テキストの先へ。画像と文章の混在、音声や動画の入出力を扱うモデルと製品。
Microsoft AIは、ヘルス分野で自社の価値観を製品設計や提携に反映していると説明した。Mayo Clinicと医療特化のフロンティアAIモデルを共同開発しており、米国ではCopilot Healthのプレビューを開始している。
選定理由：ヘルス分野でMicrosoft AIが価値観をどう設計や提携に落とし込むかを、利用規模やMayo Clinicとの協業を軸に整理している。
Google Researchは、I/O 2026で披露した研究成果を公式ブログで総括した。Gemini for Scienceを発表し、ERAとCo-ScientistはNatureに掲載されたと説明している。医療ではSymptom AIやAMIE、MedGemmaを取り上げ、気象ではWeatherNextやGroundsourceによる洪水予測も紹介している。
選定理由：科学、医療、気象、量子など分野ごとにGoogle Researchの成果と提供状況が整理されており、I/O 2026の研究面の全体像を把握しやすい。
Google DeepMindは、画像・音声・動画・テキストを入力して動画を生成し、会話で編集できる新モデルGemini Omni Flashを発表した。Gemini app、Google Flow、YouTube Shortsで提供を開始し、Google AI Plus、Pro、Ultraの購読者が利用できる。今後数週間で開発者や企業向けにAPIでも展開する予定である。
選定理由：動画の会話編集や参照入力、SynthIDによる透明性対応まで、提供範囲と併せて整理されており、利用可否を判断しやすい。
Googleは、撮影後に写真のカメラ視点を調整する新手法をGoogle PhotosのAuto frame機能として提供開始した。写真を3Dシーンとして解釈し、見えていなかった部分を生成AIで補う。人物を含む対象写真では、再構図された画像がAuto frameの候補の2番目として選べる。
選定理由：3D推定と生成的補完を分けた二段構成と、Google Photosで使える範囲が具体的に説明されており、写真編集の仕組みを理解しやすい。
Mistral AIはMistral Small 4を発表した。Magistralの推論、Pixtralのマルチモーダル、Devstralのエージェント型コーディングを1つのモデルに統合し、Apache 2.0ライセンスで公開している。119B総パラメータのMoEで256kコンテキストウィンドウに対応し、Mistral Small 3と比べてレイテンシ重視設定でエンドツーエンドの完了時間を40%削減、スループット重視設定で毎秒リクエスト数を3倍にした。
選定理由：推論、マルチモーダル、エージェント型コーディングを1モデルに統合した構成と、出力長を抑えた比較が示されており、モデル選定の軸を整理しやすい。
Mistral AIは次世代モデルMistral 3を発表した。14B・8B・3Bの小型denseモデルと、アクティブ41B・総計675BパラメータのMoEであるMistral Large 3で構成し、全モデルを Apache 2.0 ライセンスで公開する。Mistral Large 3はLMArenaでOSS非推論モデル部門2位、Ministral 3 14Bの推論版はAIME '25で85%を記録した。
選定理由：3B・8B・14Bの小型モデルと675B規模のMoEを同じ Apache 2.0 で公開しており、用途別の選択肢と配布先を比較しやすい。