1. OpenAI、GPT-6 Cyberを発表しサイバーセキュリティで「Critical」と評価
- OpenAIによると、GPT-6 Cyberは、指定された脆弱性を悪用できるかを測るテスト「ExploitGym」で48.5%を記録しました。前モデルのGPT-5.6 Cyberは32.1%でした。OpenAIは、同社の「Preparedness Framework」においてこのモデルをサイバーセキュリティ分野で「High」から「Critical」に引き上げたと述べています。
- OpenAIは、Mozillaが高深刻度と分類した81件の新規脆弱性について、証拠と再現可能なテストを生成したとしています。また、1,724件の脆弱性を再現するとともに、948件について機能する悪用コードを開発したとしています。
- このティアは、より深い悪用コードの開発や、許可を得たセキュリティテストを目的としています。
出典：OpenAI、TechCrunch
2. OpenAI、GPT-Liveの音声エージェントによる発信通話を一般提供
- 開発者は、TelnyxやTwilioなどのSIPトランクプロバイダーを通じて、GPT-Liveの音声エージェントに発信通話をさせられるようになりました。
- OpenAIのドキュメントによると、SIPによる発信通話は、Realtime APIの通話作成エンドポイントではなく、Live APIを通じてすべての組織が利用できます。通話は、トランスポートタイプをSIPに設定したセッションを作成することで開始されます。
- OpenAIのJustin Uberti氏によると、通話にはHD Voiceを使用でき、キーパッドイベント（DTMF）の送受信にも対応しています。
出典：OpenAI developer docs、DigIntoAI
3. Greg Brockman氏、OpenAIは2027年にIPOの準備が整う可能性があると発言
- Wall Street Journalのテクノロジーカンファレンスに登壇したOpenAIのプレジデント、Greg Brockman氏は、来年IPOの準備ができているかと問われ、「I think so. Yes.」と答えたと、TechCrunchが報じています。
- Brockman氏は、OpenAIの年換算収益が第3四半期に前期比70%増加した要因として、エンタープライズ事業が倍増したことを挙げました。
- TechCrunchによると、OpenAIの収益の大半は現在エンタープライズ事業によるものです。以前はこの事業が全体の約30%にすぎませんでした。
出典：TechCrunch
4. Google、15秒の動画生成に対応した「Gemini Omni 1.2 Flash」を公開
- Googleは「Gemini Omni 1.2 Flash」を、Gemini APIとGemini for Businessで一般提供しました。Omni 1.1では10秒だった動画生成が、15秒にネイティブ対応しました。また、複数ターンの対話形式での編集にも対応しています。
- Googleは、Gemini Omni 1.1から30%値下げし、720p動画の料金を1秒あたり0.07ドルとしました。出力には、人の目では知覚できない程度のSynthIDの電子透かしが付与されます。
- Google製品のユーザーは、Googleアカウントまたは Google Workspace のサブスクリプションがあれば、Google Vidsで15秒のクリップを追加料金なしで生成できます。
5. Meta、Museアプリに音声と表情豊かなアバターを追加
- Metaは、Museアプリで音声会話と表情豊かなアバターの提供を開始しました。まず米国で、モバイル、Web、Macで利用できます。
- Museが話す際、そのアバターは会話のトーンに合った表情やジェスチャーを見せます。
- Metaは、Museとの音声会話がAIグラスおよびMuse Charmにも近日中に対応すると述べています。
出典：Meta、TechCrunch
6. NVIDIA、オープンな「Cosmos 3 Nano」世界シミュレーションモデル4種を公開
- NVIDIAは、インタラクティブな世界シミュレーションと、複数センサー・複数視点の運転シーン向けに、Cosmos 3ファミリーに4つのオープンウェイトのチェックポイントを追加しました。
- 4つはいずれもCosmos 3 Nanoの事後学習版で、学習可能なパラメータ数は16Bです。OpenMDW1.1のもとで公開されており、同ライセンスの条件に従えば商用・非商用の利用が認められます。
- モデルは、天候や照明が異なる運転データの生成、運転シミュレーション用に同期したカメラとLiDARの観測データのストリーミング配信、ロボットの動作からの映像予測に対応しています。
出典：Hugging Face
7. Preferred Networks、オープンウェイトの翻訳特化モデル「PLaMo 3 Translate」を公開
- Preferred Networks（PFN）は、翻訳に特化したLLMのファミリー「PLaMo 3 Translate」を、Hugging Face上で0.8B、2B、8B、31Bの4サイズで公開しました。
- モデルは英語と日本語を含む53言語の翻訳に対応します。スマートフォン、ノートPC、社内サーバーなどのデバイス上で、インターネット接続なしに動作させることができます。PFNによると、0.8Bモデルでも、日英翻訳においてパラメータ数が30倍以上の既存の翻訳特化LLMを上回ります。
- PLaMo Community Licenseのもとでは、非商用利用は無料です。年間売上が10億円以下で、事前にPFNへ登録した組織は商用利用も無料です。それより大きな組織は、別途商用ライセンスが必要です。