Gemini 3.8 Flash TTS、Artificial Analysisの発音ベンチマークで89.5%を記録し首位
Artificial AnalysisのPronunciation Robustnessベンチマークで、Gemini 3.8 Flash TTSは89.5%を記録し、Gemini 3.1 Flash TTS、SpaceXAI TTS、Gemini 3.8 Flash-Lite TTSを上回った。個別の発音カテゴリーの首位は、複数のモデルに分かれている。
AIニュース
Polymarketによると、DeepSeekが最大38万のサンドボックス向けに設計されたAIエージェント訓練システムを公開
Polymarketによると、このシステムは最大38万のサンドボックスを同時に稼働させ、「エージェントの不適切な行動」を抑制するよう設計されている。
ChatGPT Voiceがプラグイン、GPT-6モデル、ChatGPT Workを利用可能に
OpenAIによると、ChatGPT Voiceはメール、カレンダー、Slackなどのプラグインを使え、GPT-6のAstra、Sol、Lunaで動作し、ウェブとモバイルのChatGPT Workでも利用できる。この更新は、最新版アプリで本日より世界中に展開されている。
Arena.ai、Code Arena: WebDevでGPT-6 Sol（Max）を4位にランク
Arena.aiによると、OpenAIのGPT-6 Sol（Max）はCode Arena: WebDevで1,689点を獲得して4位となり、入出力を合わせた価格は100万トークンあたり8ドルだった。GPT-5.6 Sol（xHigh）を72点上回り、Arena.aiはGPT-6 Lunaのスコアはまだ確定していないとしている。
Recraft V4.1 FlashがOpenRouterで提供開始
OpenRouterはRecraft V4.1 Flashを、画像1枚あたり0.007ドル、生成時間1.3秒で掲載している。写真、ポートレート、複雑なシーン、ロゴ、初期コンセプトでも、出力は依然としてRecraftらしい見た目だとしている。
MAI-Image-2.6をFoundryとOpenRouterで試せる
Microsoft AIは、MAI-Image-2.6をFoundryとOpenRouterで試せるとしている。
Microsoft AI、画像のEloは9カ月で864から1147に上昇したと発表
Microsoft AIはこのペースを年377ポイント、ボード上で次に速い上昇の1.6倍としている。
Microsoft AI、MAIの画像生成ヒルクライミングは他のどのラボより61%速いと発表
Microsoft AIによると、MAIは10カ月でテキストから画像のEloを283上げ、パレートフロンティアの最適化を進めつつ、画像生成のヒルクライミング速度を他のどのラボより61%上回った。
Polymarket puts the chance of a U.S. AI safety bill at 13%
Polymarket says there is a 13% chance the United States enacts an AI safety bill. The associated market is https://poly.market/kJZeyQY.
Polymarketによると、Bernie SandersがBan Artificial Superintelligence Actを提出した
Polymarketによると、この法案は超知能AIを恒久的に禁止し、違反には最長20年の懲役を科すという。
LangChainのManaged Deep Agentsがcronスケジュールで実行可能に
schedules/内に置き、cron式とプロンプトを含むスケジュールファイルをデプロイすると、Managed Deep Agentが自動で実行される。
Robin Huangは、1つのAPIでSeedance 2.5、GPT Image 2.5、Nano Bananaを利用できると述べている
3つのモデルは、comfy、wavespeed、runware、fal、higgsfieldの1つのAPIからリクエストでき、送信先は価格と提供状況によって決まる。
GitHub、9月24日からCopilot SDKの初心者向けライブ配信を開催
GitHubは9月24日から、エージェントループを実装せずにGitHub Copilot SDKでエージェント型アプリケーションを構築する方法を扱う初心者向けライブ配信を開催する。シリーズには.NETとJavaのセッションが含まれ、申し込みは6言語に対応する。
Google GeminiがWisprFlowで会議を要約できる
Google GeminiはWisprFlowを使って会議の要約、音声メモの記録、アクション項目の抽出ができ、直近の会議で出た決定事項も含められる。
ポケットラジオのサンプルがESP32-S3をWebRTC経由でCloudflareに接続
このサンプルは、ESP32-S3からCloudflare WebRTC経由で音声とテレメトリをブラウザへ送信し、1人のリスナーが操作できるようにする。人とエージェントがそこから構築できるよう提供されている。
Microsoft Researchの調査結果は、AI推論をロボットの外へ移すことでタスク成功率を高められると示す
調査結果はまた、この手法が効率を高め、より高度なフィジカルAIのワークロードを支えられるとしている。
ComfyUIが画像、動画、3D、音声モデル向けのComfy Routerを公開
Comfy Routerは同じモデル文字列と引数を維持し、新しいSDK、キー、再デプロイは不要。課金はComfyクレジットで、サブスクリプションやRouter利用料はなく、公開時のプロバイダーはComfy、Runware、Wavespeed、Fal、Higgsfield。
Geminiが新たに13のアプリと連携できるようになった
新たな連携先にはadobe、squarespace、onepelotonが含まれる。Google Geminiによると、タブを切り替える代わりに、Gemini上で事業を成長させ、アセットをデザインし、ワークアウトを計画できる。
NimbleがChatGPTとCodex向けのOpenAIプラグインとして提供開始
Nimbleによると、このプラグインはPluginsタブで利用でき、ChatGPTとCodexはウェブ検索とコンピューター操作を組み合わせ、実行のたびに取得方法を調整し、ソース制御、信頼度スコア、根拠を付与できる。
Center for AI SafetyがHLE-Diamondを公開、Humanity's Last Examの精選サブセット
HLE-Diamondは、研究コミュニティからの意見を取り入れた1年にわたるクリーニングと精緻化を経ており、ScaleAILabsとともに公開される。