インド向けテキスト音声合成モデル「Bulbul V4 Flash」を発表
インド諸言語向けのテキスト音声合成モデルBulbul V4 Flashが登場した。本番環境でtime-to-first-audio 250ms未満を実現し、料金は10,000文字あたり₹20で、Bulbul V3の₹30から3分の1安くなった。事前学習はV4で一から行い、独自の音声データはV3の約7倍に拡大した。
#日本
#日本
本日0件Search: AI launchesAIスコア5050
Google Japan ブログ注目記事AIスコア7272 Google、Gemini 4 ArgonをGeminiアプリで提供開始
GoogleはGemini 4 Argonを本日よりGeminiアプリで提供開始した。最先端の推論能力と複雑なワークフローでの性能向上を掲げ、Google AI ProおよびGoogle AI Ultraのユーザーが利用できる。macOS版アプリではGoogle Antigravityのエージェント型コーディングインターフェースも直接使えるようになった。
選定理由：モデルの応答スタイルの変化に加え、macOS版GeminiアプリでAntigravityが使える点やタスク機能の対象プランが整理されており、利用判断の材料になる。
Google Japan ブログ注目記事AIスコア7979 Google、Gemini 4 Argonを提供開始、コーディングや科学など複雑なタスクに対応
GoogleはGemini 4 Argonを、AI StudioとGemini API、Google Antigravity、Geminiアプリ、Google検索のAIモードで順次提供開始した。導入価格は入力100万トークンあたり2ドル、出力10ドルで、Vals Indexで1位を獲得したとしている。コーディング、金融、法務、サイバーセキュリティ、科学などでの深い作業を想定し、安全性スタックも強化したという。
選定理由：価格、提供先、社内事例、安全性評価がまとまって示されており、コーディングや科学分野での使いどころと導入条件を比較しやすい。
ELYZA 技術ブログ（Zenn）AIスコア5656 ELYZA、llm-jp-4ベースの推論モデルELYZA-Thinking-1.0-llm-jp-4を公開 学習方法と評価結果を解説
ELYZAは、LLM-jp-4をベースにした日本語重視の推論モデルELYZA-Thinking-1.0-llm-jp-4-33b（Dense）と32b-a3b（MoE）をHugging Faceで公開した。20ベンチマークの総合スコアは33B版が61.7、32B-A3B版が58.5である。Mid-training、SFT、RLの各段階の設計と効果も解説している。
ELYZA 技術ブログ（Zenn）AIスコア5555 ELYZA、日本語の問い合わせ応答ベンチマーク「ELYZA Agent Tasks: Customer Service」を公開
ELYZAは、コンタクトセンターの電話応対業務を評価する日本語エージェントベンチマーク「ELYZA Agent Tasks: Customer Service」を公開した。通信、EC・フリマ、ホテル、宅配の4ドメイン96シナリオで、音声とテキストの両方を評価でき、Apache-2.0ライセンスでGitHubに置かれている。評価ではテキストのタスク遂行の最高スコアがgemini-3.6-flashの0.781で、音声入出力の3モデルはタスク遂行とツールがいずれも0.3を下回った。
Hugging Face BlogAIスコア2525 TII、アラビア語音声認識モデル「Falcon-ASR」を発表
TIIは、エミラティ方言に重点を置いたアラビア語音声認識モデル「Falcon-ASR」を発表した。パラメータ数は1.6Bである。6つのアラビア語テストセットの平均WERは20.92%で、公表済みの最良結果より2.25ポイント良い。Hugging Face Demo Spaceで試用でき、APIは計画中である。
LLM-jp（国立情報学研究所）AIスコア4242 国立情報学研究所、大規模言語モデル「LLM-jp-4.1」シリーズを公開
国立情報学研究所のLLMCは、日本語に強いオープンな大規模言語モデル「LLM-jp-4.1」シリーズを公開した。llm-jp-4.1-8b-thinking、32b-a3b-thinking（MoE）、33b-thinkingの3モデルをApache License 2.0で提供し、SFTとDPOの学習データも公開する。STEM分野の性能向上、ツール呼び出しへの新規対応、回答の詳細さの調整が主な改良点である。
Google Japan ブログAIスコア5757 Google、音声合成モデルGemini 3.8 Flash TTSとFlash-Lite TTSを発表
GoogleはGemini 3.8 Flash TTSとGemini 3.8 Flash-Lite TTSの2つのテキスト読み上げモデルを発表した。Flash TTSは自然言語プロンプトで100以上の言語や方言の音声をゼロから作成でき、Hume AIのVoice Design Benchmarkで総合1位（71.4）を獲得した。両モデルは本日から順次、Gemini APIとGoogle AI Studioで提供される。
SB Intuitions ブログAIスコア3434 SB Intuitions、日本語に強い画像生成基盤モデルSarashina Image 2.6Bを開発
SB Intuitionsは、日本語および英語のプロンプトから高解像度画像を生成する画像生成基盤モデル「Sarashina Image 2.6B」を開発した。26億パラメータのDiffusion Transformer（DiT）を既存モデルのファインチューニングではなくフルスクラッチで訓練し、Text Encoderには自社のSarashina2.2-Vision-3Bを採用している。学習データは自社購入の大規模ストックフォトを中核に、ライセンスや利用規約を遵守したオープンデータセットを組み合わせて構築した。
LLM-jp（国立情報学研究所）AIスコア3838 LLM-jp、視覚言語モデル「LLM-jp-4-VL 9B」を公開 llm-jp-4-8b-thinkingをマルチモーダル化
大規模言語モデル研究開発センター（LLMC）は、llm-jp-4-8b-thinkingをマルチモーダル化した視覚言語モデル「LLM-jp-4-VL 9B」を公開した。FineVisionの問題データを削除・修正したデータセット「RefinedVision」も併せて公開し、学習データは約2,930万件である。beta版よりGPQAやCharXiv Reasoningなどで性能が向上した一方、Qwen3.5-9Bとは多くのタスクで差が残る。
Hugging Face BlogAIスコア2828 DharmaOCR、ブラジルポルトガル語OCRのベンチマークでMistral OCR4とUnlimited-OCRを上回る
DharmaOCRは、ポルトガル語に特化したベンチマークでスコア0.925を記録し、Mistral OCR4（0.798）とUnlimited-OCR（0.7587）を上回った。記事は、この差を新しいモデルにも通じる特化学習の利点によるものだとしている。学習はブラジルポルトガル語の文書を用いた教師ありファインチューニングとDirect Preference Optimization（DPO）の2段階で行われ、DPOは出力の安定性を高めたとされる。
SB Intuitions ブログAIスコア4444 Sarashina3 embedding、日本語に強いテキスト埋め込みモデルをAPI提供
SB Intuitionsは、日本語に強い指示認識型テキスト埋め込みモデル「Sarashina3 embedding」のAPI提供を開始する。JMTEB（v1.4.0）の平均スコアは78.22で、比較対象のSarashina2 embedding（78.69）に次ぐ水準である。ベクトル次元を1536から256まで削減しても平均75.72を維持するとしている。
SB Intuitions ブログAIスコア4545 Sarashina3 mini / Sarashina3 nano：フルスクラッチで開発した最新の国産LLM
SB Intuitionsは、フルスクラッチで開発した国産LLM「Sarashina3 mini」とその軽量版「Sarashina3 nano」を公開し、商用APIとして提供を開始した。事前学習には日本語・英語を中心とした30Tトークンのデータを用い、数学（AIME 2025）やエージェント（τ2-bench Telecom）などで前世代のSarashina2 miniから大幅な性能向上を達成したという。
Sony AI ブログAIスコア5252 Sony AI、効果音生成の基盤モデルWooshを発表
Sony AIは、効果音生成に特化した基盤モデルWooshを発表した。ライセンス済みのスタジオ品質ライブラリで学習した非公開モデルと、公開データで学習した公開モデルの2種類を並行して開発した。公開モデルはオープンウェイトと推論コード付きで、非商用の研究・実験向けに提供される。
カラクリ ニュースAIスコア3030 カラクリ、GENIAC第3期で国産CUAモデル「KARAKURI VL2」を開発 画像編集・メール操作でClaude Sonnet 4.6を上回る
カラクリが、PC操作を自律実行する国産CUA向け視覚言語モデル「KARAKURI VL2」（8Bパラメータ）を開発し、GENIAC第3期の成果として公開した。自社開発の日本語PC操作ベンチマーク「OSWorld-JP v0.2」（100タスク）の総合スコアは0.331で、Claude Sonnet 4.6の0.593には及ばないが、画像編集（GIMP）とメール操作（Thunderbird）の2カテゴリではClaude Sonnet 4.6を上回った。
ABEJA Tech BlogAIスコア4040 Agentic能力を強化しロングコンテキストに対応したABEJA-Qwen3-14B-Agentic-256k-v0.1の公開
ABEJAは、Alibaba社のQwen3-14Bに追加学習を行ったモデル「ABEJA-Qwen3-14B-Agentic-256k-v0.1」を公開した。コンテキスト長は元モデルの128kから256kに拡張され、思考とツール利用を繰り返すAgentic能力の強化を狙っている。ローカル社内ドキュメントの探索を想定して検索系ツールの強化にOpenSearchを採用しており、汎用モデルというよりエージェント利用向けのモデルである。
ELYZA（note）AIスコア2525 ELYZA、日本語拡散言語モデル「ELYZA-LLM-Diffusion」を開発、商用利用可能な形式で公開
ELYZAは、KDDIのGPU基盤を用いて日本語の知識・指示追従能力を強化した拡散大規模言語モデル（dLLM）「ELYZA-LLM-Diffusion」シリーズを開発し、商用利用可能な形式で公開した。HKU NLP GroupのDream-v0-Instruct-7Bをベースに追加事前学習と指示学習を行い、ELYZA-Diffusion-Base-1.0-Dream-7BとELYZA-Diffusion-Instruct-1.0-Dream-7Bを公開している。
ELYZA 技術ブログ（Zenn）AIスコア3838 日本語特化拡散言語モデル「ELYZA-LLM-Diffusion」の公開
ELYZAは、日本語性能に特化した拡散言語モデル「ELYZA-Diffusion-Base-1.0-Dream-7B」と「ELYZA-Diffusion-Instruct-1.0-Dream-7B」の2種を公開した。両モデルは約70億パラメータで、Apache License 2.0のもとで提供される。初期モデルはDream-v0-Instruct-7Bで、約620億トークンの日本語コーパスによる継続学習と、約1.8億トークンによるInstruction Tuningを行っている。主に研究用途や検証用途での利用を想定している。
SB Intuitions ブログAIスコア3939 Sarashina2.2-Vision-3B：コンパクトかつ性能が高いVLMの公開
SB Intuitionsは、VLM「Sarashina2.2-Vision-3B」をMITライセンスのもとで公開した。Sarashina2.2-3B-Instructをベースに開発され、HuggingFace Hubから利用できる。同サイズ帯では日本語ベンチマークでトップクラスのスコアを達成したという。
ELYZA（note）AIスコア5353 ELYZA、日本語推論モデル「ELYZA-Thinking-1.0-Qwen-32B」を商用利用可能な形で公開
ELYZAは、日本語の論理的思考能力を強化した推論モデル「ELYZA-Thinking-1.0-Qwen-32B」をApache 2.0ライセンスで公開した。320億パラメータでo1-miniに匹敵する性能を達成したとしている。開発過程で得られた「ELYZA-Shortcut-1.0-Qwen-32B/7B」も併せて公開している。