#open source のAIニュース
133件の記事
アント・グループ傘下のエンボディドAI企業「Robbyant」が、密集空間知覚向け10億パラメータのビジョン基盤モデル「LingBot-Vision」をオープンソース化
アント・グループ傘下のエンボディドAI企業「Robbyant」は、画像内の微細な空間構造を保持する自己教師ありVision Transformerである「LingBot-Vision」をApache-2.0ライセンスで公開した。同モデルは密集空間知覚に特化しており、4種類のサイズと技術報告書、推論コードがHugging Faceで利用可能となった。
Liquid AI が推論モデルの無限ループを防止する新手法「Antidoom」をオープンソース化
Liquid AI は、推論モデルで発生しやすい出力の無限ループ（ドゥーム・ループ）を防ぐための新しい最適化手法「Antidoom」を公開した。この手法は特に小規模な推論モデルにおいて、複雑な数学やコーディング問題での繰り返し出力を抑制する効果がある。
2026年第1四半期イノベーショングラフ更新：オープンソース協力が世界で加速
GitHubは、2026年第1四半期のデータに基づき、異なる経済圏間の開発者によるアウトバウンド協力（gitプッシュやプルリクエストの合計）が前四半期比16%増加したと発表した。これはオープンソース協力が世界的に加速していることを示す指標である。
Vercel、オープンソース認証ライブラリ「Better Auth」の買収を発表し加速化を推進
Vercel は、週間ダウンロード数 470 万件を超える TypeScript 製認証ライブラリ「Better Auth」の開発元を買収した。創業者らも Vercel に合流し、エージェントアイデンティティ分野での開発を継続する。
2026 年中時点の CLI コーディングエージェントの現状（37 分読了）
TLDR AI は、Claude Code、Codex CLI、Omp の 3 つが同等の品質で機能し、複雑なリポジトリの計画・編集・修復が可能であると報告した。一方、OpenCode は結果の質は低いがあらゆるモデルへの対応に努めていると分析している。
Interfaze が拡散型 ASR モデル「diffusion-gemma-asr-small」を公開、6 か国語の並列ノイズ除去デコーダーで音声認識を実現
YC 支援企業 Interfaze は、260 億パラメータのバックボーンを凍結し、4200 万パラメータのみで訓練した拡散型 ASR モデル「diffusion-gemma-asr-small」をオープンソース化しました。このモデルは自己回帰方式ではなく並列ノイズ除去デコーダーを採用し、1 つのアダプターで 6 か国語の音声認識を可能にします。
アリババのページエージェント：DOM を介して自然言語で Web インターフェースを制御する JavaScript 内蔵 GUI エージェント
アリババが公開したオープンソースプロジェクト「Page Agent」は、外部プロセスではなくウェブページ内に JavaScript として埋め込まれ、スクリーンショットや多モーダルモデルを使わずに DOM を直接読み取って自然言語で Web インターフェースを操作する技術です。
Simon Willison Blog の llm-coding-agent 0.1a0 リリース
Simon Willison が自身の LLM ライブラリを基盤とした、シンプルなコーディングエージェントの原型となる Python ライブラリ「llm-coding-agent」の初期バージョン 0.1a0 を公開した。これは Fable 5 の実験プロジェクトである。
大規模モジュラー LLM：デンマーク基盤モデルプロジェクトが FlexOlmo を活用し、機密データを共有せずに専門知識を集約する方法
デンマークの基盤モデルプロジェクトは、FlexOlmo を基盤とした効率的なモジュラー LLM 構造「FlexMoRE」を採用している。これにより、各機関は機密や独自データで訓練された専門モデルを貢献でき、データを共有せずに済む。また、結果として得られるモデルは高アクセシビリティのハードウェア上で実行可能となる。
Google Cloud の力を活用した VS Code での ML 開発：Workbench エクステンションが利用可能に
Google が、VS Code からスケーラブルなクラウドベースの Jupyter 環境へ直接接続できる「Cloud Workbench Notebooks」エクステンションを正式にリリースしました。これにより、開発者はローカル IDE で機械学習ライフサイクルをシームレスに管理できるようになります。
Ahmad Osman が語る、ローカル AI の追い上げの理由
AI エンジニア世界博で講演した Ahmad Osman は、自身のコンピュータや専用ハードウェア上でモデルを実行する「ローカル AI」が急速に追いついていると主張している。
Meta AI、非侵襲型脳からテキストへ変換する「Brain2Qwerty v2」を公開し、タイピング中の文章を61%の単語精度で復元
Meta AIは、埋め込み手術を必要としない非侵襲型の脳波記録（MEG）を用いて、ユーザーがタイピングしている際の脳信号から自然な文章をリアルタイムに解読する「Brain2Qwerty v2」を発表した。このシステムは、61%の単語精度で復元可能であり、関連する学習コードも公開された。
Vercel オープンソースプログラム：2026 年春期コホート募集開始
Vercel は、開発者コミュニティの成長を支援するため、4 年に一度新プロジェクトを受け入れる「Vercel オープンソースプログラム」の 2026 年春期参加者を募集中であり、採用されたメンテナーには資金やリソースが提供される。
EverMind が公開したオープンソースの Markdown フォーカス型エージェントメモリランタイム「EverOS」を紹介
AI エージェント開発者向けに、EverMind が Apache 2.0 ライセンスで「EverOS」というオープンソースのメモリランタイムを公開しました。これは大規模言語モデルが状態を持たないという課題に対し、ベクトルデータベースに依存せず、Markdown ファイルを事実源として記憶を保存・編集・検索する仕組みを提供します。
[AINews] メタハーネスの夏が到来
メタハーネスの歴史を振り返り、ダatabricks の CTO マタイ・ザハリヤ氏が、あらゆるコーディングや知識作業を取り込むためのオープンソースでプラグ可能アーキテクチャ「オムニジェント」に賭けていると報じる。
ブラウザ互換性データベースをSQLite化
Simon Willison氏が、MozillaのMDNが提供する包括的なブラウザ互換性情報データを基に、SQLiteデータベース形式に変換するプロジェクト「simonw/browser-compat-db」を開始した。
ツール、メモリ、権限、スキル、マルチエージェント協調を備えた OpenHarness スタイルのエージェントランタイム設計方法
MarkTechPost は、エージェントシステムの実用的な仕組みを理解するため、ツール使用やマルチエージェント協調など主要な構成要素から OpenHarness をゼロから構築するチュートリアルを提供している。
Fluree DB (GitHub Repo)
Unlimited OCR Works（GitHub リポジトリ）
DeepSeek OCR をベースに定数 KV キャッシュ設計を組み合わせ、人間の作業記憶を模倣する「Unlimited OCR」モデルが開発された。この技術により、32K の最大長制限下で数十ページの文書を単一の順次処理で転写可能となり、音声認識や翻訳タスクにも応用できる。
Dependabot の Python 3.9 サポート終了と新バージョン対応
GitHub が提供する依存関係管理ツール「Dependabot」は、サポート期限が切れた Python 3.9 の利用を廃止しました。引き続き Python 3.9 を使用すると更新用プルリクエストが作成されなくなるリスクがあるため、2026 年 5 月時点で最新となる Python 3.14 へのアップグレードが必要です。
AI、オープンツール、人間をループに組み込みながら huggingface_hub を毎週リリース
Hugging Face は、AI とオープンツールの活用に加え、人間のフィードバックをループに組み込むことで、huggingface_hub の毎週の更新を可能にした。
SpaceX、オープンソース AI ラボの Reflection AI と計算リソース契約を締結
宇宙企業 SpaceX が、オープンソース AI 研究機関である Reflection AI と計算資源の利用に関する契約を結びました。
Hugging Face に PP-OCRv6 を公開：150 万パラメータから 3450 万パラメータへ拡張した 50 カ国語対応 OCR
Hugging Face が、PP-OCRv6 モデルを公開しました。このモデルは、パラメータ数を 150 万から 3450 万に増やすことで、50 の言語に対応する高精度な OCR（光学文字認識）機能を実現しています。
OpenClaw リポジトリのトリアージをローカルモデルで無料で行えるようになりました！
Hugging Face が、OpenClaw リポジトリの内容をトリアージするためにローカルモデルを利用する仕組みを無料で提供開始した。
Cisco AI、FAPO（パイプライン対応プロンプト最適化）を発表：ステップごとの失敗特定とClaude Codeによるオーケストレーションを実現
Cisco AIは、LLMアプリケーションの信頼性向上を目的とした「FAPO」というシステムを導入した。これはClaude Codeを活用し、多段階パイプラインにおける各ステップの失敗箇所を特定しながらプロンプトを自動最適化する技術である。
Domyn と AISquared が Ai2 のオープンリリースをどう活用したか
Domyn と AISquared は、透明性やライセンス管理が不可欠な規制業界向けに AI モデルを開発する際、Ai2 のオープンソースリリースを活用している。これにより顧客の信頼とコンプライアンス確保を実現している。
エージェント性は十分か？独自ツールを用いたオープンモデルのベンチマーク調査
Hugging Face が、独自に構築したツール環境において、オープンソースモデルがどれほど「エージェント性」を発揮できるかを評価するベンチマーク手法を発表しました。
Hugging Face Hub からロボットハードウェアへ：Strands Agents と LeRobot の連携
Hugging Face が、同社のプラットフォーム上で開発された Strands Agents および LeRobot を活用し、AI モデルを直接ロボットハードウェアに展開する取り組みを発表した。
eve の紹介：エージェント構築・実行・スケーリングのためのオープンソースフレームワーク
Vercel は、生産環境での動作に必要な部品を組立ずに定義だけでエージェントを構築できるオープンソースフレームワーク「eve」を発表した。同社は自社のエージェント開発にこのフレームワークを採用している。
Android 17 が AI エージェント統合を拡大（8 分読了）
Google は Android 17 で AppFunctions と Android MCP を導入し、オンデバイス AI エージェントがアプリからツールを発見・実行できる機能を追加した。これはプラットフォーム全体での AI 統合を深める「インテリジェンスシステム」への移行の一環である。
エージェント構築・運用・スケーリングのためのオープンソースフレームワーク「eve」の公開
Vercel が、ファイル構成でエージェントを定義し、耐久性実行やサンドボックス機能などを備えたオープンソースフレームワーク「eve」を一般プレビューとして発表した。
Google Cloud、AI エージェントに構造化された文脈を提供するベンダー中立の Markdown 仕様「Open Knowledge Format（OKF）」を発表
Google Cloud は、LLM の知識不足という課題に対処するため、表スキーマやメトリック定義などを整理した形式を標準化するオープン仕様の「Open Knowledge Format（OKF）」を発表しました。これにより、AI エージェントが散在する情報を統合的に活用できるようになります。
レイアウト認識ドキュメントインテリジェンスのための Docling Parse を用いた解析パイプライン構築方法
MarkTechPost は、Docling Parse を使用して PDF ドキュメントの詳細な構造レベルで分析するワークフローの構築方法を解説しています。このチュートリアルでは、安定した Python 環境の準備や Colab の依存関係問題への対処法を説明し、テキストや表、画像を含むカスタム多ページ PDF を生成する方法を示します。その後、Docling Parse で単語や文字、行を抽出して座標情報を取得し、可視化オーバーレイを描画して構造化された JSON や CSV ファイルとして保存する手順を紹介しています。
OLMO-EVAL：モデル開発ループのための評価ワークベンチ（7 分読）
TLDR AI は、反復的な大規模言語モデルの開発を支援する新しい評価ワークベンチ「OLMO-EVAL」を発表しました。このツールは既存の OLMES 基準を強化し、ベンチマークの追加やエージェント型・多ターン評価を簡素化します。
MiniMax のスパースアテンション技術が百万トークンコンテキストを実現（GitHub リポジトリ）
MiniMax が開発したスパースアテンションアーキテクチャは、グループ固有の Top-k ブロック選択を用いて、モデル品質を維持しつつ 109B モデルで 1M トークンの推論計算量を約 30 倍削減し、GQA と同等のパフォーマンスを達成しました。
カウント・アンイシング（2 分読了）：テキストガイド付き汎用オブジェクト計数モデルの提案
TLDR AI は、特定ドメインに依存せず多様な視覚領域や物体スケールに対応する、テキストガイド付きの一般化型オブジェクト計数モデル「Count Anything」を発表した。既存モデルの汎用性の低さを克服し、高精度な計数を可能にする。
Pyodide で利用可能な WASM ウィールを PyPI に公開する方法
Simon Willison は、Pyodide や PEP 783 に準拠する Python ランタイム向けにビルドされたパッケージを、直接 PyPI に公開してインストールできるようになったと報告した。
city2graph、OSMnx、PyTorch Geometricを用いた都市機能推論のための空間グラフニューラルネットワークの実装チュートリアル
MarkTechPostが公開したチュートリアルでは、OpenStreetMapから収集した実データと合成データを組み合わせて都市のPOI情報や道路網を取得し、city2graphツールで空間特徴を設計。その後、異種・同種のグラフ構造を構築して異なるグラフ構築戦略の比較を行うエンドツーエンドの学習パイプラインを実装する方法を解説している。
OLMO-EVAL：モデル開発ループのための評価ワークベンチ
Allen AI（AI2）は、大規模言語モデルの開発プロセスを支援するオープンソースの評価ワークベンチ「OLMO-EVAL」を発表した。これは最終スコアの再現性から日常の開発ループへと拡張されたものであり、開発者が異なるチェックポイント間でベンチマークの追加・実行・分析を容易に行えるように設計されている。
シャオミのオープンソース・エージェント型 AI コーディングハルネス「MiMo Code」が、200 ステップを超える超長尺タスクにおいて Claude Code を上回る
シャオミが開発したオープンソースのターミナルネイティブ AI コーディングアシスタント「MiMo Code V0.1.0」は、独立したサブエージェントによるクロスセッション記憶システムを備え、200 ステップを超える長期的な多段階タスクにおいて Claude Code を上回る性能を示す。
データセット 1.0a33 のリリース
Simon Willison が開発するオープンソースツール「Datasette」がバージョン 1.0a33 を公開した。このアルファ版は、テーブルだけでなくクエリや行にも「?_extra=」パターンを拡張し、安定版 1.0 への重要な一歩となった。
Cohere が開発者向けコード生成モデル「North Mini Code」を発表：30B パラメータの MoE アーキテクチャで 3B アクティブ
Cohere AI チームは、ソフトウェアエンジニア向けのオープンウェイトコード生成モデル「North Mini Code」を公開した。このモデルは総パラメータ数 30B の混合専門家（MoE）アーキテクチャを採用し、トークン処理時に 3B のパラメータのみが活性化するように設計されている。
DiffusionGemma：Google の高速テキスト生成モデルが再登場
Google は昨年実験的に公開した Gemini Diffusion モデルの研究を再開し、DiffusionGemma として再発表しました。このモデルは以前 1 秒間に 857 トークンの生成速度を記録しており、テキスト生成の高速化に寄与する技術です。
DiffusionGemma：テキスト生成が4倍高速化
Google DeepMind は、新しい手法「DiffusionGemma」を発表し、テキスト生成の速度を従来の4倍に向上させることに成功しました。
退屈な PDF タスクを自動化する Python スクリプト 5 つ
KDnuggets は、PDF の処理や変換など日常的な作業を自動化するための有用な Python スクリプト 5 つを紹介した。
FlashMemory DeepSeek-V4 リトリーバー（GitHub リポジトリ）
FlashMemory は、DeepSeek-V4 の KV キャッシュのうち将来のトークンが参照する可能性が高い断片を予測し、GPU 上に最も関連性の高い断片のみを保持します。これにより、デバイスのメモリ使用量を約 10〜15% に抑えつつ、下流タスクのパフォーマンスを維持または向上させることが報告されています。
Pinecone が SaaS および BYOC 向けのオープンソース監視スタック「Full Observability」を発表
ベクトルデータベースの Pinecone は、SaaS および BYOC（Bring Your Own Cloud）環境における完全な可観測性を実現する新しいオープンソースの監視スタックを導入したと発表した。
マイク不要で Amazon Nova Sonic ボイスエージェントを大規模に評価可能に
AWS は、自然な音声対話を行うビジネス用ボイスエージェントのテスト課題に対し、マイクを使用せずに大規模な評価を実施できる新手法を発表した。
Datasette Agent Edit 0.1a0 のリリース
Simon Willison が、既存テキストの編集を可能にする「Datasette Agent」向けプラグイン「datasette-agent-edit」のバージョン 0.1a0 を公開した。これは共同 Markdown 編集や大規模 SQL クエリの更新などを支援する機能を含む。
Harness-1 の紹介：gpt-oss-20b を基盤とし、状態管理型検索ハネス内で強化学習を用いて訓練された 20B パラメータの検索サブエージェント
イリノイ大学アーバナ・シャンペーン校や UC バークレーなどの研究者チームは、既存の検索エージェントが検索判断と記憶管理を同時に最適化しようとする課題に対し、Harness-1 と呼ばれる 20B パラメータの検索サブエージェントを開発した。このモデルは gpt-oss-20b を基盤とし、状態管理型検索ハネス内で強化学習を用いて訓練されている。