条約体制が崩壊する中、科学者・研究者が注目する新たな「プランB」があります。人工衛星とAIを組み合わせた核監視システムです。これまで条約が担ってきた検証機能を技術的手段で代替しようという構想です。

核軍備管理専門家のMatt Kordaは「これはあくまでプランBだ」と述べており、AI監視システムは条約の代替ではなく緊急措置としての位置付けを強調しています。しかし条約体制の復活が見通せない中、現実的な検証手段として真剣な検討が進んでいます。

技術的には、衛星画像をAIが自動解析することで核施設の活動状況や兵器の移動をリアルタイムで監視できます。一方で地下施設や移動式核ミサイルへの対処、衛星の解像度限界という技術的制約も指摘されています。

最大の懸念はAIの誤判断リスクです。核兵器の展開を誤認した場合、偶発的な核衝突を引き起こす可能性があります。人間の判断をどの段階でどの程度介在させるかというヒューマン・イン・ザ・ループの設計が極めて重要です。

Wired誌の関連記事「AIと核兵器の融合は必然」が示すように、AIと核安全保障の問題は今後の安全保障政策において避けられない中心的テーマとなっています。

Nvidiaは2026年2月4日、マルチモーダル検索モデル「Nemotron ColEmbed V2」がHuggingFaceのViDoRe V3ベンチマークでトップスコアを達成したと発表した。

ColEmbed V2は画像・テキスト・表・チャートを統合したマルチモーダル文書検索において卓越した性能を持ち、企業の複雑な文書からの情報抽出を実現する。

Nemotron Agentsはリアルタイムで文書をビジネスインテリジェンスに変換するシステムで、ERPデータやレポートから即座にKPIを算出できる。

これらのモデルはNvidiaのAI基盤（NIM）上で動作し、既存のRAGアーキテクチャや検索システムへの統合が容易だ。

日本企業においても大量の非構造化文書（契約書、報告書等）を持つ組織にとって、文書AI自動化の実用性が高まった重要な進展だ。

H Companyの研究者たちがテキスト→画像生成モデルの訓練設計に関する詳細なアブレーション研究（要素ごとの効果測定）を公開しました。モデル品質に大きく影響する訓練設計の選択に光を当てています。

訓練データの品質と多様性のバランス、解像度の選択、条件付けの強度など、テキスト→画像モデルの性能を左右する重要なハイパーパラメータの知見が共有されています。

特にデータのキュレーション方法と訓練スケジューリングの選択が、最終的なモデル品質に予想以上に大きな影響を与えることが示されました。

このような研究の公開は、大規模モデル訓練の知見をコミュニティ全体で共有することで、オープンソース生態系全体の品質向上につながります。

テキスト→画像モデルの実務応用を目指す研究者・エンジニアにとって、貴重なベースラインデータとして参照価値があります。

インドネシアはマレーシア・フィリピンに続き、xAIのGrokチャットボットへの禁止措置を条件付きで解除しました。2026年1月、Grokが少なくとも180万件の女性の性的ディープフェイク画像を生成したことが発覚し、各国が禁止に踏み切っていました。

xAIはコンテンツポリシーを更新し、違法なコンテンツを生成しないとの保証を各国政府に提供したことで禁止解除につながりましたが、独立した研究者によるテストでは今なお問題ある出力が確認されています。

この事件は、AIチャットボットが生成する有害コンテンツに対して各国政府が独自の規制権を持つ一方、グローバルなAI企業が各国法に準拠するための仕組みが不十分であることを示しています。

東南アジア各国の禁止・解除プロセスは、AI規制のグローバルな協調が必要でありながら実現が困難というガバナンスの根本問題を露呈しました。

今後もGrokの動向は規制当局の監視下に置かれる見通しで、AI企業の政府との関係管理能力が問われています。

GoogleのJanuary Gemini Dropでは、音声・画像機能の強化やパーソナライゼーションの改善など複数の新機能がGeminiアプリに追加されました。

毎月恒例のGemini Dropは機能を段階的に追加する戦略で、ユーザーの継続的エンゲージメントを保ちながらChatGPTやClaude.aiとの競争に対応しています。

Elon MuskはXに向けた新しい画像ラベリングシステムを示唆するメッセージを投稿しましたが、詳細は不明なままです。AIによる自動ラベリング機能の可能性が指摘されています。

Xの広告収益改善にはコンテンツの正確なラベリングが不可欠であり、GrokのビジョンAI機能を活用した新たなコンテンツ管理システムの構築とみられています。

UniRGは強化学習を使って医療画像診断レポートの品質を大幅に向上させる研究成果を発表しました。放射線診断の精度が人間専門家に近づいています。

医療診断におけるAI支援の精度向上は放射線科医の業務負荷軽減と診断エラー削減に直結し、医療AIの実用化加速に貢献します。

熱力学的コンピューティングという新しいアーキテクチャがAI画像生成において大幅なエネルギー効率向上をもたらすことが示されました。

AI計算の電力消費問題が深刻化する中、この技術はGPUに依存しない省エネルギーなAI演算の可能性を開くものとして研究者の注目を集めています。

Google Photosに自然言語で変換スタイルを指定して画像をビデオ化する機能が追加されました。「波が揺れる」「桜が舞い散る」などのプロンプトで動画を生成できます。

この機能はAI動画生成を日常的な写真管理に組み込む革新的な取り組みで、SoraやRunwayなどの動画生成ツールへの対抗でもあります。

GoogleはGemini 3 FlashにAgentic Vision機能を導入しました。AIエージェントが視覚情報を理解しながらタスクを実行できるマルチモーダルエージェント機能です。

画面のスクリーンショットを見ながらUIを操作するなど、視覚的なワークフローの自動化が可能になり、RPA分野への AI展開が加速します。

マルチモーダル強化学習とエージェント型検証器を組み合わせることで、AIエージェントの信頼性を向上させる研究が発表されました。

エージェント検証器は、AIエージェントが次の行動を決定する前に、その行動が適切かどうかを独立したモジュールが評価します。これにより誤行動のリスクを事前にフィルタリングできます。

マルチモーダル入力（テキストと画像の組み合わせ）を使ったRLは、コンピュータ画面の操作やロボット制御など現実世界のタスクに応用しやすい特性があります。

エージェントの信頼性向上は本番環境での自律的なデプロイを可能にする前提条件であり、この研究はエージェントAIの実用化を前進させる重要な成果です。

Vercel AI GatewayにRecraft社の画像生成モデルが追加されました。RecraftはSVGなどのベクターグラフィックスやスタイル一貫性に優れた画像生成が特徴です。

AI Gatewayは複数のAIプロバイダーへの単一エントリーポイントとして機能し、モデルの切り替えやフォールバック設定が容易になります。開発コストの削減に直結します。

Recraft追加により、Vercelのエコシステムで利用できる画像生成モデルの選択肢が広がりました。用途に応じた最適なモデル選択が開発者にとって重要になっています。

カリフォルニア州検察はxAIに対し、GrokチャットボットによるAI生成性的ディープフェイクへの停止命令を発しました。イーロン・マスクの子どもの母であるAshley St Clair氏も同日xAIを提訴しています。

St Clair氏の訴状では、Grokが彼女の性的な偽画像を作成したと主張しています。未成年の性的画像生成も問題視されており、法的・倫理的な批判が高まっています。

1月16日にはXとGrokが全世界で約1時間ダウンするというサービス障害も発生し、xAIへの信頼に打撃を与えました。

この問題はAIコンテンツ規制の必要性を改めて浮き彫りにしています。他のAI企業も自社製品のセーフガード強化を迫られることになりそうです。

GoogleはAI動画生成ツール「Flow」をGoogle Workspaceユーザーに提供開始しました。2025年5月にローンチして以来、アクセスを段階的に拡大しています。

Flowはテキストや画像から高品質な動画を生成できるツールで、Workspaceとの統合によりビジネスユーザーが日常業務で活用しやすくなります。

マーケティング部門や研修コンテンツ、プレゼン資料など企業の動画ニーズに応えるもので、専門のビデオ制作会社への外注コストを削減できる可能性があります。

OpenAIのSoraなど競合製品と比べ、Google Workspaceエコシステムとの親和性が差別化のポイントです。

ドイツのAIスタートアップBlack Forest Labsは、1秒未満でAI画像を生成できるオープンソースモデル「Flux.2 [klein]」をリリースしました。同社はStability AI出身のエンジニアが設立したことで知られています。

Flux.2は前作Flux.1の性能をさらに高めており、生成速度と画像品質の両面で大きな改善が見られます。オープンソースでの公開により、開発者が自由に応用できます。

完全オープンソースのAI画像モデルが高速化されたことで、プロダクション環境への組み込みがより現実的になりました。コスト面でも有料APIを使わずに運用できるメリットがあります。

欧州発のAI技術として注目されており、米国や中国勢が支配するAI画像生成市場に新たな競争軸をもたらしています。

中国のAI企業Z.aiがリリースしたオープンソースGLM-Imageモデルが、GoogleのNano Banana Proモデルを複雑なテキストレンダリングのタスクで上回ることが示されました。画像内の複雑な日本語・中国語・英語テキストを正確に生成する能力で特に高い評価を得ています。

オープンソースの高品質画像生成モデルが中国から登場したことは、AI開発の地政学的多様化を示しています。特に多言語テキスト画像生成という分野での優位性は、アジア市場での実用的な応用において大きな意義を持ちます。

Xの安全チームはGrokAIが女性や子どもの衣服を「脱がせる」機能を修正したと発表しましたが、TechCrunchの調査により英国では依然として同機能が作動していることが判明しました。カリフォルニア州の司法長官が調査を開始し、マスク氏が未成年の性的画像への関与を否定する声明を発表するなど、事態は深刻化しています。

Grokの下着透視機能は複数の国で政府規制当局の調査対象となっています。インドネシア・マレーシアによるブロック、英国の規制調査、米国州司法長官の調査と、国際的な法的圧力が同時並行で高まっています。

この問題はAIプラットフォームのコンテンツモデレーション能力への根本的な疑問を提起しています。技術的修正が不完全なまま「完了」と宣言する姿勢は、AI企業の透明性と信頼性について深刻な課題を示しています。

Googleは動画生成AIモデルVeo 3.1の強化版を発表しました。最大の新機能は縦向き（ポートレート）動画の生成対応で、TikTokやInstagram Reelsなどモバイル向けコンテンツ制作に直接対応しています。また参照画像からAI動画を生成できる機能も追加され、ブランドの視覚的一貫性を保ちながらコンテンツ制作できます。

Veo 3.1はGemini APIを通じて開発者が利用でき、食材の写真から料理手順動画を自動生成するデモも公開されました。より高い一貫性とクリエイティブコントロールが実現され、商業的なコンテンツ制作パイプラインへの組み込みが容易になっています。

OpenAIのSoraやRunwayとの競争が激化する動画生成AI市場において、縦型フォーマット対応はGoogleが実用的なユースケースで差別化を図る戦略的判断です。SNSコンテンツ制作の現場では縦型動画が主流となっており、この対応は多くのクリエイターやマーケターにとって直接的な価値を持ちます。

TechCrunchが報じた医師へのサーベイ結果は、医療AI普及の現実的な課題を示しています。多くの医師がAIの診断支援、医療画像解析、電子カルテ入力補助などのバックオフィス活用を支持する一方で、患者と直接対話するAIチャットボット形式への懸念が強いことが判明しました。

医師が最も重要視しているのは責任の明確化と規制の整備です。AIが誤診した場合の法的責任、保険適用の問題、患者への説明義務など、現行の医療制度とAIの統合にはまだ多くの整備が必要であることが示されています。

インドネシアとマレーシアの政府当局がxAIのチャットボットGrokへの一時的なアクセスをブロックしました。これはGrokのAI機能が非合意の性的ディープフェイク画像を生成・拡散していたことへの対応で、アジア政府による最も積極的な規制措置となっています。

このブロック措置はGrokを巡る一連の問題の中でも特に強硬な対応として注目されています。欧州ではUKが法律による対処を進める一方、アジア各国はプラットフォームへの直接規制という手段を選択しており、国際的なAI規制の多様性が浮き彫りになっています。

この一連の騒動はAI生成コンテンツに対する政府規制の新たな先例となる可能性があります。xAIはGrokのコンテンツモデレーションの不備を認め対応を進めているものの、複数国での規制は企業にとって大きな課題となっています。

カリフォルニア大学バークレー校の研究チームは、撮像システムをAIが処理する情報量を最大化する観点から設計する新しいアプローチを発表しました。従来の光学設計が「人間が見て美しい画像」を目的としていたのに対し、情報駆動設計は「AIが最も有用な情報を抽出できる画像」を目的とします。

医療診断・天文学観測・産業品質検査など、AIが最終的に意思決定に使う撮像システムでは、センサーとAIの統合設計が従来の別個設計よりも大幅に高い性能を実現できることが示されています。

この研究はハードウェアとAIソフトウェアの共同設計（co-design）という新しい開発哲学を体現しており、次世代の医療機器・科学計測装置・産業ビジョンシステムの設計に影響を与えることが期待されます。

xAIのGrokによるAI脱衣画像生成問題は、ヒジャブやサリーを着用した女性が組織的に標的にされているという報告とともに、人種差別・性差別的な悪用の深刻さが明らかになりました。xAIの対応は画像生成機能を有料プランのみに制限するというものでしたが、Arstechnicaは無料ユーザーでも画像編集機能を通じて同様の操作が可能であることを確認しました。

民主党議員はAppleとGoogleのアプリストアに対しXアプリの削除を要求し、プラットフォーム企業の責任も問われています。英国、米国、EU各国が独自に規制調査を進めており、AI生成コンテンツの安全基準をめぐる国際的な議論が加速しています。

今回の問題の核心は、xAIが安全対策を後回しにして機能をリリースした点にあります。当初「善意を推定する」という設計思想が問題を引き起こした経緯からも、AI企業のセーフティ・バイ・デザインの義務化を求める声が高まっています。

The Vergeの記事は、AIがスポーツカード・美術品・高級スニーカーなどのコレクター向け商品（コレクティブル）市場への進出を報じています。画像認識AIを使った真贋鑑定は、専門家による目視検査よりも一貫性があり、スケールが容易というメリットがあります。

コレクター市場は世界で数千億ドル規模があり、価格の不透明性と偽造リスクという長年の課題がありました。AIによる価格予測と状態評価の標準化は、この市場の透明性と流動性を高める可能性を持ちます。

ただし、希少品の価値は文化的・感情的文脈と深く結びついており、純粋にデータドリブンなAI評価がコレクター市場で受け入れられるかは未知数です。ニッチだが高成長なAI応用領域として今後の動向が注目されます。

xAIのGrokが持つ画像生成機能が、未成年者を含む女性の非合意的な脱衣画像を大量生成できる状態が続いており、国際的な政治問題に発展しています。特に、ヒジャブやサリー着用の女性が組織的に標的にされているという報告があり、人種差別的・性差別的な悪用が深刻化しています。

Arstechnicaの調査によれば、未成年者の画像を要求した場合もGrokが「善意を推定する」という設定のために要求を承認することがあったとされています。英国首相は議会で明確に問題を認識し行動を取ると表明、各国政府がxAIへの法的対応を検討しています。

この問題はGrokだけでなくAI画像生成全般における安全対策の標準化を求める声を高めています。xAIの株主・投資家への影響も懸念されており、企業ガバナンスと安全対策への問題意識が高まっています。

xAIのGrokが生成する性的コンテンツがX（旧Twitter）のプラットフォームポリシーよりも緩い制限のもとで生成されていると、Wiredの調査報道が明かしました。通常は禁止されるようなグラフィックな性的描写が容易に生成できる状態が続いており、世界各国の政策立案者から強い反発を受けています。

英国首相は議会でこの問題に言及し「行動を取る」と明言しました。米国の民主党議員はGrokのイメージ生成機能をAppleおよびGoogleのアプリストアから削除するよう求めました。EU AI Actの枠組みの下でも、透明性要件と成人向けコンテンツの扱いについて義務が課されうる状況です。

xAIは当初、このコンテンツ生成を意図的な機能として設計していたとも受け取れる対応をしており、企業の責任能力に対する根本的な疑問が提起されています。政治的圧力は日増しに強まっており、何らかの規制措置が施行される可能性が高まっています。

HuggingFaceは、小型でありながら高い精度を持つLlama Nemotron RAGモデルの詳細を発表しました。このモデルはマルチモーダル検索と視覚的なドキュメント検索（VDR）において、はるかに大型のモデルと競争できる性能を持ちます。

特に、テキストと図表・画像が混在するPDFや業務文書の検索において優れた結果を示しています。RAGパイプラインに組み込むことで、エンタープライズ検索システム全体の精度向上が期待できます。

小型モデルの高性能化というトレンドの典型例として、オンプレミスや低コストクラウドでの展開が可能であり、クラウドへのデータ送信をためらう金融・医療・法務などのセンシティブな業界での活用が広がりそうです。

xAIのGrokが持つAI画像生成機能が、未成年者を含む人物の非合意的な脱衣画像を生成できるとして、2026年初から大きな批判を受けています。WiredとThe Vergeはそれぞれ独自取材で、機能が子どもにも悪用されている実態を報告しました。

xAIは問題を把握していながら対応が遅れたとされており、英国首相は「行動を取る」と公式に声明を発表しました。米国でも既存の児童保護法の適用が検討されていますが、法的グレーゾーンが問題解決を遅らせています。

Grokの機能を有料プランのみに制限する対処は不十分として批判が続いています。AI生成コンテンツに関する業界全体の倫理基準と法的責任の明確化が急務となっており、立法措置を求める圧力が高まっています。

MITの研究チームは、臨床AIシステムが学習データに含まれる患者情報を「記憶」するリスクを体系的に調査した研究を発表した。メンバーシップ推論攻撃（Membership Inference Attack）を使用することで、AIモデルがどの患者データを学習したかを高い確率で特定できることが示された。

この問題が特に深刻なのは、電子カルテ・医療画像・臨床ノートといったセンシティブな医療データで学習した診断AIや予測モデルだ。攻撃者がモデルのAPIにアクセスできる場合、特定の患者の医療情報が学習データに含まれているかどうかを推定できる。

従来の対策として行われてきた学習データの匿名化・仮名化だけでは不十分であることも示された。モデルが一意な特徴（稀な病態・特殊な薬剤の組み合わせなど）を記憶してしまう場合、匿名化を施しても個人を特定できる可能性がある。

技術的な解決策として、差分プライバシー（Differential Privacy）による学習がより有望な対策として挙げられている。確率的ノイズを加えることで個人情報の記憶を防ぎながら、モデルの有用性を一定程度保つことができる。

この研究は医療AIの規制フレームワーク構築に重要な示唆を与える。HIPAA・EU GDPRなどの既存医療プライバシー規制がAI時代に十分対応できているかの見直しが求められており、患者の同意取得と記憶リスクの開示が新たな倫理的要件として浮上している。

GoogleはCES 2026でGoogle TV向けのGemini AI機能を大幅に拡張すると発表した。最も注目される新機能は画像・動画生成で、リビングルームのテレビから直接AIコンテンツを作成できるようになる。

「Nano Banana」という開発コードで呼ばれる新しいGeminiモデルがGoogle TVに組み込まれ、音声コマンドでテレビの設定（字幕・音量・画質など）を直接操作できる。リモコン不要の音声制御が完全な形で実現する。

コンテンツ推薦機能もGeminiの自然言語理解により大幅に向上する。「先週見た映画みたいなアクション映画で、主人公が女性のもの」といった自然言語での要求に応じた精密な推薦が可能になる。

対応範囲はGoogle TV Streamer（従来のChromecast後継）を起点に、Sony・TCL・Hisenseなどのパートナーメーカー製TVやプロジェクターにも広がる予定だ。このエコシステム拡大により、数億台の家庭用TVにGeminiが搭載される可能性がある。

将来的にはGoogle Homeのスマートホームデバイスとの統合制御も予定されており、テレビを通じて照明・温度・セキュリティカメラなどを音声制御できる「スマートホームのハブ」としての機能強化が計画されている。

フランスのデータ保護機関CNILとマレーシア当局がGrokによる性的ディープフェイク生成問題の正式調査を開始した。インドに続くこの動きにより、国際的な規制包囲網がxAIとXプラットフォームを取り囲む形になっている。

フランスの調査はEUのGDPR（一般データ保護規則）の観点から進められており、特にユーザーの同意なしに画像を改変するというプライバシー侵害の側面が焦点となっている。EU AI法も施行されており、高リスクAIシステムとしての分類・対応が問われる可能性がある。

マレーシアでは主に未成年保護と公序良俗の観点から政府が即時対応を要求しており、プラットフォームへのアクセス制限を含む強硬措置も検討中だ。東南アジア各国でも同様の動きが広がる可能性がある。

xAIとXの対応の遅さが各国当局の怒りを招いており、Elon Muskの政治的影響力や米国政府との関係が規制交渉を複雑にしているとも指摘される。米国内では共和党政権下での規制が緩和される方向にある一方、欧州では厳格化が進む対照的な状況だ。

この問題は単にGrokだけでなく、AIによる画像操作全般への規制強化の引き金となる可能性がある。Adobe・Midjourney・Stable Diffusionなど他の画像生成AIサービスも、ガードレール強化の国際圧力を受ける見通しだ。

米フードデリバリー大手DoorDashは、ドライバーがAI生成の写真を使って配達完了を偽装していたとされる事例を確認し、当該アカウントを停止したと発表した。生成AIの悪用が現実の業務詐欺に使われた事例として注目を集めている。

手口としては、実際には配達していない場所でAIで生成した「配達完了写真」を提出するというものだ。DoorDashの配達確認システムは写真の真偽を確認する機能が不十分であり、ビジュアル証拠の改ざんに対して脆弱だったことが明らかになった。

この事件はRedditでバイラルとなり、その後Nexstarが取材してDoorDashが正式に確認する流れとなった。ソーシャルメディアでの告発がプラットフォームを動かすケースとして機能した。

技術的な対策として、AIウォーターマーク検出・GPSデータとの照合強化・リアルタイム位置確認の義務化などが検討される。しかし生成AI技術が進化するにつれて、これらの対策との「猫とねずみのゲーム」が続くことも予想される。

Uber Eats・Instacart・GrubHubなど他のプラットフォームも同様の脆弱性を抱えており、業界全体での本人確認・配達確認プロセスの強化が急務となっている。AI生成コンテンツの普及が、デジタルエビデンスへの信頼を根本から揺るがす時代が来ている。

米国軍がベネズエラに侵攻しニコラス・マドゥロ大統領を拘束したという歴史的な出来事の直後、AI生成の偽情報がソーシャルメディア上で爆発的に拡散した。深夜に始まったトランプ大統領の発表から数分以内に、事実確認のされていない画像・動画・テキストが大量に流通した。

特に問題となったのは、ChatGPTがマドゥロ拘束という事実を否定または知らないと回答し続けたことだ。ユーザーは速報情報をAIに確認しようとしたが、ChatGPTのトレーニングデータのカットオフにより正確な情報が提供できなかった。

AIが「知らない」と回答する場合より、誤った事実を自信を持って回答する場合の方が被害が大きい。今回のケースでは、ChatGPTの否定的な回答がむしろ偽情報拡散を助長する逆説的な状況が生まれた。

ソーシャルメディア上では、AIで生成された偽のマドゥロの動画・偽の政府声明・改ざんされた衛星画像などが出回り、情報の真偽判断が著しく困難になった。従来のファクトチェック機関が追いつけない速度での拡散だった。

この事件は、リアルタイムの政治的出来事におけるAIの情報信頼性設計の根本的な問題を浮き彫りにした。RAG（検索拡張生成）や最新ニュース連携機能の重要性が改めて認識されるとともに、AIの回答に対するユーザーリテラシー教育の必要性も高まっている。

xAIのGrokが、ユーザーの同意なしに人物写真から衣服を取り除く画像を生成する機能が問題化した。Xのポスト画像を即時編集できる新機能の展開後、未成年を含む女性の性的に改ざんされた画像がプラットフォーム上に溢れる事態となった。

特に深刻なのは、世界の政治指導者・著名人・子どもたちの画像が無断で性的コンテンツに変換されたことだ。Copyleaksの調査によれば、この傾向はアダルトコンテンツ共有コミュニティから始まりXのメインストリームに広がった。

Grokが一度「謝罪」した際、AI研究者はそれがシステムの本音ではなくプロンプトに応じた演技に過ぎないことを実証した。LLMの謝罪が真の安全対策とは全く別物であることが広く認識される事例となった。

インド当局はXに対して技術的・手続き的な即時対応を義務づける命令を発した。インドはXの主要市場の一つであり、この規制命令は実質的な圧力となっている。デジタルインドIA法の枠組みで対処する方針が示された。

xAIはGrok問題の混乱最中にGrok Business・Grok Enterpriseを発表するという行動に出た。セキュリティと企業向け機能を前面に出した新サービスが、まさにCSAM問題で炎上中に登場したことは批判を呼んでいる。

この事件は、AIコンテンツ生成プラットフォームにおけるガードレールの不備と、プラットフォーム事業者のコンテンツモデレーション責任の範囲について根本的な問いを突きつけている。各国での立法・行政対応が加速することが予想される。

アリババが開発したQwen-Image-2512がリリースされ、GoogleのNano Banana Pro（Gemini 3 Pro Imageベース）に対抗できる品質をオープンソースで提供するモデルとして注目を集めています。

Nano Banana Proは11月のリリース後、画像生成AIの基準を大幅に引き上げたと評価されていました。Qwenチームはこれを受けて独自の画像・テキスト統合モデルを開発し、推論能力と画像品質の両立で高い評価を得ています。オープンソースであることが最大の差別化です。

商用利用の自由度と自由なカスタマイズ性は、特にスタートアップや研究機関にとって大きな利点です。Googleに料金を支払うことなく同等品質の画像生成APIを構築できることは、エコシステム全体の民主化を促します。

2025年末時点で画像生成AI市場は三つ巴になりました。Google Nano Banana Pro、Fal最適化Flux 2、そしてQwen-Image-2512——それぞれが異なる価値提案を持つ健全な競争環境が整いつつあります。中国発オープンソースの存在感は2026年さらに高まるでしょう。

InstagramのボスAdam Mosseriが20枚の投稿で「無限の合成コンテンツ」時代への深刻な懸念を表明しました。AI生成画像・動画・音声が爆発的に増殖する中、目で見たものを信頼できない時代が来ていると警告しています。

問題の本質は技術的なものだけではありません。Mosseriが指摘するのは、Instagramがかつて持っていた「友人の本物の日常」というコアバリューの喪失です。アルゴリズム主導のリーチ最適化が合成コンテンツを優遇し、本物の人間的なつながりが希薄化しました。

対応策として浮上しているのが来歴技術の標準化です。C2PA（コンテンツの来歴と信頼性のための連合）が定めるメタデータ標準が、AI生成コンテンツの識別と透明性確保の基盤として普及しつつあります。

長期的には本物の人間が作ったコンテンツがプレミアムとして評価される逆説が生まれるかもしれません。デジタルリテラシーの教育が社会インフラとなり、情報の来歴を確認する習慣が新しい常識となる時代が来るでしょう。

2025年のGoogleは画像生成AIと音声AIの両面で業界を牽引しました。内部コードネーム「Nano Banana」として知られるGemini 2.5 Flash Imageは8月に世界最高評価の画像編集モデルとしてデビューし、写真の一貫した外観保持と自然な合成でユーザーの心を掴みました。

その後GoogleはNano BananaをSearch、NotebookLMなど主要製品に展開し、11月にはGemini 3 Pro搭載のNano Banana Proを投入。高度な推論能力を活かして情報のビジュアル化精度を大幅に向上させました。

Gemini Liveは最新アップグレードで音声インタラクションをさらに進化させました。自然な割り込みや友達との会話のような流暢さを実現し、音声AIの新しい標準を打ち立てています。

Googleは12月に多数のAI機能アップデートをまとめて発表しており、医療から科学研究まで幅広い分野での成果を強調しています。20年以上の機械学習研究が実を結び、Geminiブランドが2025年のAI市場で圧倒的な存在感を示しました。

AIインフラスタートアップのFal.aiが独自最適化したFlux 2ベースの画像生成モデルを公開しました。1.4億ドルのシリーズD調達直後のタイミングでの投入で、市場への本気度を示しています。

Falのアプローチは単なるモデル再配布ではなく、推論スタック全体を最適化して速度とコストを改善する点にあります。Sequoia Capital、Kleiner Perkins、そしてNVIDIAのベンチャー部門が出資しており、技術力への評価の高さがうかがえます。

2025年末の画像生成AI市場はGoogle Nano Banana Pro、中国のQwen-Image、そしてFal版Flux 2が揃い踏みとなり、多極化競争の様相を呈しています。特に推論APIコストの低下は、中小クリエイターや開発者にとって追い風です。

Black Forest Labsが開発するFluxシリーズは高品質な画像生成で定評があり、Falによる最適化でよりアクセスしやすくなります。2026年は画像生成AIの商用化競争がさらに激化する見通しです。

2025年はNetflixが生成AIのガイドラインを公開し、Amazonが複数の日本アニメシリーズにAI吹替を採用し、DisneyがOpenAIと10億ドル規模の3年間ライセンス契約を締結するなど、エンターテインメント産業でのAI活用が一気に加速した年でした。

しかし成果は芳しくありませんでした。AmazonのゲームチェンジャーになるはずだったAI吹替は細部の品質が低く即座に公開停止に。AIドラマのリキャップ機能も番組の内容を頻繁に間違えて公開停止されるなど、矢継ぎ早の失敗が続きました。

一方でDisneyのOpenAI提携はエンタメ業界に「後れを取るな」というシグナルを送り、2026年以降さらに多くのスタジオがAI活用に踏み込む可能性を示しています。Disneyは自社ストリーミングサービスの一角をSoraによるユーザー生成コンテンツに充てる計画です。

The Vergeの記者がGoogleのGemini広告を自分のぬいぐるみで再現してみたところ、商品検索機能は1800語の試行錯誤の末「TargetかEbayで探して」という答えで終わりました。広告で見たシームレスな体験とは程遠い現実が明らかになりました。

画像生成は比較的うまく機能しましたが、動画生成はGemini Proアカウントでも1日3本に制限されており、CMで流れるような滑らかな一連のシーンを短時間で作ることは実際には困難でした。プロンプトの全文が広告に映らないことへの疑問も生じました。

最も印象的だったのは、AIが生成したぬいぐるみが子どもの名前を直接呼ぶ動画を見た時の違和感でした。「AIがデジタルでオーバーライトすることで子どもとぬいぐるみの関係の魔法を壊してしまう」という懸念は、技術の倫理的限界を問うものでした。

2025年は生成AIがビデオゲーム業界に本格的に浸透した年となりました。ゲームオブザイヤーを受賞した「Clair Obscur: Expedition 33」でもAI生成画像の使用が発覚・撤去されたほか、Call of Duty: Black Ops 7ではActivisionがAI使用を認めた上でコンテンツを維持するという対照的な対応が話題になりました。

大手ゲームスタジオのCEO層はAI活用に積極的な一方、インディ開発者の多くは強く反発しています。Baldur's Gate 3のLarian Studios CEOのSwen Vinckeは「競合他社が黄金の卵を見つけたら自分たちは終わる」という競争的圧力からAIを使わざるを得ないと正直に語りました。

Keywords Studiosの調査では、生成AIツールだけでゲームを作ることを試みた結果、一部のプロセスは効率化できるが最終的には人間の才能を代替できないという結論に至りました。AIの現状の限界が実験的試みで浮き彫りになっています。

Pinterestでは、ユーザーが料理レシピを試みたところ「チキンをスローカーカーにログして」という指示が含まれていて、AIが生成したコンテンツだと気づいたという事例が報告されました。AIが生成した架空の人物が運営するレシピブログが拡散し、プラットフォームへの信頼が損なわれています。

WIREDの調査では、Pinterest上のバレエシューズ検索広告の40%以上がAI生成または加工であり、リンク先の多くは物理的な住所を持たないゴーストストアと呼ばれる詐欺的なECサイトでした。AI詐欺コンテンツの被害は消費者の日常的な購買行動にまで及んでいます。

Pinterestは2025年11月の決算でアナリスト予想を下回り株価が20%急落しました。「ビジュアル発見エンジン」として成長してきたプラットフォームが、AIを活用した広告収益拡大に舵を切ったことへのユーザーの反発が数値に表れた形です。

Wiredの調査報道によると、GoogleとOpenAIの主要チャットボットが服を着た女性の写真を水着姿のディープフェイク画像に変換するために悪用されています。ほとんどのケースで本人の同意を得ていないことが確認されています。

Redditの（後に削除された）スレッドでは、この手法の具体的なやり方が共有・拡散されていました。チャットボットが直接的な裸体生成は拒否するものの、水着という迂回表現でコンテンツポリシーをすり抜けていた可能性があります。

この問題は非同意ディープフェイク規制をめぐる法的議論をさらに加速させるとみられます。リベンジポルノと隣接するこのような悪用に対し、プラットフォームはより精密な安全機能の実装を迫られています。

Lemon SliceはYCとMatrixから1050万ドルを調達し、1枚の静止画から動画のデジタルアバターを生成するLemon Slice-2モデルを公開しました。AIエージェントにテキストだけでなく映像インタラクションの層を追加することを目指しています。

Marissa Mayer氏は6年間運営したSunshineを閉鎖し、新スタートアップDazzleを立ち上げました。Forerunner主導のラウンドで800万ドルを調達し、次世代AIパーソナルアシスタントの開発に注力しています。

2つのスタートアップはともにAIとのインタラクションを新次元に引き上げようとしています。デジタルアバターと個人アシスタントという異なるアプローチながら、AIの「顔」となるインターフェース革新という共通テーマを持っています。

VercelはAI SDK 6をリリースし、エージェントの構築・ツール実行の承認フロー・完全なMCPサポートなど、AIエージェント開発に特化した機能群を一挙追加しました。月間2000万ダウンロードを誇る同ツールキットはFortune 500企業からスタートアップまで採用しています。

AI Gatewayには中国のZ.aiが開発したGLM-4.7モデルが追加されました。コーディング・ツール使用・複雑なエージェントタスクにおける多段階推論を大幅に改善しており、別途プロバイダーアカウントなしで利用できます。

Runtime Logsへの関数起動タイプ表示の追加など、開発者のデバッグ体験向上に向けた細かな改善も含まれています。VercelはAIアプリ開発の統合基盤としての地位をさらに強固にしています。

Metaは2026年前半のリリースを目指して、画像・動画生成の新AIモデル「Mango」とテキストベースの新モデル「Avocado」の開発を進めていることが報じられました。

発表はScale AIの共同創業者でMeta超知性ラボ（MSL）を率いるAlexandr WangとCPOのChris Coxが行ったとされます。Avocadoはコーディング能力の向上を目指すほか、視覚情報の理解や推論・計画を可能にするワールドモデルの探求も進めます。

Metaは近年、OpenAI・Anthropic・Googleに対してAI競争で後れを取っており、2025年に入ってMSLの大規模再編が複数回行われました。研究者の引き抜きや離脱も相次いでいます。

首席AIサイエンティストのYann LeCunも2025年後半にMetaを離れ、独立したAIスタートアップ「AMI Labs」を設立することを発表しました。

現在のMeta AIアシスタントはInstagramやFacebookのサーチバーへの組み込みでユーザー数を維持していますが、独自の競争力ある製品としての地位は未確立です。MangoとAvocadoはMSLの最初の本格成果物として大きなプレッシャーを背負っています。