マルチモーダル

OpenAIは8月6日に各国のChatGPT使用画像データを初めて公開し、異なるシーン、年齢、地域の使用差が顕著であることを示しました。仕事のシーンでは、ユーザーがChatGPTを使用して実行系のタスク（執筆、編集、分析など）を完了する割合が50％を超え、仕事外のシーンの2倍以上です。仕事外のシーンでは依然として「情報検索」が主流です。年齢層別では、世界の35歳以上のユーザーのメッセージ割合が前年同期比で5ポイント上昇し、フランスとチェコでは10ポイント以上の上昇を記録しました。ヨーロッパのほぼ4分の3の国が世界平均の増加率を上回り、東南アジアの一部地域では増加率が小さいです。地域別では、ラテンアメリカ、アフリカ、オセアニアが初期採用者とのギャップを縮小しており、ペルー、ウルグアイ、コスタリカが最も急速にランクを上げています。マルチモーダル（画像生成と分析など）は最も成長が早いユースケースであり、世界的な割合は7.8％に上昇し、ブラジルやコロンビアなどでは10％を超えています。OpenAIは関連データがOpenAI Signalsプラットフォームを通じて公開されており、政策立案者や研究者が10億人以上のユーザーの使用トレンドを理解するのを助けることを目的としています。

金十の報道によると、マイクロソフトはマルチモーダル戦略を維持する計画であり、顧客がよりニーズに合った状況でOpenAIまたはAnthropicのモデルを使用できるようにする。

AIサービスプラットフォームB.AIは、MiniMaxの次世代マルチモーダル大モデルM3の基盤接続を完了し、即日よりAPIおよびWeb端を通じて同時に呼び出しを開放したと発表しました。MiniMax M3モデルは、MSAスパースアテンションメカニズムに基づいており、ネイティブにマルチモーダル理解、コード生成および解析をサポートし、1Mのコンテキストウィンドウと長文推論能力を備えており、対話から専門的な開発までのさまざまなアプリケーションシーンをカバーできます。現在、開発者とユーザーはB.AIプラットフォームを通じて直接このモデルにアクセスし、使用することができます。

アリババ (09988.HK) の財務報告では、深い革新を通じてAI能力の境界を継続的に拡大していることが述べられています。最近、全く新しい大規模言語モデルとマルチモーダルモデルを発表し、モデルのインテリジェンスにおいて顕著な進展を遂げました。3月にQwen3.6-Plusを発表し、全方位の性能向上を実現しました。特にプログラミングとエージェントプログラミングの分野で際立った成果を上げ、フロントエンドウェブ開発や複雑な倉庫レベルのタスクにおいて業界のベンチマークとなっています。Qwen3.6-Plusは、より強力なマルチモーダルの知覚と推論能力を備えており、ネイティブのコンテキストウィンドウの長さは最大100万トークンをサポートし、安定性と信頼性をさらに向上させています。千問モデルファミリーに加えて、リアルタイムの創作とインタラクションをサポートする世界モデルHappyOysterや、動画生成のマルチモーダルモデルHappyHorseなど、専用モデルの展開を引き続き充実させています。これらの2つのモデルは現在、グレイテストテスト中です。

据 Gemini 官方账号 @GeminiApp 发布，Google 正式推出新一代 AI 模型 Gemini 3，具备百万 token 上下文窗口、多模态理解能力，并支持视频、音频、图像与文本的统一分析。新版引入 Gemini Agent，可在用户引导下完成多步骤任务，目前面向美国 Ultra 用户测试开放。Gemini 3 已面向全球上线，学生用户可免费试用 Pro 计划一年。

ChainCatcher メッセージ、上海市商務委員会などの10の部門と機関が『上海港2025年における越境貿易の円滑化を促進するための特別措置』を発表しました。上海港は、即日から2025年8月末までの間に、今年度の上海港における越境貿易の円滑化を促進する特別行動を展開し、国際貿易分野のビジネス環境改革を継続的に推進します。その中で、上海港の物流輸送ネットワークを最適化することが提案されています。国際コンテナ輸送サービスプラットフォーム（MaaS）などのシステムを活用し、ブロックチェーン技術を利用して国際物流の多様な輸送手段の協調と協力を強化します。多様な輸送手段の「一単位制」「一コンテナ制」の発展を加速します。内陸水運システムの構築を推進し、河川と海を直結する通路の整備を加速します。「連動受け入れ」「出港確認」などの監督モデルを継続的に推進し、地域物流の効率を向上させます。

ChainCatcher のメッセージ、ChainOpera の共同創設者 Salman と Aiden が作り上げた別の会社 TensorOpera AI が Samsung Electronics と戦略的提携を結び、モバイルデバイスにおけるマルチモーダル生成 AI アプリケーションの画期的な革新を示しました。CES 2025 展で、TensorOpera AI は Samsung Electronics と戦略的提携を結び、Exynos プロセッサに基づいてモバイル端末向けのマルチモーダル AI の画期的なアプリケーションを実現することを発表しました。この技術は、Android アプリと C++ 推論パイプラインを最適化することで、スマートフォン上で低遅延、高性能の AI エージェントの実行を実現し、プライバシーの安全性とパーソナライズされたサービスを同時に確保します。ChainOpera のエコシステム企業として、TensorOpera はその創設チームと技術アーキテクチャを共有し、エッジとクラウドの協調技術を採用して AI サービスのコストを業界標準の 10% に圧縮しています。現在、ChainOpera の AI ターミナルは 100 万人以上のユーザーにサービスを提供しており、LLM によって駆動されるネットワークを通じてクラウド-エッジ-デバイスの三層連携を実現しています。「私たちはエッジとクラウドの協調の可能性を極限まで引き出しています。」と共同創設者の Salman は述べました。両社はハイブリッドエッジクラウドアーキテクチャに基づき、ブロックチェーンと分散型 AI 技術を組み合わせて、エッジ側のインテリジェンスの境界を継続的に拡大しています。この提携は、モバイル端の AI エージェント技術が大規模な応用の新たな段階に入ったことを示しています。

ChainCatcher のメッセージによると、金十の報道で、人工知能コミュニティ Hugging Face が、DeepSeek がオープンソースのマルチモーダル人工知能モデル Janus-Pro を発表したことを示しています。その中で、Janus-Pro-7B は GenEval と DPG-Bench ベンチマークテストで OpenAI の DALL-E 3 と Stable Diffusion を打ち負かしました。

ChainCatcher のメッセージ、グーグルはそのグーグル DeepMind チームが開発した人工知能モデル「Gemini」を発表しました。Gemini はマルチモーダルとして設計されており、テキスト、コード、音声、画像、動画などの異なるタイプの情報を理解し処理することができます。Gemini モデルは、Ultra、Pro、Nano の三つの異なるスケールに分かれています。Ultra バージョンは複雑なタスク向け、Pro バージョンは幅広いタスク範囲に適しており、Nano バージョンはモバイルデバイス上のタスクに最適化されています。現在、Gemini はグーグルの複数の製品やプラットフォームでの展開が始まっています。例えば、Google Bard は Gemini Pro の改良版を使用し、Pixel 8 Pro は Gemini Nano を採用した最初のスマートフォンとなります。さらに、12 月 13 日から、開発者や企業顧客は Google AI Studio または Google Cloud Vertex AI を通じて Gemini Pro API にアクセスし、Gemini ベースのアプリケーションを開発および展開できるようになります。