#multimodal

OllamaがGoogle DeepMindのEmbeddingGemma 2に対応し、開発者がマルチモーダルなオンデバイス埋め込みモデルをローカルで実行できるようになりました。

Google DeepMind、オンデバイス向けマルチモーダル埋め込みモデル「EmbeddingGemma 2」を発表

Google DeepMindは、オンデバイス埋め込み向けの初のネイティブマルチモーダルオープンモデル「EmbeddingGemma 2」を発表した。テキスト、コード、画像、音声、動画を共通の空間に統合する。

Deep Agents、OpenAI Responses の対応ファイル形式を拡充

Sydney Runkle 氏によると、Deep Agents は OpenAI Responses で PDF だけでなく docx、pptx、xlsx、csv、json、markdown ファイルのサポートを追加し、オプトイン方式のバイナリオフロード機能と信頼性の向上に向けた修正を実施した。

LongCat-2.5-Preview が OpenCode で2週間無料

OpenCode は、LongCat-2.5-Preview が2週間無料だとしている。プレビューは100万のコンテキストウィンドウを備え、マルチモーダルで、データ保持ゼロを採用している。

QwenチームがネイティブマルチモーダルのQwen3.8-Omni-Flashを発表

Qwen3.8-Omni-Flashは、テキスト、音声、動画にわたる長期的なエージェントタスク向けに学習され、Qwen3.8-NextのスパースMixture-of-Experts設計と100万トークンのコンテキストウィンドウを用いる。オープンソースの2つのフレームワーク、Qwen-MM-PluginsとQwen-Live-Harnessが、マルチモーダルおよびリアルタイムのエージェント対応を追加する。

Perceptron Mk1.5がOpenRouterで提供開始

OpenRouterは現在、Perceptron Mk1.5を提供している。同社はこれを、物理エージェント向けのPerceptronの身体化推論モデルだと説明している。このモデルはテキスト、画像、動画、音声を受け付け、テキストに加えて点、ボックス、ポリゴン、動画クリップで応答できる。

Space Bunny AlphaがCommand Codeで無料に

Command Codeは、ステルスモデルと呼ぶSpace Bunny Alphaを全プランで無料提供している。このモデルは1Mコンテキストを備え、マルチモーダルに対応する。

Clineによると、Stealth Bunny AlphaがClineで無料に

Clineによると、このステルスモデルはClineで無料で利用でき、マルチモーダル入力と100万トークンのコンテキストウィンドウを備える。Clineはまた、推論が速く、コーディング能力が高いとも説明している。

OpenRouter、100万トークンのコンテキストを持つSpace Bunny Alphaを追加

OpenRouterはSpace Bunny Alphaを、高速な推論と調整可能な推論を備えたフラッシュモデルと説明している。テキスト、画像、動画の入力に対応する。

Xiaomi MiMo-V2.6モデルがB.AIで利用可能に

B.AIは、Xiaomi MiMoのオープンウェイトモデルであるMiMo-V2.6-ProとMiMo-V2.6-Flashを、APIとウェブチャットで提供している。いずれもネイティブなマルチモーダル推論モデルで、コンテキストウィンドウは100万、テキスト、画像、動画、音声をすべて理解できる。

小米のMiMo-V2.6シリーズがB.AIで提供開始、APIとウェブチャットを同時開放

B.AIは小米のMiMo-V2.6-ProとMiMo-V2.6-Flashを提供し、APIとウェブチャットを同時に開放した。両モデルは100万トークンのコンテキストに対応し、テキスト、画像、動画、音声を扱える。