画像生成（ユースケース）に関するニュース一覧

OpenAIはChatGPTに、文章の指示やアップロードした写真からアニメーションGIFを作成する機能を追加しました。新しいImages 2.6モデルとともに提供し、生成したGIFの再生速度を調整したり、フレームごとに確認・編集したりできます。

従来はChatGPT内で一度にGIFを生成できませんでした。今回の機能では、たとえば踊る猫のGIFを指示で作り、動きの速さを変えるといった編集を行えます。

Images 2.6はウェブ、デスクトップ、モバイルのChatGPTとCodex利用者に順次展開されます。OpenAIによると、ChatGPTとAPIを合わせた画像生成は週40億枚を超え、9月に示した週30億枚から増加しました。

同社はAPI向けにGPT-Image-2.6 FlareとSunburstも提供します。FlareとSunburstは、より高速な生成や高品質化を狙うモデルとして発表されました。

UberとOpenAIは2026年10月22日、Uberの世界の全従業員3万人超を対象に、企業向けAIエージェント「ChatGPT Work」の提供を開始しました。日常業務のツールと接続し、複雑な多段階作業を完了まで担わせることで、部門横断の生産性向上とAI活用の検証を進めます。1000人規模の実証から全社へ広げる、同社初の知識労働向けエージェント基盤の全社導入です。

導入は先行した1000人による試験運用から拡大しました。初期利用者の約80%はエンジニア以外で、運用データの傾向分析と提案作成、多市場・多言語向け研修資料の現地化、個人用の対話型ダッシュボード作成などに活用しました。

ChatGPT WorkはGoogle Drive、Gmail、Google Calendar、Slackとつながり、情報調査、会議資料、プレゼン、データ分析、アプリをまたぐ作業を支援します。既定モデルには性能と費用効率の両立を狙うGPT-6.1 Solを採用し、音声や画像生成も用途に応じて使えます。

全社導入を支えるのは、Uberの社内AIスキル集、承認済みの連携機能、従業員研修です。対象は運用、財務、マーケティング、プロダクトなどで、開発・ソフトウェア部門はCodexの利用も継続します。

Uberは用途を細かく固定せず、各チームに試行の余地を残します。30人のAIエンジニアを各部門に配置し、2週間で主要業務の自動化を試した「AI pods」の経験も、技術と現場知識を組み合わせる方針の根拠です。

費用は公表していません。今後は利用状況、構築されたワークフロー、業務効率への寄与を追跡し、得た知見を次のAI展開に反映します。大規模導入の成否を判断する材料は、導入数だけでなく実務上の効果です。

NVIDIAは2026年10月22日、物理AIが現実世界を理解・シミュレーションする「世界モデル」の開発基盤Cosmosを拡充しました。学習データの生成・整備から、公開モデルの追加学習・軽量化、シミュレーション評価、NIMによる配備までを一体化し、ロボットや自動運転、映像解析の開発期間と計算負荷の削減を狙います。

Cosmos Data Factoryは、映像データのラベル付け、選別、拡張、評価をGPUで加速し、自動運転データ生成、静止画からの希少・危険事象動画生成、欠陥画像生成など5種類の設計図を提供します。PorscheはVolkswagen Group共通の自動運転データ循環基盤に採用し、物理的な反復走行を最大90％、開発期間を最大85％減らせると見込んでいます。

ANYboticsは実世界のデータと1500本を超える合成映像を組み合わせ、産業用点検ロボットに液体漏れなどを認識させました。Ultralyticsは実画像と狙いを定めた合成欠陥でYOLOを再学習し、欠陥位置の特定精度と再現率を改善しました。

Cosmos Frameworkは、GR00TやAlpamayo、QWEN、Pi0.5などの公開モデルを追加学習や強化学習で適応させ、蒸留・量子化を経て配備する機能をエージェントスキルとして広げました。MicroAGIはCosmos 3を人の物体操作映像で追加学習し、320億パラメータの推論モデルを精度を落とさず80億パラメータへ蒸留したとしています。

新しいCosmos 3 Nanoは、再現可能で実際には捉えにくい多視点・多センサー環境で、自動運転車や双腕ロボットの方策を実機試験前に評価できます。更新したCosmos 3 NIMは、検証済み構成で品質を保ちながら推論を最大2倍に高速化します。これを使う映像検索・要約基盤VSS 3.3は、同じGPUで監視映像を40％多く処理でき、ADNOCは関連技術で65拠点の危険検知に取り組んでいます。

デザインプラットフォームのCanvaは2026年10月22日、同社初の画像生成AI「Canva Craft」を世界の全利用者向けに公開しました。生成前にプロンプトを解釈して構図を計画する二段階方式を採用し、文字の読みやすさや物体配置、部分編集の精度を高めます。Dream Labから利用でき、最大2K、30を超える縦横比に対応します。

第1段階では、要素同士の位置関係や相対的な大きさ、視覚上の優先順位、表示する文字を計画します。第2段階でその設計図を画像にするため、複雑な構図でも文字や物体を意図した場所に置きやすく、ほかの部分を保ったまま狙った箇所を編集できます。

学習には写真ではなく、SNS投稿やプレゼン資料、インフォグラフィック、メニューなど、Canva上の人が制作した数百万件のテンプレートを使いました。生成画像は画像変換機能「Canva Magic」でレイヤーを持つデザインに変換でき、制作後の調整まで同じ環境で進められます。

Canvaは、自社モデルにより生成品質と処理速度を管理しやすくなると説明しています。外部モデルのAPI利用を減らせばコスト抑制にもつながる可能性があり、2024年に買収したLeonardo.aiの研究者も開発に参加しました。

今後はCanva APIで提供するほか、MCPを通じてChatGPTやGeminiなど外部チャットボットから使えるようにする計画です。入力・出力の監視、プライバシーと安全管理、報告機能を備え、より低コストで高速な2種類の派生モデルも開発しています。

Googleは10月20日、PyTorchの処理を自社のAI半導体TPUで直接動かすオープンソース基盤TorchTPUを公開しました。既存アプリを書き直さず、簡単な設定変更でGoogle CloudのTPUへ移せるようにし、PyTorchとNVIDIA製GPUの強い結び付きを開発環境から緩める狙いです。

TorchTPUはTPUをPyTorchの新しいバックエンドとして扱い、通常のコード、分散学習、torch.compileによる高速化に対応します。移行時の修正を支援するTPU agent suiteも用意し、端末向けLiteRTとの連携も改善しました。

Hugging FaceではTransformersとDiffusersがTPUを標準の実行先として扱い、モデルや画像生成処理を簡単な指定で移せます。TPU上の試験は96.5％が合格し、報告した34件の問題のうち19件は修正済みです。

前日にはAmazonもTrainium向けのTorchNeuronを発表し、コードを書き換えずAWSへ移す道を示しました。PyTorchはAIアプリの85％で使われるとの推計もあり、互換層の整備が直ちにNVIDIA離れを生むとは限りませんが、クラウドと半導体の選択肢を広げます。

Googleは10月20日、小規模事業者向けにGeminiの新機能を発表しました。ブランドづくりや財務分析、顧客理解をまとめて扱う専用ページを設け、Googleの業務ツールや外部アプリとの接続を広げます。今後数日かけて世界のGeminiアプリ利用者へ順次提供し、少人数で事業を運営する人の作業負担を減らす狙いです。

Google Business Profile、Google Ads、Google Workspaceに加え、ShopifyやXero、Canvaなどとの連携を案内しています。既存の業務データを利用し、販売促進と経営管理を同じ入口で進めやすくします。

ウェブサイトやブランド資料、書体、配色を登録すると、画像生成で使う視覚的なスタイルを保持できます。Nano Banana 2.1と組み合わせ、商品発表や継続的な販促活動で一貫した画像を作成する仕組みです。

表計算や領収書、購買記録から財務図表や対話的なモデルを作る機能も紹介しています。導入例として陶芸家や飲食店などを挙げており、専門部署のない事業者の実務を支援する位置づけです。

AI安全性を検証する公益企業White Circleは2026年9月公開のプレプリントで、OpenAIとGoogleの主要画像生成AIに対し、一般公開された既製ツールとAPI呼び出しだけで安全フィルターを回避できたと報告しました。非合意の性的な偽画像が検知されにくい私的な通信やクラウドで広がるなか、生成源での対策に残る弱点を示す結果です。

対象はDALL·E 3、GoogleのNano Banana 2、OpenAIのGPT-Image-2です。White Circleは新しい攻撃手法で禁止カテゴリーの生成を試し、出力を人間の評価者が確認しました。

明示的画像が確認された割合は、DALL·E 3が約13％で最も高く、Nano Banana 2は10％未満、GPT-Image-2は約3％でした。成功率には差があるものの、全モデルで安全フィルターの回避例が確認されたことになります。

Googleが共同執筆した2026年7月の米国・オーストラリア・英国の利用者調査では、こうした非合意コンテンツはテキストやDM、私的クラウドで共有・保存され、検知や通報を受けにくいとされました。同研究は、有害画像を作るAIツール自体を最重要の介入点と位置づけています。

Higgsfield AIは2026年10月13日、OpenAIのGPT-6 Astraを使い、従来約1分が上限だったAI動画を10分超まで生成できるようになったと明らかにしました。外部ツールを呼び出す制作エージェントで長尺映像の一貫性を保ちやすくし、GPT-Image-2.5やCodexも組み合わせて、少人数の制作チームによる企画から製品化までを効率化します。

Higgsfieldの制作エージェントは、同じ撮影案の複数パターンを作る反復作業を担います。GPT-6 Astraは外部ツールを呼び出し、手作業が多い複雑な3Dモデリングにも対応します。同社はこの仕組みで、YouTube向けの10分超の解説動画を生成する制作工程を構築しました。

GPT-Image-2.5は画像上の文字や図解を読みやすく描画し、広告素材の精度を高めます。Higgsfieldは、大規模な制作予算を持たない小規模事業者でも販促コンテンツを作りやすくなると説明しています。

同社の開発体制は約200人の制作者と100人の技術者で構成されます。制作者はCodexで着想をソフトウェアの試作品に変え、GPT-6 Astraで本番投入までに必要な作業を減らします。従来はフロントエンドとバックエンドの技術者が深く関与していた工程の短縮が狙いです。

次の構想は、話した内容から映像をリアルタイムに形にする「voice to movie」です。GPT-Liveの音声理解に加え、計画、外部ツール呼び出し、画像生成を組み合わせ、映画制作をアイデアの説明に近い操作へ変えることを目指します。

OpenAIは2026年10月8日、動画・画像制作プラットフォームのPollo AIがGPT-5.6、GPT-6 Astra、GPT-Image-2.5を組み合わせ、アイデアから広告素材までを一貫生成する顧客事例を公開しました。Pollo AIは曖昧な入力の解釈から構成、脚本、画像生成までを案内し、利用者がモデルの選択・切り替えに費やす時間を50％超減らしたと報告しています。

同社はGPT-5.6をリクエストの振り分けに使い、物語の構築や場面修正の計画といった難しい処理をGPT-6 Astraに任せています。タスク別のモデル選択により、推論の深さ、速度、コストの均衡を図る設計です。

Pollo Agentは利用者の大まかな着想や画像資料を読み取り、物語、場面構成、脚本へ展開します。画像生成には、品質や一貫性、表現の幅、速度、コストを実際の利用者の指示で評価した上でGPT-Image-2.5を採用し、ポスターや絵コンテ、広告画像の制作に使っています。

写真を動画広告に変える機能では、商品画像と指示からSNS向けの短い動画を数分で制作できるよう設計しています。実例では香水の写真を約15秒の広告にし、別の事例では宝飾品ブランドがGPT-Image-2.5を使って実写撮影より少ない手間、時間、費用で広告画像を完成させました。

Pollo AIは2600万人超が利用し、クリエイター向け動画だけでなく、マーケティング担当者や事業者による広告制作にも用途を広げています。同社は今後12カ月でAI動画を日常的な制作手段にする目標を掲げていますが、時間削減などの数値はOpenAIの顧客事例に掲載されたPollo AIの報告です。

スペイン発のクリエイティブ基盤Magnificは2026年10月8日、企業のブランド規定を画像生成と完成後の確認に反映する「Magnific One」を有料会員向けに世界で公開しました。OpenAIのGPT Image 2を基盤に、AIが構図や照明などの方向性を補い、複数の担当者や外部制作会社でも一貫した販促物を作りやすくする狙いです。

中核のBrand Kitは、ガイドラインPDF、Webサイト、既存画像、説明文をAIが解析し、ロゴ、書体、色、画像表現を再利用可能な指示にまとめます。Finalモードで生成後も規定違反や画質上の問題を確認し、指摘箇所の修正を依頼できます。

生成機能は、1枚分のクレジットで8案または16案を出すDraftと、2K・4K画像を作るFinalの2モードです。最大5枚の参照画像に対応し、PhotoshopやFigmaと連携する編集機能も備えます。

ただし、独自技術の説明には食い違いがあります。担当者はGPT Image 2への追加学習に言及した一方、書面FAQは「学習はしていない」とし、プロンプト改善や創作指示、ブランド規則の適用だと説明しており、モデルの重みを変更したかは不明です。

年間契約の個人向けプランは月14.50ドルからで、設定別の推計画像単価は約0.12〜0.73ドルです。Web、デスクトップ、モバイルに加え、ChatGPTやClaudeから呼び出せるMCPにも対応します。

Magnificは社内の非公開比較で勝率約68.5%を主張しますが、手法や投票データは公開されず、ブランド準拠率や修正回数も示していません。導入企業は価格だけでなく、承認までの修正工数とOpenAIへの依存を実運用で確かめる必要があります。

画像・動画向けAIを手がけるArtcraftは2026年10月上旬、Adobeの主要7製品に対応する無料のオープンソース代替アプリ群を公開しました。開発者のBrandon Thomas氏は、AnthropicのClaude Opus 5.5を使い、既存製品のコードに依存しないクリーンルーム方式でRust製アプリを構築したと説明しています。

対象はPhotoshop、Illustrator、Premiere、Lightroom、After Effects、InDesign、Acrobat Proに相当する7種です。各アプリはUIやツール構成の再現を目指し、Rustで開発され、WebAssemblyを使ったブラウザー版も用意されています。

ただし、現状は初期アルファ版で、利用者から多くの不足点が指摘されています。Thomas氏は当初、1カ月で機能を完全に同等にすると表明しましたが、その後、99％の同等化には数カ月かかるとの見通しに修正しました。

アプリはMITまたはApacheライセンスで無償提供されます。開発費は、アプリ内でも選べるArtcraftの画像生成AIモデルと統合開発環境へのトークン制アクセスの販売で賄う計画です。

Thomas氏は、AI支援開発によって有料ソフトの機能的な代替を短期間で構築できる時代が近いと主張しています。一方、今回の7製品は初期段階にあり、実用性は今後の機能追加と不具合修正に左右されます。

OpenAIは10月5日、ChatGPTの画像生成中に商品やサービスを画像で示す新たな広告形式を発表しました。当面は米国市場で10月後半から一部の広告主と試験し、広告であることを明示して生成画像や回答から分離することで、無料・低価格プランを支える収益源を広げながら、利用者の商品発見や比較を助ける狙いです。

視覚広告は、商品を使う場面や体験を画像で伝え、利用者がブランドの特徴を理解して購入を検討できるようにします。まず画像生成時に表示されますが、広告は明確にラベル付けされ、ChatGPTの回答には影響せず、生成画像とは別に表示されるとOpenAIは説明しています。

広告効果の測定では、Hightouch、Tealium、LiveRampとの連携で、広告主が既存システムのコンバージョンデータをChatGPT Adsへ送れるようにします。さらに複数の計測会社とクリック帰属や地域別の増分効果実験を進め、検索広告など既存チャネルと比較しやすい基盤を整えます。

初期調査では、DV RockerboxがWeightWatchersの獲得単価を有料検索の総合指標より15.3％低いと報告し、Triple WhaleはPortland Leatherへの流入の93％が新規訪問者だったとしました。いずれも提携企業による初期結果であり、広告主は自社データや増分効果の検証と合わせて判断する必要があります。

掲載環境では、OpenAIが会話の文脈を評価し、感情的に弱った状態や機微な話題などから広告を除外します。DoubleVerifyとIntegral Ad Scienceによる適合性評価も試行し、実際の私的な会話を渡さずに安全基準の運用を第三者が検証できる仕組みを目指します。

週12億人が利用するChatGPTは、サブスクリプション以外の収益機会を広げる一方、広告が対話体験を損なわない設計が重要になります。企業は配信規模だけでなく、回答からの独立性、ブランド安全性、既存の計測基盤と接続できるかを見極めるべきでしょう。

2026年10月2日、ローマ教皇レオ14世はSNSのXで、AIが生成するものと人間の芸術を区別する必要があると表明しました。機械は他者が作った数百万点の画像を基に統計計算する一方、人間性の輝きを欠くため、両者には美的評価以前の本質的な違いがあるとし、AIの浸透から人間の芸術を守る必要性を訴えました。

教皇は、機械の出力と芸術の違いは、見た目の良し悪しを論じる前に存在すると説明しました。AIは人間が生み出した数百万点の画像を基に計算しますが、アルゴリズムには人間性の輝きがないという立場です。

発言の軸は、AI生成画像の品質評価ではなく、誰が創作の主体かという問いです。教皇はAIによる侵食から人間の芸術を守るよう呼びかけ、人が作る行為そのものに固有の価値を置きました。

教皇は2026年5月の回勅でも、AIと自動化が広がる世界で人間の尊厳を重視する考えを詳しく示しています。今回の投稿は、その原則を芸術と画像生成に当てはめたものと位置づけられます。

一方、Anthropicはバチカンとの対話を試みています。報道によると、同社は人間以外の意識をめぐる立場の再考を求めて働きかけましたが、成果は乏しかったとされます。

この対立は、生成物の性能だけでなく、学習元や作者性、人間の創作をどう守るかもAIの評価軸になることを示しています。企業や開発者には、効率と品質に加え、人間の尊厳を設計や運用へどう反映するかが問われます。

OpenAIは2026年10月1日、ChatGPTで衣服やアクセサリーを仮想試着できる機能と、気に入った商品を保存する「Favorites」を世界で公開しました。利用者の写真や商品画像をChatGPT Images 2.5で処理し、購入前の見た目の確認と候補商品の管理を会話画面内で完結させ、オンライン買い物を支援します。

仮想試着はChatGPTの商品検索結果に「Try On」ボタンとして表示されます。セルフィーか全身写真をアップロードすると、衣服やアクセサリーを着用した見え方を画像で確認できます。

手元の商品画像やウェブ画面のスクリーンショットを送り、その品を試着させることもできます。見つけた商品をFavoritesでアプリ内のLibraryに保存すると、試着画像と一緒に後から確認できます。

新機能にはChatGPT Images 2.5を使います。OpenAIは同モデルについて、光の表現と質感がより自然になり、編集指示への追従性が高まり、画像生成の待ち時間も短くなったと説明しています。

利用者は試したい服装を言葉で説明し、一式をそろえる商品を探せます。著名人の服装写真から購入可能な着用品を検索することもでき、画像から商品を見つける機能を広げています。

OpenAIは以前、成果が振るわなかった即時決済機能から方針転換しています。Googleも2025年に仮想試着を投入しており、ChatGPTがファッション探索の第一選択になるかはまだ不透明です。

MITなどの研究チームは2026年9月16日、手術中の2次元X線を患者の術前3次元CT・MRI画像に数秒で重ね合わせるAI手法「xvr」をNatureで発表しました。患者ごとの調整は約5分で済み、1ミリ未満の精度で器具の位置や向きを把握できます。平面画像だけに頼る低侵襲手術の負担と合併症リスクを抑え、専門的な処置を広く提供できる可能性があります。

低侵襲手術では、医師がリアルタイムX線を見ながらカテーテルなどを進めますが、平面画像から体内の正確な位置と向きを読むには熟練が必要です。術前のCTやMRIと手作業で合わせる方法は遅く、従来のAIも患者ごとの解剖学的な違いへの対応に課題がありました。

xvrは患者の術前3次元画像から、物理法則に基づく模擬X線を毎秒約1000枚生成します。その患者専用のデータで位置合わせモデルを学習するため、研究者は生成AIのような幻覚が入り込む余地はないと説明します。ただし患者ごとに一から学習すると約12時間かかります。

研究チームは年齢、撮影方式、身体部位が異なる2000人超の全身画像で基盤モデルを事前学習し、新しい患者へ約5分で適応できるようにしました。成人と小児を含む5病院の実画像で検証した結果、患者ごとに一から学習した場合と同等の精度を保ち、既存のAI手法を精度と安定性で大きく上回ったとしています。

今後は処理をさらに高速化し、動く身体部位など複雑な状況で信頼性を検証する必要があります。チームは手術ロボット企業や臨床グループと連携し、手術ナビゲーションへの実装を進めています。

TechCrunchは2026年9月15日、閉鎖、方向転換、期待未達となったAI製品・企業の事例集を公開しました。S&P; Global Market Intelligenceによると企業のAI施策の約42％は最終的に中止されており、資金不足、技術課題、競争、規模拡大の難しさ、需要不足に加え、大手基盤への機能統合が単独製品の存続を左右しています。

直近では、メールやタスクをAIエージェントで自動化するRelayが事業を終了しました。Zapierの代替として5年間運営しましたが、OpenAIやGoogleなどが同様の自動化を自社製品に組み込み、独立サービスとしての差別化が難しくなりました。

OpenAIも製品整理を進め、ChatGPTの複数機能を統合した画面設計は利用者の批判を受けて撤回しました。単独ブラウザーのChatGPT Atlasは1年未満で終了し、Operatorや画像生成などの機能もChatGPT本体へ統合され、動画共有サービスSoraは高い運営費と利用継続の問題から2026年3月に閉鎖しました。

大手企業では、Appleが2024年に発表したSiriのAI刷新を技術課題や不具合で繰り返し延期し、宣伝を巡る訴訟で2億5000万ドルの和解に至りました。MicrosoftのRecallは画面履歴を保存する仕組みへの安全・プライバシー懸念で約1年延期され、再設計後も取得データを抽出する手法が示されています。

単独アプリではNotion Mailが、利用者が別のAIエージェントでメールを処理する傾向を受けて9月22日に終了予定です。音声アプリHuxeも大手が類似機能を提供したことで閉鎖し、800超のモデルを比較できたYuppは十分な製品市場適合を得られず2026年3月に終了しました。

ハードウェアでは、2億3000万ドルを調達したHumaneがAI Pinの性能問題と充電器の発火リスクに直面し、2025年2月に事業を閉じ、資産の大半をHPへ1億1600万ドルで売却しました。一方、初期評価が低かったRabbit R1は更新を継続しており、記事は失敗を事業終了だけでなく期待未達も含めて捉えています。

Metaは2026年9月、イリノイ州とカリフォルニア州の親子がシカゴの連邦裁判所に起こした集団訴訟案で、FacebookとInstagramの写真を本人への通知や同意なく生成AIの学習と未公開の眼鏡向け顔認証システム「NameTag」に使い、生体情報を抽出したと主張されました。原告は両州のプライバシー法違反を訴え、全米で数百万人が対象になり得ると見積もっています。

訴状によると、NameTagの顔照合データはFacebookや公開Instagramの画像から作られた可能性があります。WIREDは6月、5000万回超ダウンロードされたMetaの眼鏡用AIアプリに同機能のコードが埋め込まれ、顔を生体署名に変えて端末内の顔データと照合する設計だったと報じました。

一方、訴状も、どの画像が実際に生体データ生成へ使われたかはMetaだけが把握し、未開示だと認めています。NameTagは利用者向けに有効化されず、Metaは6月の報道翌日にアプリからコードを削除しました。

訴訟は画像生成モデルのEmuとMuse Imageも対象にしています。MetaはEmuをFacebookとInstagramの大量の画像とテキストで訓練したと説明しており、原告は画像に写る人の生体情報を違法に取得したと主張しています。

イリノイ州法に基づく請求は、故意または無謀な違反1件につき5000ドル、過失なら1000ドルか、それを上回る実損額に加え、差し止め救済を求めています。対象候補は2021年9月4日以降にSNSへ画像が投稿された人や、生成AIへの指示で画像を送った人です。

Metaは訴えに根拠がなく、情報利用について透明性を確保してきたと反論しました。NameTagは消費者向けに提供しておらず最終判断もなく、普遍的な顔データベースも構築していないと説明しています。同社は2020年にイリノイ州の別の顔認証訴訟を6億5000万ドルで和解し、2024年にはテキサス州の生体情報収集を巡る請求を14億ドルで解決しています。

Hugging Faceは2026年9月10日、ブラウザー上のノードグラフ「Workflow1111」を公式ブログで紹介しました。AUTOMATIC1111風の画像・動画処理11系統を73ノードで再現し、テキスト画像生成から高解像度化、物体検出、動画化までを単一キャンバスに統合します。利用者はHugging Faceで認証し、自分の推論枠で各モデルを呼び出せます。

基盤はPython関数のfn、推論モデルのmodel、別のGradio Spaceを呼ぶspace、Hubデータセットの行を使うdatasetという4種類の演算子です。入力と出力をポートとして結ぶだけで、LLM、画像生成、VLM、検出、動画生成を同じグラフに配置できます。

同じ依存段階のノードは自動で並列実行されます。画像から生成プロンプトを作るVLMと分類器を同時に走らせるほか、4種のプロンプト行列も一斉に画像化し、追加の並列制御コードを不要にしています。

ネットワーク依存も抑えています。36個の演算子ノードのうち32個がfnで、22個はPillowやNumPyなどを使って端末内だけで動作するため、接続を失ってもキャンバスのおよそ3分の2は利用できます。外部モデルはInference ProvidersやSpaceへ委ねる一方、fnにはローカルGPUのモデルも結び付けられます。

各出力ノードは型付きRESTエンドポイントになり、Workflow1111では9本を公開しています。MCPサーバーを有効にすれば同じ出力がAIアシスタント向けツールになり、呼び出し元ごとのトークンで画像生成や検出を組み込めます。企業の開発者にとって、可視化、実行、API公開を一つの設計図で管理できる点が実装上の要点です。

OpenAIは2026年9月8日、画像生成モデル「ChatGPT Images 2.5」をChatGPT、ChatGPT Work、Codexの全利用層にデスクトップ、モバイル、ウェブで提供開始しました。Images 2.0比で生成待ち時間を最大50％短縮し、細部、編集精度、参照画像の再現性を高め、ラフ画から画像を作るSketchなども追加しました。

新モデルは自然な照明と豊かな質感を表現し、参照写真の人物や物の特徴を保ちやすくなりました。指定部分だけを変えて構図やブランド表現を維持し、複数回の編集でも過去の変更と画質を保つ精度を高めています。

ChatGPTでは「@Sketch」と入力すると描画画面が開き、手描きの配置や輪郭に説明を添えて完成画像へ変換できます。画像上のコメントによる部分修正、ポスターや商品写真向けのテンプレート、プロンプトを含めた共有にも対応しました。

複雑な指示や透明背景への対応も改善し、ブランド素材、UI案、プレゼン画像などで構図や細部を維持しやすくなりました。The Vergeの試用では、マウスで描いた猫のラフ画を写実的な画像に変え、画像上のコメントで目の色だけを変更できました。

APIでは、速度と品質を両立する標準向けのGPT-Image-2.5 Flareと、時間をかけて精密に仕上げるGPT-Image-2.5 Sunburstを提供します。OpenAIは有害な出力を防ぐ検査を継続し、生成物の識別にC2PAメタデータと不可視の透かしを使います。

2026年9月3日木曜日の朝、OpenAIのChatGPT、AnthropicのClaude、xAIのGrokで障害が重なり、多くの利用者が主要なAIサービスを使えなくなりました。チャットだけでなく、APIや開発支援、ファイル処理などにも影響が及び、各社は同日午後までに復旧を進めました。障害同士の関連は確認されていません。

OpenAIは東部時間午前10時43分、ChatGPTとCodexでエラー増加と性能低下を報告しました。会話に加え、ログイン、ファイルのアップロード、音声、検索、Deep Research、画像生成などが影響を受け、緩和策の導入後、午後0時55分に復旧としました。

Anthropicは午前9時23分、Claude Mythos 5.1、Fable 5.1、Opus 5への要求でエラーが増えたとして、部分障害を公表しました。チャット、Claude Code、APIに及んだインフラ問題は午後0時16分までに解消し、正午過ぎにはSonnet 5でも短時間の別障害が報告されました。

xAIのGrokは午前9時30分ごろ、Android、iOS、ウェブで障害が始まり、利用者にはモデル過負荷を知らせる文言が表示されました。DownDetectorへの報告は午前9時前の10件未満から9時45分には1,365件に急増し、xAIは原因をメンフィスのデータセンター障害と説明して、その後復旧しました。

Ars TechnicaはGoogleを含む4社のクラウドAIで数時間にわたり障害が重なったと報じました。一方、確認できた各社説明はClaudeとGrokの個別原因にとどまり、三社の障害が関係していたか、なぜ同時期に集中したかは不明です。

Googleは2026年9月1日、同年8月に発表したAI関連の製品・研究成果をまとめて公開しました。Geminiアプリの月間利用者は10億人を超え、低価格な開発者向けモデル、AI向けスマートフォン、音声・動画生成、教育、気象予測まで用途を拡大。AIを研究段階から日常業務や生活で使える基盤へ移す動きが鮮明です。

開発者向けには、コーディングやAIエージェントに対応するGemini 3.7 Flashを、3.6 Flashの公開から3週間で投入しました。ソフトウェア開発、知識労働、ウェブ開発の性能を高め、導入価格は3.6 Flashの当初価格に比べ、100万トークン当たり半額です。

端末ではPixel 11シリーズにGoogle Tensor G6と最新のGemini Nanoを搭載し、個人向け支援を端末側へ広げました。Geminiアプリでは利用者の63％が音声で対話し、画像生成は1日1億5000万枚を超えています。

教育分野では、対象となる世界の大学生にGoogle AIプランを1年間無料提供し、検索には対話型の図解、試験用クイズ、Lensによる段階的学習などを追加しました。生成メディア向けのGemini Omni 1.1 Flashは、場面延長、前後フレーム補間、4K高解像度化に対応します。

社会課題への応用も進みました。Googleは英国政府や航空業界と飛行機雲を避ける予測技術の展開を進め、サイクロンの進路・強度・風の構造を高精度で予測するWeatherNext 2を研究者向けにオープンソース化しました。企業にとっては、モデル性能だけでなく、費用、端末実装、業務への組み込みやすさを見極める局面です。

Googleは2026年9月1日、Workspace向けのAI画像作成・編集ツール「Google Pics」の提供を開始しました。Nano Bananaモデルを基盤に、画像生成から対象物の部分修正、画像内テキストの変更・翻訳までを指示文で実行できます。DocsとSlidesへの統合を同日から始め、Driveにも今後数週間で広げ、複数アプリを行き来する業務を減らします。

Google Picsは単独アプリとして使えるほか、DocsやSlides内で選択した画像をその場で編集できます。画像のコピーやタブ移動を減らし、販促資料やプレゼン、SNS投稿などの日常的な制作をWorkspace内で完結させる狙いです。

編集では対象物を切り分け、ほかの部分を変えずに変形したり、特定箇所へのコメントで複数の修正を依頼したりできます。画像内の文字は書体やデザインを保ちながら変更・翻訳でき、1回の指示から複数案を生成して選択できます。

さらに、2K・4Kへの高解像度化や、ウェブ、SNS、印刷向け比率への切り抜きにも対応します。共同編集も備え、チームで同じ画像を共有しながら仕上げられます。

対象はBusiness Standard、Business Plus、Enterprise Standard、Enterprise Plus、Google AI Pro for Educationの各プランに加え、個人向けGoogle AI ProとUltraです。今後数週間かけて展開され、Drive統合も同じ時期に加わる予定です。

Instagramは8月31日、AIが生成した人物を主体とするプロフィールについて、既存の「AI creator」ラベルを「AI-generated profile」に改称すると発表しました。同社は、自己申告なしにAI生成であることを隠しているアカウントを特定し、Reelsや発見タブでの表示範囲を制限する方針も明らかにしています。背景には、実在の人物と見分けがつかないAIインフルエンサーの増加に対するユーザーの不満があります。

新方針では、AI生成の人物をプロフィールの主体として使用しているにもかかわらずラベルを付けていないアカウントが対象となります。該当すると判定された場合は非フォロワーへのおすすめ表示が制限されますが、誤判定の場合は異議申し立てが可能です。一方、写真の編集やキャプションの作成など、AIツールを補助的に使うだけの投稿にはラベルは不要としています。

今回の対応の背景には、AI生成の人物による問題事例の相次ぐ発覚があります。出会い系アプリ「Goose」では、AI生成とみられる男性インフルエンサーのネットワークがユーザーへの勧誘に利用されていたと報じられました。また、米紙ニューヨーク・タイムズは、健康・美容分野でサプリメントなどを宣伝する架空の医師や専門家のアカウントが多数存在すると報じています。

Instagramを巡っては、他人の顔写真を使った画像生成を可能にするAIツールが批判を浴び撤回された経緯もあります。さらに親会社Metaは先週、未成年への影響を巡る訴訟で米国の複数州と約1.8兆円規模の和解に応じており、10代ユーザーの1日利用時間を2時間に制限するなど対策を強化しています。今回のラベル刷新も、こうした一連の信頼回復策の一環と位置付けられます。

Adobeは、Photoshopに搭載するAI機能を集約した新しいベータ版インターフェース「AI Assisted Editor」を追加すると発表しました。背景除去やAI画像拡張、プロンプトベースの画像編集など、複数のAIツールを一つのツールバーにまとめて表示することで、利用者が目的の機能に迷わずたどり着けるようにする狙いです。

今回の更新で注目されるのが、画像に直接描き込んで指示を出す「マークアップ」機能です。色を塗って変更したい範囲を示したり、矢印で移動先を示したり、大まかな形を描いて新しい要素を提案したりできます。テキストで指示を出すのが苦手な人でも、感覚的にAIへ意図を伝えられるようになります。

あわせて「Instruct Edit with Masks」機能も刷新されました。従来はマスクを編集する範囲を手作業で指定する必要がありましたが、Adobeの画像生成モデルFirefly Image 5が画像全体の文脈を理解できるようになったため、細かい範囲指定が不要になりました。

具体的には、閉じた目を開けたり、人物に帽子をかぶせたりといった変更を、自然な言葉で説明するだけでAIが該当箇所を判断して編集してくれます。細部を毎回マークする手間が減り、編集作業のスピードが上がることが期待されます。

一連の機能はまずベータ版として提供され、Adobeは利用者の反応を見ながら正式版への展開を検討するとみられます。写真編集におけるAI活用の裾野をさらに広げる動きといえそうです。

Googleは8月26日、新しい音声認識モデル「Gemini 3.5 Transcribe」を発表しました。従来モデルの「Chirp 3」に代わるもので、文字起こし速度を最大70%高速化し、エラー率も改善しています。Android版Gboardの「Rambler」やmacOS版Geminiアプリに搭載済みで、開発者向けにもAPIで提供が始まりました。

Googleによると、音声から最終的な文字起こしまでの時間は従来比で約70%短縮されました。ライブ音声認識のエラー率は5.5%まで下がり、Chirp 3の7.32%から大きく改善しています。第三者機関Artificial Analysisの計測では、ストリーミング用途で平均4.0%、非ストリーミング用途では2.6%という単語誤り率も示されています。

Gemini 3.5 Transcribeは、話し言葉に含まれる「あの」「えっと」といったフィラー語を自動的に取り除き、言い直しもその場で編集してくれます。ユーザーが指定した独自の語彙を認識できるため、専門用語や固有名詞を誤変換しにくいのも特徴です。録音済み音声では最大3人の話者を識別し、単語ごとのタイムスタンプも付与します。

対応言語は85以上に及び、リアルタイム配信用の「Live API」と録音音声向けの「Interactions API」の2種類が用意されています。macOS版Geminiアプリでは、音声コマンドから画像生成やファイル分析といった作業を他のGeminiモデルに委任する関数呼び出し機能も利用できます。Chromeへの対応も近く始まる予定です。

今回の発表は、6月の投入が予告されながら遅れている「Gemini 3.5 Pro」の登場を待つ形での公開となりました。The Vergeによれば、当初は「3.5 Live」や「3.5 Live Experimental」の更新も同時に案内されていましたが、Googleは後に3.5 Transcribeのみが本日の発表対象であると説明を修正しています。

近年、AIが生成した動物の写真や動画がSNSに大量に流れ込み、閲覧者や動物保護団体を悩ませています。迷い猫の捜索から野生動物の救助シーンまであらゆる場面でAI偽装コンテンツが本物と見分けがつかなくなり、米ロサンゼルスの女性は偽の保護写真を使った金銭要求の被害に遭うなど、実害も出ています。

非営利団体「We Animals」は175人の写真家による農場や動物実験施設の実態記録を公開してきましたが、あまりに生々しい映像ゆえにAI生成だと疑われるケースが増えています。同団体はAIの使用を禁じているものの、疑惑を晴らすため撮影の舞台裏公開や、写真・動画の来歴情報を記録する技術の導入を検討しています。

偽コンテンツは制作コストの低さから本物の映像を押しのけ、閲覧数や広告収入を稼ぐ手段として悪用されています。哲学者のオスカー・ホルタ氏は、山火事や洪水での動物救助を装った偽動画が、実際の救助活動への理解や寄付集めを妨げかねないと懸念を示しています。

こうした状況を受け、EUと米カリフォルニア州は、AI画像生成サービスに対して生成コンテンツへのラベル表示を義務付ける新法を施行しました。ニューヨーク大学のジェフ・セボ氏はAI開発各社に対し、動物に害を及ぼしかねない応答を控えるようガイドラインへの明記を求めています。

ChatGPTやGemini、Meta AIには自社生成画像かどうかを判定する機能が備わっていますが、確認できる枚数には上限があり、日常的な活用は簡単ではありません。被害に遭った女性は今も月に一度は偽の目撃情報を受け取っており、対策の実効性向上が急がれます。

画像生成AI「Stable Diffusion」を手がけるStability AIは、8月25日までにシリーズBラウンドで7600万ドルを調達したと発表しました。今回の調達にはユニバーサル ミュージック グループやソニー・ミュージックグループ、ワーナー・ミュージック・グループ、ゲーム大手Electronic Arts(EA)などエンタメ業界の大手企業が名を連ね、これまでの累計調達額は2億3200万ドルに達しました。

今回のラウンドには投資会社のAMD VenturesとPacific Alliance Venturesの2社も加わりました。2024年に同社CEOに就任したPrem Akkaraju氏は、今回の調達について「あらゆる制作者やミュージシャン、ストーリーテラーを生成AIが支える」というビジョンを体現するものだとコメントしています。Stability AIは調達資金を、音楽・映像・画像生成に対応する『クリエイティブ制作』製品群の拡充と、プロフェッショナルサービス部門の強化に充てる方針です。

Stability AIは2019年の設立以来、この1年ほどでエンターテインメント各社の制作ワークフローに生成AIを組み込む提携を相次いで締結してきました。昨年10月にはユニバーサル ミュージックおよびElectronic Artsと、11月にはワーナー・ミュージック・グループとそれぞれ提携し、単なるライセンス供与にとどまらず、AIツールの共同開発にも各社が関与する体制を築いています。

一方で同社は著作権を巡る訴訟でも大きな節目を迎えています。Getty Imagesが英国で起こした訴訟では、画像生成モデルの学習にGettyの画像を無断使用したとする主張について、裁判所がStability AI側の主張をおおむね認める判断を下しました。ただし米国では同様の訴訟が依然として係争中であり、今後の展開が注目されます。

また同社は2023年、共同創業者だったCyrus Hodes氏からも提訴されています。同氏は、もう一人の共同創業者であるEmad Mostaque氏に騙されて自身の持ち株を売却させられたと主張しており、この訴訟も継続中です。

Hugging Faceは2026年8月25日、オープンソースのWebアプリ構築フレームワークGradioに新機能「gr.Workflow」を追加したと発表しました。画像生成モデルや音声合成、外部の関数などをノードとして接続するだけで、複雑なAIパイプラインを視覚的に組み立てられるのが特徴です。作成した各出力は自動的にREST APIエンドポイントとして公開されるため、コードを書かずにAI機能を外部から呼び出せます。

gr.Workflowのグラフは、入力となる「参照」、処理を担う「操作」、出力となる「被写体」という3種類のノードで構成されます。操作ノードには自作のPython関数のほか、Hugging Face Inference Providers上のモデルや既存のGradio Space、Hubのデータセットなどを指定でき、ポート同士をドラッグでつなぐだけでパイプラインが完成します。

公開されたデモには、画像をアップロードして指示文だけで編集する画像編集パイプラインや、FLUXで生成した画像を背景除去してステッカー化する例、音声合成とLLMを組み合わせてポッドキャストのタイトルと音声を同時生成する例などが含まれます。1つの入力から複数の処理を同時に走らせる「ファンアウト」型の構成も紹介されています。

各出力ノードには専用のRESTエンドポイントが自動で割り当てられ、Pythonのgradio_clientやcurlコマンドから直接呼び出せます。さらに関数ノードに「@spaces.GPU」を付与すれば、実行時のみZeroGPUがGPUを確保するため、外部サービスに頼らずSpace内でモデルを動かすことも可能です。

Hugging Faceは今後、gr.Workflowを使って画像生成ツール「AUTOMATIC1111」のような本格的なアプリケーションを構築する手順を解説する記事を公開する予定だとしています。開発者はコードをほとんど書かずに、AIサービスを組み合わせた実用的なツールを短時間で作れるようになりそうです。

Meta(メタ)は8月20日、AIプロンプトでゲームを生成できる実験的アプリ「Pocket」を米国の全ユーザー向けに展開すると発表しました。これまでブラジルなど一部地域で試験提供していたアプリを本格展開する形で、ユーザーはAIプロンプトだけで簡単なインタラクティブゲームを作成し、フィード上で共有できるようになります。

Pocketで生成される作品は「ギズモ」と呼ばれ、スマートフォンのタッチや傾きに反応するほか、効果音や好きな楽曲のクリップを組み込むことも可能です。カメラロールの写真やカメラ機能を活用した作品作りにも対応しています。完成した作品はプロフィールに公開でき、他のユーザーが保存したりリミックスしたり、再投稿したりすることもできます。

PocketはMetaが今年買収したゲームプラットフォーム「Gizmo」の開発チームを基盤としています。Gizmoは2月に「インタラクティブなミニアプリ版TikTok」として注目を集めていたサービスで、Metaは同チームをスーパーインテリジェンス部門に迎え入れていました。Pocketの正式展開に伴い、買収元であるAtma Sciencesが開発した旧Gizmoアプリは終了することになります。

Pocketの展開は、MetaがAI活用によるアプリ開発を加速させている流れの一環です。マーク・ザッカーバーグCEOは7月の決算説明会で、AIを活用したソフトウェア開発によって新アイデアを迅速に試作・提供できるようになったと説明しています。実際に同社は今年、消えるフォト共有アプリ「Instagram Instants」や、Reddit風の「Forum」、マーケットプレイス向けの「Seller」などのスタンドアロンアプリを相次いで投入してきました。

MetaはこれまでもAI画像生成の「Meta AI」アプリやAI動画生成アプリ「Vibes」など、AI創作ツールの一般化を進めてきました。今週にはMac向けのMeta AIアプリも公開しており、Pocketはこうした一連のAI創作アプリ展開における最新の一手と位置付けられます。同社は今後もレコメンドシステムを活用しながら、新たなアプリのアイデアを次々と展開していく方針です。

Googleは2026年8月20日、Google Arts & CultureとNational Park Serviceが共同開発した新たなオンラインハブ「United Parks of America」を公開したと発表しました。全米60カ所の国立公園を対象に、150以上の展示コンテンツと30本の動画ツアー、500マイルを超えるストリートビュー画像を横断的に閲覧できるサービスです。National Park Serviceの創設110周年を記念した取り組みで、歴史的建造物から手つかずの自然まで幅広く紹介しています。

目玉となるのが、独立記念館(Independence National Historical Park)を舞台にした実験的なAI体験Path to Independenceです。パノラマ画像とGeminiによるAIナレーションを組み合わせ、1776年の独立宣言署名の舞台裏を追体験できます。利用者はGeminiに追加の質問を投げかけることで、当時の人物や出来事について詳しい解説を音声で受け取れます。

署名の舞台となったAssembly Roomの再現には、画像生成技術Nano Bananaを活用しました。18世紀当時の姿を視覚的に想像できるよう工夫されており、独立宣言の実物や自由の鐘(Liberty Bell)といった一次資料も間近で確認できます。

ハブ全体では、独立記念館所蔵の独立宣言の写し19点や18世紀の肖像画149点、2000ページを超える歴史文書もデジタル化されています。さらにグランドキャニオンやヨセミテ、イエローストーンなど6つの国立公園については、回転・拡大が可能な3Dモデルで景観や地形を確認できるようにしました。

今回の公開はNational Park Week期間中の取り組みの一環で、NPS創設110周年を祝う意味合いも込められています。米国では8月25日が入園料無料日に設定されており、Googleは今回のデジタル体験を入り口に、実際の国立公園訪問へとつなげたい考えです。

イーロン・マスク氏率いるスペースXが、AIコーディングスタートアップのCognition買収を打診していたと、米ブルームバーグが8月19日(現地時間)に報じました。これに対しコグニションのスコット・ウー最高経営責任者(CEO)は、同日X(旧ツイッター)で報道内容を否定し、「身売りはしていない」と明言しました。両社間で協議が行われた事実はないとも説明しています。

ウー氏は投稿で、ブルームバーグの報道は不正確であるとし、両社が交渉していた事実を否定しました。一方で、コグニションが将来的にスペースXの計算資源を活用する可能性については、明確な言及を避けています。

今回の報道は、スペースXが先週、同じくAIコーディングスタートアップのCursorを600億ドルで買収する取引を正式に完了させた直後に浮上しました。スペースXは今年、マスク氏のAI企業xAIも買収しており、6月には大型新規株式公開(IPO)を実施、時価総額は一時2.3兆ドル近くまで上昇しています。

マスク氏は先週、社員に対し「4〜5年後にはAI事業が会社全体の価値の99%を占める」との見通しを語ったと伝えられています。ただxAIの看板チャットボットGrokは過去に不適切発言や画像生成をめぐる問題を繰り返しており、事業拡大には課題も残ります。

ブルームバーグによると、買収に向けた協議自体はすでに打ち切られたものの、両社は協業の可能性について引き続き話し合っているといいます。コグニションは5月に250億ドル評価で10億ドルを調達したばかりで、現在は400億ドル評価での新規資金調達交渉に入っていると報じられています。

米マサチューセッツ工科大学(MIT)コンピュータ科学・人工知能研究所(CSAIL)の研究チームは、AI画像生成モデルにおいて、学習データの量が増えるほど個々の画像が生成結果に与える影響が消える属性減衰という現象を発見したと発表しました。米科学誌ネイチャー・コミュニケーションズに18日付で論文が掲載され、AI生成物の著作権を巡る議論に一石を投じています。

研究チームは、AI画像生成でよく使われる拡散モデルを対象に、通常なら不可能な「特定の学習画像を除いた場合の生成結果」を、再学習なしで再現する拡散アンサンブルという独自手法を開発しました。小さな複数のモデルを組み合わせ、特定画像を学習した部分だけを無効化することで、真の反実仮想モデルを作れるようにしています。従来の推定手法とは異なり、影響の有無を正確に検証できる点が特徴です。

実際に256枚から16万枚超まで、7つの公開データセットを使って24種類のアンサンブルを学習させたところ、学習データが増えるほど個々の画像が生成結果に与えられる影響の範囲(反実仮想半径)が縮小することが一貫して確認されました。この傾向はピクセル単位でも意味的な類似度で測っても変わらず、統計的にも裏付けられています。研究チームは1282個の個別モデルを実際に訓練する力業の検証でも同じ結果を得て、頑健性を確認しました。

MITのデイビッド・ギフォード教授は、この結果が生成物を「派生著作物」とみなせるかという法的論点に直結すると指摘しています。個々の学習データと結び付かない出力であれば、それは模倣ではなく独自の創作物とみなせる可能性があるためです。同教授は、企業側が著作権侵害を否定するには、こうした帰属不能な設計を採用する責任があるとも述べています。

一方で、今回の分析は画像を生成する拡散モデルが対象であり、著作権訴訟の焦点となっている大規模言語モデルにも同じ現象が当てはまるかは未解明のままです。コーネル大学のジェームズ・グリメルマン教授は、属性追跡が機能しない以上、類似性が模倣によるものか偶然かを判断するには別の手法が必要になると述べ、今後の司法判断にも影響を与える可能性を示唆しています。

中国Alibabaが公開した270億パラメータのオープンソースAIモデル「Qwen3.8-27B」が、今週、開発者コミュニティで大きな話題となっています。米OpenAIやGoogle、Anthropicによる最先端クラウドモデルではなく、無料でダウンロードできる軽量モデルへの注目が集まったのは異例です。クラウドAPIを使わずに高性能なコーディングや推論をこなせる点が、第三者の検証で裏付けられました。

独立系ベンチマーク機関Artificial Analysisの調査では、Qwen3.8-27Bは総合指数で52点を獲得し、米OpenAIの下位モデル「GPT-5.6 Luna」の最大推論設定と同じスコアとなりました。エージェント関連タスクを測るAgentic Indexでは51点を記録し、3カ月前に登場したばかりのClaude Opus 4.8の最大推論設定を上回っています。Alibaba自身の公表値でも、SWE-bench ProやLiveCodeBenchで先行モデルを上回る結果が示されていますが、検証方法の違いから単純比較には注意が必要です。

Qwen3.8-27Bの特徴は、画像・動画理解や26万トークンを超える長文脈処理、コーディング・エージェント機能を備えながら、動作に必要なハードウェアが比較的小さい点です。フル精度では約56GBのGPUメモリが必要ですが、4bit量子化を施すと容量は約17GBまで圧縮され、高性能なノートPCでも実行可能になります。開発者のSimon Willison氏はMacBook Proなどでの動作を検証し、コーディングエージェントとして実際に機能したと報告しています。

一方で、性能の高さは大量の思考トークンと引き換えになっている面もあります。Artificial Analysisの調査によれば、テスト全体で出力したトークン数は1億6000万に達し、同規模のオープンモデルの中央値である4300万を大幅に上回りました。Willison氏の検証では、簡単な画像生成タスクに21分を要した例もあり、通常利用では推論設定を控えめにすることを推奨しています。

AlibabaはApache 2.0ライセンスで重みを公開しており、企業は自社基盤の中でモデルを検証・改変・運用できます。データを外部に出さずにコーディングや文書解析、画像認識などの業務を処理できるため、プライバシーやガバナンス面でのメリットが期待されています。Hugging Faceの利用データでも、実際のダウンロードは大規模モデルより小型モデルに偏っており、Qwen3.8-27Bはその流れをさらに加速させる存在といえそうです。

Googleは18日（現地時間）、Chromeのブラウジング支援機能「Gemini in Chrome」を米国内の全Androidユーザー向けに提供開始したと発表しました。長文記事の要約やWebページに関する質問への回答、Googleアプリとの連携などをアプリ切り替えなしで利用できるようになります。タブを行き来する手間を省き、モバイルでの情報収集を効率化する狙いです。

Gemini in Chromeは、長文記事の要約やWebページ内容に関する質問応答に対応するほか、CalendarやKeepといったGoogleアプリとタブを切り替えずに連携できます。さらに画像生成AI「Nano Banana」を使い、その場で画像のカスタマイズや生成も可能です。モバイル利用者の日常的なブラウジングを幅広く支援する機能構成となっています。

米国のAndroid向けAI Pro・AI Ultra加入者は、エージェント機能「オートブラウズ」も利用できるようになりました。イベントの駐車場予約や定期オンライン注文の更新、旅行の手配といった煩雑な作業を代行してもらえます。従来は手作業で行っていた反復的なタスクを自動化できる点が特徴です。

セキュリティ面では、プロンプトインジェクションなど既知の脅威を検知するようモデルが訓練されており、安全性を重視した設計となっています。オートブラウズも機密性の高い操作を実行する前には利用者に確認を求める仕組みを備えています。利便性と安全性の両立を意識した設計といえます。

Gemini in Chromeへは、Android端末のChromeアプリ上部にあるGeminiアイコンまたは三点メニューからアクセスできます。今回の全展開により、米国内の幅広いユーザーがモバイル環境でも生成AIを活用したブラウジング体験を得られるようになりました。

Google(グーグル)は8月14日、Geminiや動画編集ツール「Flow」で生成した画像・動画・音楽について、目に見える透かしをオフにできる新機能を発表しました。Gemini担当バイスプレジデントのジョシュ・ウッドワード氏がX(旧Twitter)で明らかにしたもので、Nano BananaやOmni、Lyriaで作成したコンテンツが対象となります。プロ利用や創作活動の現場で透かしが使い勝手を下げているとの声を受けた対応です。

新設定は「設定」内の「メディア透かし」からオン・オフを切り替えられ、数日中に順次提供される予定です。対象となるのはGeminiアプリと動画生成ツールのFlowで、今後は検索機能にも対応が広がる見込みです。ただし、目に見える透かしの表示が法律で義務付けられている国では、この機能は利用できません。

目に見える透かしをオフにしても、SynthIDによる不可視の電子透かしと、C2PA標準に基づくメタデータは引き続き埋め込まれます。ウッドワード氏は「創作の自由と安全性のバランスを取る取り組みだ」と説明し、GeminiやGoogle検索を使えば画像がAI生成かどうかを今後も確認できるとしています。

Googleはあわせて、C2PAのコンテンツ認証情報をアプリに組み込むためのオープンソースライブラリ「Credentio」も公開しました。開発者はこれを使うことで、独自のアプリにローカルでの真正性検証機能を組み込めるようになります。

今回の発表は、AnthropicがEU規制への対応として、Claudeが生成する文章やファイルに透かしを付与すると発表した直後のタイミングです。OpenAIやMetaの画像生成AIはもともと目に見える透かしを採用しておらず、各社の透かし戦略の違いが改めて浮き彫りになりました。

Hugging FaceはalphaXivと共同で、2026年7月15日から8月2日にかけて、ICML 2026採択論文を対象にした大規模な再現検証企画「ICML 2026 Open Reproductions」を実施しました。世界中から集まった1221人の参加者がAIエージェントを活用し、6352本の採択論文のうち2226本、全体の34%に挑戦しました。

参加者はまず論文を選び、あらかじめ抽出された主要な科学的主張を確認したうえで、Claude CodeやCodexなど好みのAIエージェントに実験を実行させました。得られた結果は「Trackio」ログブックとして公開され、実行コードや成果物、エージェントの実行トレースまで含めて誰でも検証できる形になっています。判定はGLM-5.2を用いた自動審査「Logbook Judge」が担い、各主張を検証済み・反証・小規模実証・判定不能の4区分に分類しました。

審査の結果、6816件のログブックが公開され、合計35908件の主張が判定されました。検証対象となった論文の51%にあたる1103本で少なくとも一つの主張が検証され、うち266本は全ての主張が裏付けられました。一方で23%にあたる496本では主張の反証や矛盾が見つかり、242本については複数チームが同じ主張に対して正反対の判定を下すという結果になりました。

代表例として、査読で高評価を得たスポットライト論文「Towards Optimal Robustness in Learning-Augmented Paging」のロバスト性に関する主張が反証されました。査読者自身が証明を十分に確認できなかったと認めていた論文で、再現チームがスケールを広げた実験により誤りの箇所を特定しています。ほかにも、注意機構の収束を証明した別の論文が224ステップ以降で反例を持つことが3チームの独立検証で判明するなど、複数の重要な誤りが見つかりました。

研究者らは確認できた誤りについて論文著者に連絡しており、複数件で著者側も誤りを認め、arXivへの訂正版投稿が進んでいます。一方で今回の企画は、AIエージェントだけでは限界があることも示しました。局所的な繰り返しにはまったり、スケール依存の挙動を見落としたりする場面があり、人間が介入して前提を問い直した検証ほど信頼性の高い結果につながったといいます。

画像生成の品質など数値だけでは測れない評価には、人による判断が今なお欠かせません。主催者は、研究者が大学院生を指導するように、AIエージェントに適切な環境と問いを与えて成果を引き出す姿勢が今後の鍵になると述べています。今回の全ログとデータは公開されており、次回以降の再現企画にも期待が寄せられています。

GoogleのCEOサンダー・ピチャイ氏は8月11日、対話型AIアプリ「Gemini」の月間アクティブユーザーが10億人を突破したとX上で明らかにしました。10億人規模に達したGoogle製品はこれで14個目ですが、Geminiはその中で最速での到達となります。検索やGmailに組み込まれたAI機能は含まず、アプリとウェブ版で直接プロンプトを入力した利用者だけの数字です。

成長の速度は推移にも表れています。Geminiの月間利用者は今年2月時点で7億5000万人、7月の決算発表時点では9億5000万人でした。半年で2億5000万人を積み増した計算で、日次利用者はこの1年で3倍になったとGoogleは説明しています。

一方のOpenAIは8月6日、AIの使われ方をまとめたブログ記事の中で「10億人以上がChatGPTを仕事で使っている」と控えめに公表しました。同社は2月時点で週間9億人と発表しており、週間10億人に届くまで5カ月を要した形です。規模ではChatGPT、勢いではGeminiという構図が見えてきます。

使われ方のデータも合わせて公開されました。利用者の63%が音声でGeminiに話しかけており、音声だけで使う層も増えています。リアルタイム対話機能Gemini Liveでは5回に1回がカメラ映像や画面共有を伴い、DIYや学習の現場で目の前の課題解決に使われているといいます。

画像生成の規模も無視できません。Geminiは1日1億5000万枚の画像を生成しており、中小企業が販促物の制作に使う例が目立ちます。学校関連の質問では38%に添付ファイルが伴うことから、Googleは数週間以内に学習支援ツールを追加する予定です。

注目すべきは内訳です。iOS版の利用者は1億人超にとどまり、残る大半はGeminiがプリインストールされたAndroid端末の利用者とみられます。OSの配布力がそのまま利用者数に効く構図で、OpenAIが独自ハードウェアの開発を急ぐ理由もここにあります。

米連邦地裁のドノバン・フランク判事は、画像を裸の状態に加工する「ヌード化」アプリを禁じるミネソタ州法について、施行の差止めを求めたイーロン・マスク氏傘下のxAIの申立てを却下しました。同法は予定通り8月1日に施行され、訴訟が続く間も効力を持ちます。ヌード化アプリを対象とした州法は、全米で初めてです。

フランク判事の判断は、法律の中身と同じくらい提訴のタイミングを重く見たものでした。xAIが仮差止命令を申し立てたのは2026年7月29日で、法律の署名から3か月近くが過ぎ、施行のわずか3日前でした。判事は「提訴と申立てがこれほど遅れたことは、損害が差し迫っていないことを示唆する」と述べています。

今回の決定で訴訟が終わったわけではありません。xAIは訴えの中で、この禁止法は「過度に広範」であり、同じ目的をより制約の少ない手段で達成できると主張しています。本案の審理はこれから進み、法律そのものの是非は未決着のまま残ります。

争いの背景には、今年に入って起きたGrokをめぐる混乱があります。マスク氏のSNS「X」の利用者がxAIのチャットボットGrokを使い、同意のない性的画像をプラットフォーム上にあふれさせました。これを受けて各地で調査が始まり、インドネシアはGrokを遮断、カリフォルニア州司法長官は停止命令を出しています。

生成AIを事業に組み込む企業にとって、今回の判断は実務上の意味を持ちます。画像生成機能に対する州単位の規制は、すでに動き出す段階に入りました。訴訟で争う余地は残るものの、施行を止める仮処分は認められにくい以上、製品側の安全対策を先に整える判断が現実的でしょう。

OpenAIは7月31日、カンボジアを拠点とする詐欺ネットワークがChatGPTを悪用していたとして、関連アカウントを一斉に停止したと発表しました。調査の端緒は提携先WhatsAppからの情報提供で、同社は判明した脅威の兆候を業界パートナーや関係当局と共有しています。この集団は投資、恋愛、オンライン賭博、法執行機関へのなりすましという複数の詐欺を同時並行で展開していました。

手口は接触、感情の揺さぶり、金銭の搾取という三段階で構成されていました。ネットワークはChatGPTでWhatsAppやTelegram上の会話を翻訳・生成し、恋愛感情や元本保証といった言葉で信頼を築いたうえで、入金や手数料の支払いを迫っています。被害者には送金画面のスクリーンショットを提出させ、支払いの証拠としていました。

特徴的なのは、単一の手口に固執しない柔軟さです。出会い系の人格で信頼を得てから暗号資産や金の現物取引を持ちかけるなど、複数の詐欺を組み合わせる例が目立ちました。生成されたのはパスポート、法的通知、株式購入の確認書、賭博サイトの画面といった偽造書類の画像です。

さらに深刻なのは、詐欺の実行者自身が被害者である可能性です。一部の利用者はポイペトでのチャット要員の求人広告を作成し、航空券や住居、ビザ、就労許可を約束する内容をSNSで発信していました。別の会話では従業員の借金や給与天引き、規律違反の罰金の記録に加え、監禁や逃亡に関するやり取りも確認されています。

OpenAIは被害総額を把握できていないものの、詐欺師自身のやり取りから、標的は数百人規模に達した可能性があるとしています。今回の事例が示すのは、オンライン詐欺と組織犯罪、人身取引の境界が曖昧になっている現実ではないでしょうか。同社は、被害者に接する詐欺行為だけでなく、背後で利益を得る犯罪組織そのものを標的にしなければ実効性ある遮断はできないと指摘します。

Googleは7月31日、Geminiアプリの月次更新をまとめた7月版Gemini Dropを公式ブログで公開しました。macOSでの音声操作、ノートPCを閉じても作業を続ける「Gemini Spark」の世界展開、新しいFlash系モデルの提供開始が柱です。日常業務でGeminiを使う経営者やエンジニアにとって、操作の起点がチャット画面から手元のアプリへ広がる更新となります。

新機能の一つが、macOS向けの音声操作です。アクティブなウィンドウに話しかけるだけで、整形されたテキストを口述入力したり、選択した文章を変換したり、カーソル位置に画像を生成したりできます。アプリを切り替えずに指示を出せる点が、従来のチャット型の使い方との違いです。

「Gemini Spark」は世界のどこからでも使えるようになりました。ノートPCを閉じた後も24時間動き続けるとされ、時間のかかる調べ物や下書き作成を任せる使い方が想定されます。あわせてGemini 3.6 FlashとGemini 3.5 Flash-Liteの提供も始まり、推論能力と速度の両面が引き上げられました。

個人向けの作り込みも進みました。自分のアバターを登録しておけば、毎回写真をアップロードし直さずに画像へ自分を登場させられます。興味や好みを反映したパーソナライズ画像生成は米国の全ユーザーに開放され、Dropbox、Zillow Rentals、Viatorとの連携によって一つの指示で外部サービスをまたいだ操作もできるようになりました。

Gemini Dropは毎月まとめて新機能を届ける形式で、今回はOS常駐、エージェント、モデル更新が同時に並びました。チャット欄に質問を打ち込む道具から、作業中の画面に入り込む道具へと役割が移りつつあると言えるでしょう。業務での活用を検討するなら、macOS環境の音声操作と外部アプリ連携から試すのが現実的な入り口になります。

Googleは7月30日、地図アプリGoogle EarthにAI画像生成機能を追加しましたが、翌31日にはこれを撤回しました。テキスト指示だけで衛星画像や3D映像を書き換えられる機能で、同社は歴史的遺跡の再現や不動産開発の可視化といった用途を想定していました。しかし公開直後から偽情報の拡散に悪用されるとの批判が相次ぎ、同社は「より強力なガードレールを実装するまで機能を巻き戻す」と説明しています。

問題を可視化したのは、調査報道メディアDigital DiggingのHenk van Ess氏です。同氏はメキシコ国境付近に難民の集団を出現させたり、ガザの病院脇に爆撃によるクレーターを描き加えたりした画像を実際に生成し、公開しました。「何ひとつ拒否されず、表現が和らげられることも、別の指示を促されることもなかった」と同氏は記しています。

Googleは当初、生成画像にはSynthIDという電子透かしが入っており、GeminiアプリやLensで真偽を確認できると反論していました。ただvan Ess氏は、Google Earthで作った動画でAI検出サービスHiveを欺くことに成功しています。Ars Technicaの検証でも、加工画像をスマートフォンで撮影しただけでSynthIDは判定不能になりました。

「偽物は素性の整ったファイルのまま流通するわけではない」とvan Ess氏は指摘します。画面録画、再エンコード、スクリーンショットのスクリーンショット、慌てて他人の端末を撮った映像として広がるからです。透かしは配信経路の途中で失われるため、検証の最後の砦にはなりにくいのが実情です。

より重いのは、Google Earthが記者や研究者にとって視覚的証拠の基準点だった点です。誰でも偽の衛星画像を作れる状態になれば、検証コストが跳ね上がるだけでなく、政府関係者が本物の衛星写真を「AI製だ」と否認する口実にもなりかねません。van Ess氏はCopernicus Sentinel-2やLandsatなど複数の衛星データと突き合わせる検証を勧めています。

撤回は素早い判断でしたが、Googleの声明は機能の将来的な復活を否定していません。AI画像生成そのものは同社を含む多くの企業が販売しており、争点は生成能力よりも、それをどの土台の上に置くかという設計判断にあります。信頼を売る製品に生成機能を載せるとき、企業は何を失うのかを先に見積もる必要があるのではないでしょうか。

Googleは7月30日、地図サービス「Google Earth」のweb版に画像生成モデルNano Banana 2の機能を追加したと発表しました。利用者は見たい場所にズームし、「create image」を押して文章で指示するだけで、衛星写真や航空写真、3D画像を土台にした画像を作れます。提供は同日から全世界で始まっています。

最大の特徴は、生成される画像が実在の地形に結び付く点です。白紙から絵を起こす通常の画像生成と違い、Google Earthが持つ地図データを下敷きにするため、実際の敷地の形や周囲の建物を保ったまま構想を描けます。

恩恵が大きいのは建築や不動産の現場です。Googleは東京の空き地を「開放的な商業地区として描き直して」と指示する例を挙げており、更地の写真が高品質な3Dレンダリングに置き換わります。着工前に完成像を共有できれば、提案の説得力は大きく変わります。

教育や観光での使い道も示されました。ポンペイ遺跡を指定して「西暦78年の姿を写実的に描いて」と入力すれば、廃墟が当時のにぎやかな街並みに変わります。自由の女神像ではGeminiが史実を検索し、Nano Banana 2が解説図を数秒で仕上げる仕組みです。

一方で、使えるのは今のところweb版に限られ、出てくる絵はあくまで想像図である点には注意が必要です。それでも地図と生成AIが一体になったことで、場所を起点にした提案や学習を誰もが手軽に試せる環境が整いました。

米Googleと日本の通信大手KDDIは7月28日、日本のAIネイティブ新興企業を支援する「AI Startup Support Program」を共同で立ち上げると発表しました。GoogleのAI投資基金「AI Futures Fund」を日本へ広げる取り組みで、選定企業には資金・最新モデル・計算資源・専門支援を一体で提供します。両社は日本を世界有数のAI開発拠点と位置づけ、革新的なチームの成長を後押しする狙いです。

支援の柱の一つが共同出資です。選ばれた企業は、AI Futures FundとKDDI Open Innovation Fundの双方から株式投資を受けられます。複数の後ろ盾を資金面で得ることで、事業拡大を加速しやすくなります。

技術面では、Googleの先進的なAIモデルへ早期にアクセスできます。対象には対話AIのGeminiのほか、画像生成の「Nano Banana」や音楽生成の「Lyria」が含まれます。開発中のモデルについて、研究者へ直接フィードバックを届ける機会も用意されます。

計算資源では、Google Cloudのクレジットに加え、日本国内に整備されたソブリンGeminiやGPUのクレジットを提供します。これらはKDDIの大阪堺データセンターを通じて国内で供給される点が特徴です。データを国内で扱いたい企業にとって、機密性の高い用途でも使いやすい体制と言えます。

さらに、GoogleとKDDIの研究者やエンジニア、プロダクトマネージャーによる実践的な技術支援を受けられます。販路開拓や事業機会の紹介も含まれ、技術と事業の両面から成長を支えます。両社は野心的なビジョンを持つ日本のチームに応募を呼びかけており、詳細はAI Futures Fundのサイトで公開されています。

画像や動画の生成AIで知られる米新興企業Midjourneyは24日、パーソナライズ占いアプリ「Co-Star」を買収したと発表しました。米ブルームバーグが先行して報じたもので、買収額は非公開、取引は今春に完了したとされています。画像生成ラボである同社が占いアプリを取り込む異色の一手であり、同社にとって初の企業買収にあたります。狙いは自社アプリの開発強化で、消費者向け事業への本格参入を示す動きです。

Co-Starは月間約430万人が利用する無料アプリで、生年月日などから占星術のバースチャート（出生図）を作成し、友人との相性を確認できる点が特徴です。占い文面はAIと人間のライターに加え、NASAの天体データも組み合わせて生成され、毎日パーソナライズされた助言を届けます。

買収に伴い、約24人のCo-Starチーム全員がMidjourneyに加わりました。創業者のBanu Guler氏は引き続きCo-Starの運営を率いつつ、Midjourneyの最高デザイン責任者（CDO）にも就任します。消費者向けアプリの開発経験を持つ人材を取り込む狙いがうかがえます。

Midjourneyはこれまで自社の生成AIをWebとDiscord上でのみ提供し、独立したアプリを持っていませんでした。同社創業者のDavid Holz氏は、Guler氏らのチームが画像生成アプリを含む初の自社アプリの構築を支援すると説明しています。医療分野への進出も進める同社にとって、今回の買収は製品ラインを一段と広げる布石といえそうです。

Hugging Faceは2026年7月23日、画像生成AIを4ビットで高速に動かす量子化技術を、標準ライブラリのDiffusersへ正式に統合したと発表しました。これまで専用の推論エンジンが必要だったNunchakuの仕組みを、通常のモデルと同じfrom_pretrained()だけで読み込めるようにする「Nunchaku Lite」を新たに提供します。ローカルでのCUDAコンパイルも不要で、必要なカーネルはHubから自動で取得されます。

中核となるのは、開発元がSVDQuantと呼ぶ量子化手法です。一般的な低精度化は重みだけを圧縮して計算時に元へ戻すため、メモリは減っても速度は上がりにくいという課題がありました。SVDQuantは変換器の主要層を重みと活性化の両方を4ビットで処理し、外れ値を重み側へ移して低ランク補正を加えることで、精度を保ちながら生成ループそのものを高速化します。

効果は数値にも表れています。RTX PRO 6000での測定では、BF16基準に対しピークVRAMを31.1GBから20.6GBへと最大50%削減しつつ、処理を約30%高速化しました。さらにtorch.compileを併用すると全体で1.8倍速となり、テキストエンコーダもNF4で量子化すればVRAMは16GBまで下がります。

一方で制約もあります。最速のNVFP4版はNVIDIAのBlackwell世代GPU(RTX 50シリーズなど)が必須で、旧世代向けにはINT4版が用意されています。また旧来のNunchakuエンジンが持つ機種別の最適化は省かれるため、絶対的な速度では及びません。しかしその代わりにアーキテクチャに依存しない汎用的な統合を実現し、多様なモデルへ手間なく適用できる点が今回の狙いです。

Googleは2026年第2四半期の決算説明会で、AIアシスタント「Gemini」の月間利用者が9億5000万人を超えたと明らかにしました。利用者数は前年から3倍に増え、2月時点の7億5000万人からさらに上積みしています。10億人規模が目前に迫り、6月に月間10億人へ到達したOpenAIのChatGPTを追う構図が鮮明になってきました。

急成長を支えているのが、相次ぐ新機能の投入です。Alphabetのスンダー・ピチャイCEOは、日次要約機能「Daily Brief」や個人向けエージェント「Gemini Spark」が好評だと述べ、これらを米国と海外の双方で提供済みだと説明しました。同氏は「猛烈なペースで便利な機能を出荷し続けている」と語っています。

利用者基盤はAndroidだけにとどまりません。画像生成モデル「Nano Banana」の投入などを機にiOSでも支持を広げ、Appfiguresによると直近12カ月のiOSダウンロードは1億3700万回に達しました。調査会社Sensor Towerの「State of AI」報告では、AIアシスタント市場でChatGPTのシェアが初めて5割を下回り、Geminiのシェアは27.7%まで上昇しています。

検索事業も堅調です。多くの利用者がAIアシスタントを検索の代わりに使い始めるなか、GoogleはAI中心へ刷新した検索が好調だとし、Q&A;形式の「AIモード」の利用者が10億人を突破したと報告しました。同社は検索クエリが増加傾向にあると説明し、ハードウェアの技術改良によって新モデルや新機能を追加しつつもAIモードの運用コストを引き下げたとしています。

Metaは2026年7月、自社の新画像生成モデルMuseが生成した画像に不可視の透かしを埋め込む独自の検出技術「Content Seal」を発表しました。3月に同社の監督委員会が偽情報対策として自社ツールの活用を求めたことへの回答ですが、米メディアThe Vergeは、Googleが先行して提供する標準「SynthID」を採用すれば済んだはずだと指摘しています。

Content Sealの仕組みはSynthIDとほぼ同じです。人間の目には見えない透かしを画像に埋め込み、専用ツールで走査してAI生成物と本物を判別します。切り抜きや圧縮、リサイズ、スクリーンショットを経ても透かしが残る点も共通しており、機能面での独自性はほとんど見当たりません。

それだけに、なぜMetaが独自路線を選んだのか疑問が残ります。同社はコンテンツの来歴標準化を進める団体C2PAの運営委員を務め、GoogleのSynthIDは競合のOpenAIも既に採用しています。透明性向上へ他社と協調する土壌がありながら、後発で別系統の仕組みを立ち上げた形です。

現時点のContent Sealには多くの制約があります。検出はMetaが試験公開する専用Webツールでしか行えず、Muse以前のモデルが作った画像や動画には対応していません。1日あたりの検出回数にも上限が設けられ、上限のないC2PAと比べて使い勝手で劣ります。

精度面の懸念も大きいです。ロイターの検証では、Content Sealは切り抜いたMuse生成画像の半数超を検出できませんでした。The Verge記者がMuse画像をGeminiやC2PAの判別ツールに通したところ、いずれもAI生成と確認できず、Meta外のプラットフォームでの表示にも課題を残しています。

米メディアWIREDは7月16日、AI機能を利用者に無断で有効化する「オプトアウト前提」の設計が広がっているとして、テック企業の姿勢を批判する論説を公開しました。発端は7月上旬、MetaがInstagramの公開写真を使ってAI画像を生成できる機能を既定でオンにしたことです。利用者は自ら設定を解除しない限り対象となる仕組みでした。

この初期設定に対し、複数の人気投稿者が解除方法を解説する動画を投稿し、反発が急速に拡大しました。Metaは3日後に「この機能は的外れだった」と認め、タグ付け機能を撤回しています。電子フロンティア財団の専門家は、生成AI機能が「点灯から消灯まで3日」という異例の速さで撤回された点を評価しました。

問題はMetaに限りません。筆者はGoogleドキュメントの「Ask Gemini」バーや、ドロップボックス、LinkedInでも同様の解除作業を繰り返してきたと述べます。ボストン大学のハーツォグ教授は「人は初期設定のまま使い続ける傾向がある」と指摘し、既定でオンにする影響の大きさを強調しました。

解決策として専門家が挙げるのが、EUの一般データ保護規則(GDPR)第25条です。同条は「必要な情報だけを集める設計」を求め、よりプライバシー保護的な選択肢を初期状態にするよう定めています。運用面での課題を指摘する声はあるものの、保護を前提とする発想自体は有効だと筆者は評価します。

一方、米国には包括的なプライバシー規制がなく、カリフォルニア州やメリーランド州の州法が分散しているのが現状です。消費者連盟の担当者は「連邦政府の介入が必要な典型例だ」と述べ、連邦規制への期待を示しました。企業が利用者を無断でAI機能に組み込むことは、ディープフェイクの氾濫など現実世界の帰結を招くと筆者は警鐘を鳴らしています。

米xAIは2026年7月15日、同社のAIチャットボット「Grok」を悪用したとして、米サウスカロライナ州の男性を提訴しました。ロイターの報道によると、xAIは同人物が安全対策を意図的に回避し、非同意の画像を改変して児童性的虐待コンテンツ（CSAM）を生成・配布し、同社ポリシーに違反したと主張しています。

訴状によれば、被告の男性は写真をもとに本人の同意なく性的な画像へと変換したとされます。この男性は今年2月にCSAMの所持と配布の疑いで逮捕され、すでに8件の重罪で訴追を受けている人物です。訴状は、その刑事事件に関わる画像の「少なくとも一部」がGrokで生成・改変されたと指摘しています。

背景には、xAIがGrokに搭載した画像編集機能があります。昨年に露出度の高い「スパイシー」モードを導入し、画像を編集できる機能を追加した結果、未成年を含む性的なディープフェイク画像が氾濫する事態を招きました。3月には10代の若者らが、自身を未成年として描いた画像を生成されたとして同社を提訴しています。

今回xAIは、被告の行為が同社を「重大な法的リスクと評判の毀損」にさらしたと主張しています。裁判所に対し、損害の賠償に加え、被害者から起こされる訴訟への防御費用の支払いを命じるよう求めました。あわせて、被告がxAIのアカウントを作成したりGrokを利用したりすることの差し止めも要請しています。

注目すべきは、これがGrokで作成されたディープフェイクをめぐりxAIが個人を提訴した初のケースとみられる点です。イーロン・マスク氏はかつて、Grokで違法コンテンツを作る者は違法コンテンツを投稿した場合と同じ結果に直面すると述べており、今回の提訴はその方針を実際の法的措置として示した形となります。

韓国のソウル大学と漢陽大学の研究チームは、DNA折り紙の設計を自動化する生成AIモデル「Generative SNUPI」を開発しました。犬やモナリザなど任意の形状をDNAで再現でき、その成果は科学誌Nature Communicationsに掲載される予定です。従来は専門知識を要する手作業だった設計を、目標の形を描くだけで済むよう変えます。

中核となるのは、画像生成AIのDALL-EやMidjourneyでも使われる拡散モデルです。目標形状にノイズを加えて調整し、DNA配列という形で出力します。グアニンとシトシン、アデニンとチミンが結び付くDNAの化学的な規則を踏まえ、分子の力で自然に目的の立体へ折りたたまれるよう配列を設計します。

DNA折り紙は約20年前からある技術で、ナノロボットや細胞に働きかける治療構造への応用が期待されてきました。しかし設計に手間と費用がかかることが普及の壁でした。研究チームは、短いDNA鎖「ステープル」が長い「足場」を紙のホチキス留めのように引き寄せる仕組みを、AIが精密に指定できるようにしました。

作られた構造の一部は当初形を保てませんでしたが、これはモデルの誤りではなく、描いた形状自体が構造的に不安定だったためだといいます。そこで研究チームは、設計の前に構造の安定性を予測する工程を加えました。研究に関わっていないカーネギーメロン大学のテイラー教授は、新しい道具が分野全体を前進させると評価しています。

実用化に向けた課題は、より柔軟な構造の実現です。創薬や免疫療法といった応用では、外部の刺激に応じて形を変える動的な性質が求められます。研究チームは、今後こうした再構成が可能な構造の設計へと研究を広げる方針です。

Googleは7月14日、ブラウザーChrome向けのAI機能Gemini in Chromeを英国のデスクトップ利用者へ提供開始したと発表しました。来月にはiOS版へも拡大する予定です。利用者はブラウジングを支援する対話型アシスタントと会話し、長い記事の要約や複数タブ間の情報比較を行えます。

最大の特徴はGoogleアプリとの深い統合です。ページを離れることなく、Calendarで会議を設定し、Mapsで場所を確認し、Gmailでメールを下書きし、YouTube動画について質問できます。日常的なウェブ作業をブラウザー内で完結できる点が実務上の価値になります。

文脈の記憶にも対応しました。Gemini in Chromeは過去の会話の内容を覚えており、ウェブ全体をまたいだ質問に対して個別化された回答を返します。加えて画像生成技術Nano Banana 2を用い、簡単なテキスト指示だけでウェブ上の画像を変換できます。

Googleはセキュリティも重視していると強調します。同社のモデルはプロンプトインジェクションなど既知の脅威を認識するよう訓練され、機微な操作の前には確認を求める安全装置を備えます。AIブラウザーの利便性と安全性の両立を狙う設計です。

Googleは2026年、東南アジア6カ国を対象とした初の「Gemini東南アジアレポート」を公開し、同地域でGeminiアプリの利用者が1年で2倍以上に増えたと明らかにしました。同社の他アプリを上回る過去最速の普及ペースで、人口の約4割が25歳未満という若い世代が成長を牽引しています。背景には現地語での高い応答性能があるとしています。

調査対象はインドネシア、マレーシア、フィリピン、シンガポール、タイ、ベトナムの6カ国です。若いデジタルネイティブほど利用が活発で、他の年代よりも要求回数が多く、会話も長く、より詳細なプロンプトを書く傾向がみられました。

普及を支える最大の要因は母語対応です。地域全体でプロンプトの約7割が現地語で入力され、ベトナムでは89%、タイで87%、インドネシアで84%に達しました。言語モデルの評価指標「SEA-HELM」でも、Geminiは東南アジア言語で総合首位の性能を示しています。

使い方も多様です。リクエストの約4分の3がモバイル端末からで、音声や写真、動画を使った入力が全体の4割を超えました。画像生成モデル「Nano Banana」では過去1年で50億枚の画像が作られ、音楽生成の「Lyria 3」でも約100万曲が生成されています。

Googleはさらに、AIエージェント機能「Gemini Spark」を今週から現地語でGemini Advanced（Ultra）契約者に順次提供します。Sparkはメールや文書作成などのWorkspaceツールと連携し、端末が閉じていても背後でタスクを進める点が特徴です。同社は6億人規模の同地域で、最も役立つAIアシスタントを目指すとしています。

Googleは2026年7月、画像検索サービス「Google画像検索」の提供開始から25周年を迎え、ホーム画面を発見・回遊型に刷新すると発表しました。検索する前から利用者の興味に合わせた画像ギャラリーを表示し、AIによる画像生成機能も追加します。今後数週間かけて、米国の英語版デスクトップから順次展開する計画です。

新しいホーム画面は、ウェブ全体から集めた没入型ギャラリーをリアルタイムに更新し、各利用者の関心に合わせて並べます。気に入った画像は「コレクション」に保存でき、保存先はギャラリー上部のタブとして表示されます。ここでいう「興味」とは、Google上での検索・閲覧履歴を指します。

この刷新は、旅行や服装などの視覚的なアイデアを探して保存するPinterestの手法をなぞるものです。検索だけの場から発見や回遊の場へ変えることで、利用者がGoogleで過ごす時間を延ばし、広告収入の底上げにつなげる狙いがあります。

もう一つの目玉が、検索結果の「AI Overviews」に組み込む画像生成機能です。最新のNano Banana 2 Liteモデルを使い、文章のプロンプトから独自の画像をその場で作り出します。部屋の内装を赤く塗った様子を試すなど、まだ存在しないイメージを形にする用途を想定しています。

背景には、求める画像が見つからない時や新たに作りたい時に、ChatGPTなど外部サービスへ流れず自社の生態系にとどまってほしいという思惑があります。両機能とも、画像生成に対応する地域の英語版から数週間かけて広がる見込みです。

米Vercelは7月13日、AI GatewayのProduction Index最新版を公開しました。6月のデータでは、DeepSeekなどのオープンウェイトモデルが処理量全体の29%を占め、4月の11%から急伸したことが分かりました。トークン単価は5月に約20%上昇した後、6月は横ばいとなり、AI投資が拡大する一方で価格競争が進む構図が浮かびました。

オープンモデルの伸びをけん引したのはDeepSeekです。処理量の22.6%を握り、Googleを2ポイント差で追う3位に浮上しました。中国Z.aiがMITライセンスで公開したGLM 5.2も、6月中旬の提供開始から日次トークン量が約50倍に拡大し、月末には量ベースで11位に食い込んでいます。オープンモデルは平均単価の約10分の1で、企業の約8社に1社が本番環境で採用しています。

一方、支出は依然としてフロンティアモデルに集中しています。Anthropicはトークンの32%で支出の61%を占め、コーディングやバックオフィスなどミスが許されない用途では72%以上の支出を獲得しました。高頻度の作業は低コストモデルへ、高リスクの作業はフロンティアへと振り分ける「ルーティングの規律」が鮮明になっています。

モダリティ別ではリーダーが分かれます。画像生成はOpenAIのGPT Imageが53%を占めて首位、GoogleのNano Bananaが39%で続きました。動画ではxAIのGrok Imagineが42%を生成した一方、支出はByteDanceのSeedanceなど中国勢が全体の約3分の2を握っています。

注目の新モデルも規制の影響を受けました。Anthropicが6月9日に公開したClaude Fable 5は、わずか4日でOpus 4.8の請求件数の22%に達する速さで採用が進みました。しかし6月12日に米国の輸出管理措置が発効し、Anthropicはアクセスを一時停止、月末まで利用できない状態が続きました。

マサチューセッツ工科大（MIT）の研究チームは7月13日、児童保護団体Thornと共同で、AIモデルが違法な児童性的虐待資料（CSAM）を生成できるかどうかを、実際に画像を生成せずに判定する新たな監査手法を発表しました。モデル内部の隠れ表現を解析することで、有害な画像生成に特化したモデルを高精度で見抜けるのが特徴です。試験ではCSAM生成用に改変されたモデルを100%の精度で特定しました。

背景には、生成AIの急速な普及があります。誰でも改変できるオープンソースモデルが悪用され、全米行方不明・被搾取児童センターへのAI生成CSAMの通報は2024年の6万7000件から2025年には150万件超へと急増しました。しかし米国では意図に関わらずCSAMの生成自体が違法なため、従来の「生成して出力を確認する」監査手法が使えないという深刻なジレンマがありました。

研究チームが着目したのは、モデルを効率的に特化させるLoRA（低ランク適応）という微調整技術がもたらす内部の変化です。「Gaussian probing（ガウス探査）」と呼ぶ手法で、ランダムなデータをモデルに入力し、多層構造の内部でどう処理されるかを解析します。出力を最後まで生成しないため、有害画像を作り出すことなく能力を推定できる点が画期的です。

3種類のモデルの改変版で検証したところ、CSAM生成用に調整されたモデルを100%正確に識別できました。手法は安価で拡張性が高く、毎月何千もの改変モデルが公開される現状にも対応できます。ホスティング事業者はこれを使い、危険なモデルにフラグを立てて削除したり、アップロード自体を防いだりできます。

筆頭著者のMIT大学院生Vinith Suriyakumar氏は「これまで測定手段がなく、悪用される大きな死角だった。今回、深刻な悪影響を及ぼすAI安全性の問題に対処できる」と語ります。研究チームは今後、より多くのモデルで検証を進め、微調整前の基盤モデルの段階で有害な能力を検出できるかも探る方針です。

Metaのインスタグラム責任者アダム・モセリ氏は7月10日までに、ポッドキャスト番組でAI生成コンテンツをフィードから自動的に除外する機能には反対する考えを示しました。同氏は「AIコンテンツを除外すべきではない」と述べる一方、内容がAI製かどうかを利用者に知らせるべきだと主張しています。

モセリ氏は、AIが嫌いなら「フィードに入れるべきではない」と語り、好みに応じた表示の調整を提案しました。プラットフォームからAIを全面的に排除することと、内容に基づく並べ替えとを区別している点が特徴で、AIコンテンツを好む人は「AIタウン」のようなフィードを持てるべきだとも述べています。

現状ではインスタグラムやTikTok、YouTube、Facebookなどの主要サービスはAI生成物にラベルを付ける一方、フィードから除外する選択肢は提供していません。モセリ氏はAIコンテンツの検出が「難しい」と認め、モデルの進化とともに判別できなくなる可能性にも言及しました。

同氏は、利用者が「これはAIか」と尋ねればサービス側が確度を答えられる仕組みが望ましいとの見方を示しました。むしろカメラで撮影された「実写コンテンツ」にラベルを付ける方が現実的かもしれないと語り、2025年12月に触れた「本物のメディア」の指紋付けの構想と重なります。

一方でMetaは技術の活用を進めており、画像生成ツール「Muse Spark」を投入しました。利用者は他人をタグ付けするだけでAI作品に取り込めますが、性的搾取を監視する団体は悪用やなりすましの明白な機会を生むと警告しています。

米メタは7月9日、エージェント型のコーディングに特化した多機能AIモデル「Muse Spark 1.1」を正式に公開しました。OpenAIやAnthropicが先行するAIコーディング市場への本格参入で、米国の開発者向けに公開APIプレビューとして提供を始めます。多段階の推論や複雑な作業の自動化を強みとし、先行勢との競争に挑みます。

同社によると、1.1は初代からの大幅な進化を遂げ、複雑なバグの検出と修正、複数のアプリをまたぐエンドツーエンドのエージェント作業に対応します。画像・動画・文書を理解するネイティブなマルチモーダル機能も備え、大規模なコード移行の支援にも使えます。

利用料金は競争力のある水準です。ロイターによると、入力100万トークンあたり1.25ドル、出力は4.25ドルで、AnthropicのClaude Haiku 4.5やOpenAIのGPT-5.6 Lunaとほぼ同等の価格帯となります。企業が求める大規模な自動処理を、低コストで提供する狙いです。

提供形態も広げます。1.1はMeta AIのアプリとウェブで「Thinkingモード」として利用できるほか、新設のMeta Model APIを通じて即日使えます。新規アカウントには20ドル分の無料クレジットが付き、開発者の取り込みを図ります。

注目を集めたのが、ザッカーバーグCEOの動きです。同氏はこの発表に合わせ、約3年ぶりにX(旧Twitter)へ投稿し、Sparkを「非常に低価格で強力なエージェント・コーディングモデル」と評しました。今週は画像生成AIのMuse Imageも公表しており、巨額投資に見合う成果を急いでいます。

Meta（メタ）は7月7日、写真から新たなAI画像を生成できる機能「Muse Image」を自社アプリで公開しました。公開Instagramアカウントの写真を、他のユーザーがタグ付けするだけでAI生成の素材に使える点が波紋を呼んでいます。米メディアTechCrunchが9日、無効化の手順とともに報じました。

懸念の中心は同意の問題です。ユーザーは自分の公開写真が見知らぬ他人のAI生成に取り込まれることを知らされず、再利用時の通知もありません。画像を容易に加工できる仕組みは、嫌がらせやなりすまし、非合意な編集を招く恐れも指摘されています。

自動で対象外となるのは非公開アカウントと18歳未満のユーザーのみです。裏を返せば、公開アカウントの写真は初期状態で利用対象に含まれます。自衛にはユーザー自身による設定変更が欠かせません。

無効化はInstagramのプロフィール画面から行えます。右上の三本線をタップし、「共有と再利用」へ進み、「MetaのAI機能に自分のコンテンツの利用を許可する」を探します。投稿とリールの両方でこの設定をオフにすれば、AI生成への利用を防げます。

背景には、生成AIをSNSへ急速に組み込む各社への根強い不信があります。Pew Research Centerの調査では、回答者の35%がAIの拡大に「期待より懸念が大きい」と答えました。さらにMetaは、2019年に米連邦取引委員会（FTC）から50億ドルの制裁金を科された過去があり、プライバシー管理への懐疑を一層強めています。

Googleの生成AI透かし技術「SynthID」が2026年7月上旬、ネット上で拡散した偽画像を偽物と特定しました。問題の画像は米ケンタッキー州選出のミッチ・マコネル上院議員が病院のベッドで管につながれ苦しむ様子を捉えたように見えるもので、RedditやX上で広く共有されました。ファクトチェックサイトのSnopesが同画像を検証したところ、Googleが開発したAI生成識別用の透かしが検出され、フェイクと結論づけられました。

この一件は、ディープフェイク対策技術にとって数少ない明確な成果となりました。マコネル氏は6月14日の緊急搬送以降ほとんど公の場に姿を見せておらず、健康状態への憶測が高まっていました。そうした不安に乗じた偽画像でしたが、透かしが想定通りに機能し、真偽が判別されたのです。

SynthIDは2025年のGoogle I/Oで発表された技術で、人間の目には見えないがアルゴリズムでは読み取れる不可視の署名として働きます。署名は画像そのものに組み込まれるため、今回のように複数のプラットフォームをまたいでスクリーンショットで転載されても透かしは消えずに残ります。この耐久性が拡散後の事後検証を可能にしました。

一方でSynthIDには明確な限界もあります。この仕組みは画像生成ツール側が制度に能動的に参加している場合にしか使えず、Geminiモデルは開始当初の2025年から透かしを付与しています。OpenAIは2026年5月に参加した一方、Anthropicは現時点で制度に参加していません。

利用者が画像に透かしが含まれるかを確認するには、Geminiモデルに尋ねるか、OpenAIが公開する画像検証ツールに画像をアップロードする方法があります。生成AIによる偽情報が広がるなか、業界横断で透かし技術をどこまで普及させられるかが今後の焦点となりそうです。

米Microsoftが、主力アプリのWordとExcelで、OpenAIやAnthropicの外部モデルへの依存を減らし、自社開発のMAIモデルを一部のユーザー要求への応答に使い始めたと、Bloombergが7月7日に報じました。急上昇するAIの運用コストを抑えることが狙いで、同社はこれまでOffice 365の大部分を外部モデルで動かしていると宣伝してきました。

MicrosoftはなおOpenAIとAnthropicの技術を利用し続けていますが、自前のAIエージェント構築にも力を入れています。先月のBuild開発者会議では、コーディング用エージェントや画像生成モデルを含む7つの新MAIモデルを発表しました。TechCrunchの取材に対し、同社は「これ以上共有できることはない」と回答しています。

今回の動きは、テック業界全体に広がるコスト削減の流れの一部です。年初には利用量を最大化する「トークンマキシング」が話題になりましたが、ここ数カ月は一転して各社が支出を切り詰める姿勢が目立ちます。AmazonやUber、Meta、Accentureも、AI関連の出費を抑える措置を取ったと報じられています。

AIサービスの提供・利用にかかる膨大なコストは、業界で論争を呼ぶ要素となっています。価格の高さは深刻で、シリコンバレーの一部企業は、より安価なエージェント用途を求めて中国製モデルに目を向けているとされます。ただし、そこにはセキュリティ上の懸念も指摘されており、経営者にとってはコストと安全性の両立が課題となりそうです。