SURL AI News
繁中English日本語

Archive

全ニュース

技術ニュース 1546 件

AI 基礎設施

AMD Helios、72基のMI455Xを単一メモリドメインに統合し、1ラックで31 TBのHBM4を提供

AMDは、CDNA 5アーキテクチャを採用したInstinct MI455Xと、72基のアクセラレーターで構成されるHeliosラックを正式発表した。新プラットフォームは、オープンなインターコネクトと大容量HBMでNVIDIA NVL72に挑むが、現時点で公表されている性能値は依然として理論ピークが中心だ。
最新模型

Apertus 1.5、ネイティブな画像・音声理解に対応—8B／70Bのオープンモデルが26万tokenをサポート

Swiss AI InitiativeはApertus 1.5をリリースした。継続事前学習により、従来のテキストモデルを、テキストを出力するマルチモーダルモデルへと拡張している。重みと学習情報は公開済みだが、正式な技術レポート、完全なベンチマーク、アップストリームの推論フレームワーク対応はまだ整っていない。
最新模型

ReMo、音声とテキスト間で視覚情報を再配分し、Omni-LLMの入力tokenを54%削減

KAISTの研究チームは、音声から説明可能な映像tokenを入力段階で除去し、テキストプロキシによって物体の意味情報を保持する、学習不要のReMoを提案した。著者らの評価では、Qwen Omniシリーズで平均スコアを低下させることなく入力を半分以上圧縮したが、コードと独立した再現結果はまだ公開されていない。
具身 AI／機器人

FLUX-mimic、動画生成バックボーンでロボットの動作を予測——RTX 5090 1基で応答時間を101ミリ秒に短縮

Black Forest Labsとmimic roboticsは、FLUX 3の動画世界モデルに軽量なアクションデコーダーを接続し、同一の表現で視覚予測とロボット制御を処理する。チーム内で実施した柔軟部品の仕分けテストでは成功率95%を達成したが、モデル、データ、完全な評価結果はまだ公開されていない。
最新模型

The Stack v3、約5兆のコードtokenを公開――旧版の重複排除の不具合を修正し、ソースコードを内包

Hugging FaceとBigCodeは、次世代のオープンなコード事前学習コーパスを公開した。訓練データセットには約1億7,300万サンプル、4.9兆tokenが含まれる。新版ではユーザーがソースコードを別途取得する必要がなくなった一方、ライセンス、データ汚染、15.9 TBのストレージコストについては、引き続き訓練チーム側でのガバナンスが必要となる。
最新模型

Faster IndexTTS-2、自回帰音声パイプラインをTensorRTへ移植し、エンドツーエンドで最大3.6倍高速化

新たな研究では、TensorRTとTensorRT-LLMを用いてIndexTTS-2のGPT、Diffusion Transformer、ボコーダーを再構築し、ストリーミング推論とバッチ推論にも対応した。英語・中国語のSeed-TTS実験ではGPTが最大5倍高速化したが、現時点の公開資料だけでは、最適化パイプライン全体を直接再現するには不十分だ。
最新模型

KAT-Coder-V2.5-Dev、35B MoEの重みを公開、3Bのアクティブパラメータでコーディングエージェントを実行

KwaipilotはKAT-Coder-V2.5-Devの重みを公開した。Qwen3.6-35B-A3Bを12万7,000件のサンプルでファインチューニングした後、エージェントタスクによる強化学習を実施している。公式の自己評価ではSWE-bench Verifiedで69.40%を達成したが、スコアはエージェントフレームワークやツール構成に大きく左右される。
代理工具

NemoClaw 0.0.93、DGX向けローカルエージェントのインストールを強化――ダウンロード認証情報を一時利用に限定し、再開にも対応

NVIDIAはNemoClawのDGX StationおよびDGX Spark向けインストール手順を更新し、既存のvLLMワークロードが誤って停止されるのを防ぐとともに、大規模モデルのダウンロードにおける認証情報とレート制限の処理を改善した。バージョンは引き続きalpha段階で、新たにサポートされたDGX OS構成もエンドツーエンドの適格性検証を完了していない。
開發者平台

DeepSeek、旧APIモデル名を廃止—エージェントはV4-FlashまたはV4-Proへの移行が必要

DeepSeekは7月24日、互換モデル名の`deepseek-chat`と`deepseek-reasoner`を廃止した。移行していないAPIリクエストは、そのまま失敗する可能性がある。新しいインターフェースではモデル選択と推論モードが分離されており、アップグレードは単なるモデル文字列の置き換えでは済まない。
GitHub Repo

OpenWorker オープンソース・デスクトップエージェント：認証情報をローカルに保存し、承認ゲートを介して25種類以上の業務ツールに接続

Andrew Ng氏のチームが、MITライセンスのOpenWorkerを公開した。エージェントループ、認証情報、会話をユーザーのコンピューター上に保持し、クラウドモデルまたはOllamaのローカルモデルをサポートする。ファイルの生成やSlack、カレンダー、ターミナルの操作が可能だが、「local-first」はデータが必ずデバイス外へ出ないことを意味しない。
最新模型

Prime Intellect、Nemotron 3 NanoのRLVR、LoRA、デプロイをマネージドトレーニングフローに統合

NVIDIAは、開発者がPrime CLIを使って30B MoEモデルに100ステップのRLVRを実行し、その後LoRAをダウンロードまたはデプロイできる、再現可能なマネージド事後学習フローを公開した。デモでは32問の数学問題における成績が21.9%から90.6%へ向上したが、サンプルは小さく、タスクと報酬は高度に制御されている。