画像生成

主要ニュース

1. 1

   Krea が企業向けAI画像生成モデルの重み（プログラム）をオープンソース化し、2秒での生成と視覚的バリエーション向上を実現

   AI創作ツール企業の Krea が、新しい画像生成モデル「Krea 2 Raw」と「Krea 2 Turbo」の重みを公開し、Hugging Face でダウンロード可能にしました。50席以上の企業向けにはエンタープライズ利用の有料化を求め、全ユーザーに違法素材や非合意下での親密な画像（NCII）、児童虐待画像（CSAM）、名誉毀損素材の生成を防ぐ技術的セーフガードの導入を義務付けています。 企業は既にAI生成画像を製作フローに統合し始めていますが、AI画像は単調で独創性が低く、ブランドが競争で目立つのに役立たないという批判が広がっていました。Krea はこの「AIスロップ」という課題に対し、より視覚的なバリエーションを提供するモデルで対抗しようとしています。

   モデルはカスタムライセンス下での公開で、企業規模に応じた利用条件を設けています。違法素材生成防止などの技術的セーフガード実装が全ユーザーに必須となります。

2. 2

   AIで有名なMidjourneyが医療用超音波スキャナーに進出、医学専門家からは証拠不足を指摘する声が相次いでいます。

   Midjourneyは画像生成AIで知られていますが、先週、ユーザーを水に浸して全身をスキャンする超音波システムを発表しました。同社は60秒以内でスキャンでき、MRI並みの性能を目指すと述べています。当初は医療診断ではなくスパの施設に埋め込む健康情報ツールとして展開し、後に医療への拡大を計画しているとしています。 Midjourneyはオンライン画像生成から高度に規制される医療領域へ大きく舵を切りました。ただしミシガン大学医学部放射線科学教授らを含む複数の医学専門家が、同社の画像解像度についての主張は「理論的に過ぎる」「根拠がない」と述べており、MRI同等という比較も「完全に根拠がない」と指摘しています。

   ワシントン大学の画像科学教授は「全身超音波スキャナーは確かにあり得る」と認めつつも、医学的な主張を前に「検証が必要」と述べています。ウィスコンシン大学放射線科学教授は「証拠のない技術」であり、Midjourney の主張は「スイッチを入れただけで医療効果があるとするのは無理がある」と述べています。

3. 3

   AmazonのSageMakerでComfyUI（生成AIの画像・音声・動画制作ツール）を大規模自動実行できるようになり、企業が数分から数時間で数百点のコンテンツを生成できるようになります。

   AmazonがSageMaker AI処理ジョブ上でComfyUIワークフローを実行するソリューションを公開しました。GPU加速インスタンスを活用し、複数のリクエストを並列処理できる仕組みで、JSON形式のComfyUIワークフローをエクスポートしてデプロイできます。 企業にとって、キャンペーン素材の制作遅延は売上損失や締切逃しにつながります。本ソリューションで数百枚のブランド統一画像を1時間で生成、多言語の音声生成、AI作成スクリプトの動画化などが自動化でき、クリエイティブチームは戦略立案に専念できるようになります。

   この実装はAWS CDKを使ったインフラ構築、Amazon S3（ストレージ）、AWS Lambda、Amazon VPCなど複数のAWSサービスを組み合わせた構成で、GitHub上に完全なコード実装が公開されています。画像生成の例ではZ-Image Turbo（6Bパラメータのテキスト・画像統合AI）を使用しています。

4. 4

   上海人工知能研究所の研究チームが、AIエージェント（自分で判断して作業するAI）が自らの動作ルールを改善できる「Self-Harness」という仕組みを開発し、性能が最大60%向上することを実証しました。

   上海人工Intelligence Laboratory（上海人工知能研究所）の研究者らが、LLM（文章を理解・生成するAI）ベースのエージェントが自らの実行記録を調べて動作ルールを自動的に改善する「Self-Harness」というフレームワークを開発しました。従来は人間による試行錯誤に頼っていた調整プロセスを、実証的な証拠に基づく仕組みに置き換えています。 多くの企業は最先端のAI言語モデルを自社開発する必要はありませんが、エージェントを制御する仕組みは各社の用途に合わせてカスタマイズする必要があります。これまでは手作業による試行錯誤に大きく依存していたため、急速に変わるAI技術に対応しづらい状況でした。自動改善の仕組みにより、企業は堅牢なカスタムエージェントを展開しながら、モデル固有の弱点に適応させることができるようになるとみられます。

   性能が最大60%向上することが実証されており、開発チームが継続的に独自のエージェントを改善・運用する余地が生まれます。

5. 5

   DeepSeek R1が#2オープンウェイト推論モデルの地位を獲得し、AIの推論能力競争に新たな選手が参入しました。

   DeepSeek R1が#2オープンウェイト推論モデルとなりました。オープンウェイト（企業が重みを公開している）モデルの中で、推論能力の面で第2位の位置づけを得たものとみられます。 推論（AIが答えを導き出す処理）の性能は、複雑な問題解決や意思決定支援など、実務的な価値に直結します。新しい選手の登場により、この分野での技術競争がより活発になる可能性があります。

   オープンウェイトモデルは、企業が開発内容を公開しているため、研究開発コストが低くなり、より多くの組織が改良・応用できる特徴があります。このモデルの性能向上は、AIツール全体の選択肢拡大につながります。

6. 6

   Apertvs が主権的AI向けのオープンソース基盤モデルを発表し、大規模クラウド事業者に依存しない選択肢を提供する動きが広がっています。

   Apertvs が Apertus という名称のオープンファウンデーションモデル（商用利用や改変が可能なAI基盤）を公開しました。このモデルは、特定の企業に依存せず独立して運用できる「主権的AI」の実現を目指しています。 従来、高性能なAIモデルは大規模なクラウド事業者が開発・提供するものが主流でした。オープンソース版が広がることで、各国や企業が自分たちのデータやルールに基づいてAIを活用・管理できる可能性が出てきています。

   Apertus はHugging Face などのプラットフォームで公開されており、誰でもアクセス・利用できる形になっています。今後、このモデルがどの程度実務で採用されるか、また他の開発者による改善がどの程度進むかが焦点となります。