オープンソースAI

主要ニュース

1. 1

   ロールアウト240回で組立成功率88%に

   Dream MachinesがPhysical Intelligenceのπ0.5を産業用組立タスクでファインチューニング。復旧240回で成功率24%から88%に上昇。学習は2時間未満。 信頼性向上には実演データの量より人間による修正とデータ多様性が効く。反復作業の録画を大量に集めるより、エッジケースへの介入に注力すれば学習コストを削減できる可能性を示す。

   88%はチーム自身の物理評価による数値で、他の環境でも再現するかが焦点。Real Time Chunkingのパラメータと実行ブレンディングが他タスクにどう波及するかに注目。

2. 2

   Nvidia、8話者を分離する無料モデル

   Nvidiaは約1億パラメータの無料AIモデルNemotron 3 Diarizationを公開。最大8話者をリアルタイムで識別し、重複発話も検出。録音とライブ音声の両方に対応する。 Nvidiaがモデルの重みを無償公開したため、開発者は独自サービスに課金せずに文字起こしへ匿名の話者ラベルを付けられる。

   雑音や残響の多い環境、複数人が同時に話す場面では精度が落ちる。無料公開が競合の値下げやモデル公開を促すか注目だ。

3. 3

   Nvidiaが米中AIルール協議の焦点に

   2026年9月のTrump・Xi首脳会談と国連総会で、Nvidiaは米中のAI競争に巻き込まれた。中国は低コストのオープンウェイト大規模モデルを米国製システムの代替として押し出した。 Nvidiaは米国、中国その他の地域でデータセンター規模のAIインフラを提供しており、この規制の動きは今後のAIインフラ決定における同社の役割に影響し得る。

   輸出管理や国際ルールが地域管理型かオープンなエコシステムに有利に働くかが焦点で、それはNvidiaのハードウェアとCUDA系ソフトが世界の最先端システムの既定であり続けるという見方に逆行する。

4. 4

   AWS、SageMakerで音声クローン

   AWSはQwenチームのQwen3-TTS-12Hz-1.7B-BaseをAmazon SageMaker JumpStart経由でリアルタイムエンドポイントに導入する方法を詳説した。 選んだ話者の声で、10言語のいずれでも、わずか数秒の参照音声から音声を生成できるようになった。モデルの再学習や大規模な学習データセットの収集は不要だ。

   導入が約24 GBのGPU内に収まるかだ。talkerとcode2wav間でGPUメモリを分割することが鍵。KVキャッシュのトークン予算56,928トークンに注目。

5. 5

   Intrinsic、Intrinsic Core™公開

   GoogleのAIロボティクス部門Intrinsicがプラットフォームの一部をオープンソース化すると発表。 ロボットアプリ開発者はハードウェア非依存の出発点を得られる。Intrinsic Controlを使えば、ドライバーを書き直さずにロボットアームやグリッパー、センサーを交換できると発表されている。

   成功の鍵は、オープンソースパッケージと実用例向けの既成リファレンスデザインOMTSがどこまで開発者に採用されるか。リンクされたGitHubのダウンロード動向に注目だ。

6. 6

   PrismMLの1ビットBonsai、AR1眼鏡に対応

   PrismMLはQualcommのSnapdragonチップ搭載スマートグラス向けに小型言語モデル版を開発した。Snapdragon Summitで1ビットBonsai LLMを披露。 モデルをクラウドではなくデバイス上でローカルに動作させることが要点だ。PrismMLのオンデバイス手法がQualcommのスマートグラスハードウェアと組み合わされつつある。

   PrismML搭載スマートグラスは未発表で製品化に至っていない。デバイスメーカーがSnapdragon AR1 Gen 1 Platform版採用に踏み切るか注目だ。