概要
1Bクラスで最高性能を誇る軽量LLM「MiniCPM5-1B」や、複数人参加のゲーム環境を24fpsで生成する世界モデル「γ-World」など、最新の生成AI技術5件を解説。
詳細内容
テクノエッジの「生成AIウィークリー」第146回では、直近1週間で発表された注目すべき5つのAI技術・研究を網羅的に解説しています。
1. **MiniCPM5-1B**: OpenBMBが開発した約10億パラメータの超軽量モデル。同規模のオープンモデルの中で最高水準（SOTA）の性能を実現し、デスクトップ上で動作する「ペット」機能も提供されます。
2. **SkillOpt**: Microsoftらが発表したAIエージェントのスキル最適化手法。AIの重みを変更せず、実行履歴の分析を通じてテキストベースの指示書を自動で洗練させます。
3. **LocateAnything**: NVIDIAによる視覚言語モデル。従来の逐次的な座標予測を「Parallel Box Decoding」による並列処理に置き換え、最大2.5倍の高速化と高精度な物体検出を両立しました。
4. **γ-World**: NVIDIAと清華大学が開発したマルチプレイヤー対応の世界モデル。共有ハブを利用した効率的な情報集約により、複数人の操作に反応するゲーム映像を毎秒24フレームでリアルタイム生成します。
5. **LongCat-Video-Avatar 1.5**: 1枚の画像と音声から、商用モデルに匹敵する自然な話すアバターを生成できるオープンソースAI。
これらの技術は、オンデバイスでの実用性向上と、より複雑な環境シミュレーション、エージェントの自己進化といった、AIの実社会・エンタメ応用を加速させる重要な進展を示しています。