今日のAIモデル領域では、革新的な技術の発表が相次ぎ、その進化の速度は留まることを知りません。特に注目すべきは、単なる性能向上に留まらない、モデルの「思考」能力の深化や、異なるモデル間の連携を可能にする基盤技術の登場です。これらの進展は、AIがより複雑なタスクをこなし、実社会での応用範囲を大きく広げる可能性を秘めています。本日は、画像生成、LLMの相互運用性、大規模マルチモーダルモデル、そしてAIエージェントの能力拡張という多岐にわたる側面から、最新の動向を掘り下げます。

OpenAI、Web検索と推論を統合した「ChatGPT Images 2.0」を発表

OpenAIは、画像生成AIの最新版「ChatGPT Images 2.0」をリリースしました。この新モデルは、従来の画像生成能力に加え、「Thinking capabilities」（思考モード）を搭載し、ユーザーの視覚的思考パートナーとなることを目指しています。Images 2.0は、画像生成プロセスにおいてWeb検索を通じて最新情報を取得し、構図や要素の関係性を推論しながら画像を生成できる点が最大の特徴です。これにより、図解や地図などの正確性が大幅に向上するとされています。

出典: itmedia.co.jp · note.com

また、本モデルは日本語を含む多言語テキストの描画能力が大幅に強化されており、ポスター、漫画、広告素材など、言語そのものがデザインの一部となるビジュアルを自然で一貫性のある形で生成することが可能になりました。これにより、従来AI画像生成が苦手としていた、画像内の小さな文字やUI要素、複雑なレイアウトなども正確に再現できるようになり、ビジネス用途での実用性が飛躍的に高まると期待されています。一度の指示で最大10枚の連続画像を生成できる機能も追加され、実写から漫画まで幅広い表現に対応します。

出典: ascii.jp · prtimes.jp · note.com · itmedia.co.jp

NTT、LLM間の「語彙の壁」を克服する世界初のトークン共通化技術を確立

NTTは、大規模言語モデル（LLM）間の相互運用性を劇的に向上させる、世界初の「トークン共通化」推論技術を確立したと発表しました。この技術は、LLMの入出力単位である「トークン」の語彙を、精度を劣化させることなく縮小し、異なるLLM間で共通化することを可能にします。これまで、異なる開発組織や時期に作成されたLLMは、それぞれ独自のトークン語彙を持つため、互いに推論結果を比較・参照することが困難でした。この「語彙の壁」が、複数のLLMを連携させて推論精度を向上させるアンサンブルや、専門知識を別のモデルに転移させるポータブルチューニングといった技術の活用を阻害していました。

出典: group.ntt

NTTが確立したこの新技術により、任意の異種LLM間でも共通の語彙集合を介した密な連携が可能となり、知識の統合や転移が実現できるようになります。これにより、LLMの利用者は、特定のモデルに限定されることなく、多様なLLMの強みを組み合わせて、より高精度なAIシステムを構築できるようになります。本成果は、深層学習分野の国際会議ICLR 2026で発表される予定であり、LLMエコシステムの発展において重要な一歩となるでしょう。

出典: group.ntt

Baidu、2.4兆パラメータのマルチモーダルモデル「Ernie Bot 5.0」を発表

中国の検索エンジン大手Baiduは、次世代AIモデル「Ernie Bot 5.0」を正式発表しました。このモデルは、2.4兆パラメータという規模を誇る大規模マルチモーダルモデルであり、テキスト、画像、音声、動画といった異なる形式のデータを統一した自己回帰アーキテクチャで処理できる点が特徴です。従来のAIモデルが各モダリティを個別のシステムで処理することが多かったのに対し、Ernie Bot 5.0は単一モデルで全てを統合処理することで、世界最高水準の性能を実現しています。

出典: note.com

Ernie Bot 5.0は、技術面では超スパース混合エキスパート（MoE）構造を採用しており、巨大なモデルサイズにもかかわらず高速な推論を可能にしています。これにより、計算効率が大幅に改善され、実用性の面でも画期的な進歩と言えます。LMArena基準テストでは、中国国内で第1位、世界全体でも第8位という高い評価を獲得しており、中国のAI技術が世界のトップレベルに到達していることを示しています。この発表は、世界のAI競争地図を大きく塗り替える可能性を秘めています。

出典: note.com

Moonshot AI、コーディングとエージェント機能を強化したオープンソースモデル「Kimi K2.6」を公開

Moonshot AIは、最新のオープンソースAIモデル「Kimi K2.6」を公開し、特にコーディング性能とAIエージェント機能において大幅な強化を実現しました。Kimi K2.6は、一部のベンチマークにおいてGPT-5.4やClaude Opus 4.6といった主要モデルを凌駕する数値を記録しており、開発ツールやコマンドライン操作の精度で最高水準を示しています。

出典: impress.co.jp

エージェント機能では、複数のAIを連携させる「エージェントスウォーム（Agent Swarm）」の規模が大幅に拡張され、サブエージェントの数が従来の100体から最大300体へ、工程数も1,500から4,000へと増加しました。これにより、大規模なデータ分析や複数フォーマットの資料作成などを並列で処理し、エンドツーエンドの処理時間を大幅に短縮することが期待されます。さらに、24時間365日の稼働を想定した能動型エージェント「Proactive Agents（Claw）」や、異なるデバイスやモデルで動作する複数のエージェントと人間が共同作業を行える「Claw Groups」といった新機能も備えており、AIエージェントの協調性と自律性が新たな段階に入ったことを示しています。

出典: impress.co.jp

まとめ

• OpenAIは「ChatGPT Images 2.0」を発表し、Web検索と推論を統合した“視覚的思考パートナー”として、多言語テキスト描画能力と実用的な画像生成を強化しました。
• NTTは、異なるLLM間の「語彙の壁」を克服する世界初のトークン共通化技術を確立し、LLMの連携と精度向上に貢献する画期的な進歩を示しました。
• Baiduは、2.4兆パラメータを誇るマルチモーダルモデル「Ernie Bot 5.0」をリリースし、統一アーキテクチャとMoE構造により高性能と効率性を両立させました。
• Moonshot AIは、オープンソースモデル「Kimi K2.6」を公開し、コーディング性能の向上と、大幅に拡張されたマルチAIエージェント機能で注目を集めています。

出典: impress.co.jp

参考文献: itmedia.co.jp · note.com · ascii.jp · prtimes.jp · group.ntt · note.com · impress.co.jp · sbbit.jp