Video Rebirth は、MiniMax-H3 を約 14B に圧縮した HyperFlow H3 Flash を公開しました。4〜8 ステップの推論で 768p の動画と同期音声を同時生成でき、Q4 版は 9.1GB まで軽量化され 24GB の家庭用 GPU で動作します。4 基の B200 を使えば実時間生成も可能になり、高品質な動画生成のローカル導入が一気に身近になりました。
NVIDIAは企業データ上に意味論的な推論層を構築するフレームワーク「Auto Ontology」を公開した。業務指標とデータベース定義を統一して紐づけ、エージェントが検証済みの正確なSQLを生成して根拠付きで回答できるようにする。MCPにも対応する。
NVIDIAは物理AI向け基盤「Cosmos Framework」とNIMを発表した。自動運転のマルチカメラ映像とLiDARデータの同期生成や手術シミュレーションに対応。LoRAや各種強化学習パイプラインをサポートし、H200上の投機的デコードにより推論速度を2〜3倍に高める。
Metaが中国のロボット企業Fourierと共同で、家事支援を目的とした初の人型ロボット試作機「Max」を3カ月で開発したと報じられた。身長約1.5メートル、重さ約48キロで、NvidiaのJetson Thorを搭載する。現実世界でAIを訓練する物理プラットフォームとして活用し、すでに第2世代の開発も進めている。
NVIDIAはオープンウェイトの音声モデル「Nemotron 3.5 Transcribe」を公開した。文字起こし、最大8人の話者分離、翻訳、音声Q&Aを1つのモデルに統合し、40言語と最長1時間の音声に対応する。300億パラメータのMoE構造で動作時の負荷を約40億に抑え、主要なオープンベンチマークで首位を獲得した。
NVIDIAはリアルタイム動作生成モデル「MotionBricks」をオープンソースで公開した。前後の目標ポーズを指定するだけで中間の自然な動作を補完し、障害物の乗り越えや着席などの動きをブロックのように連結できる。SOMA人体モデルとUnitree G1向けモデルがGitHubで利用可能だ。
DeepSeekはDeepSeek-V4.1-Flashを支える推論基盤「DeepInfer」をオープンソース公開した。NVIDIA SM100に加えHuawei Ascend 950 NPUにも対応し、NVIDIA製GPUなしでの配備を可能にする。完全な運用にはKVキャッシュの別途構築が必要だが、脱NVIDIAの選択肢として注目される。
NVIDIAはエージェントAI向けモデル群「Nemotron 3.5」を発表した。120Bパラメータの「Super VL」は同級モデルと比べ最大5倍のスループットを誇る。さらに2ビット量子化で24GBメモリ環境でも動く「Bolt 74B-A9B」も公開し、企業が高度なエージェントをローカルで安全に運用できるようにする。
Black Forest Labsは5.6Bパラメータの画像生成モデルFLUX 3 Image Kleinの重みをオープンソースとして公開しました。ネイティブ4K生成や高精度編集に対応し、INT8版により8GBのGPUメモリ環境でもローカル実行できます。
NVIDIA は MiniMax H3 ベースの映像生成システム「Stream Render H3」をオープンソースで公開した。ゲームエンジンが生成した簡易マップから AI がリアルタイムに高品質な描画を行う。ただしリアルタイム動作には 8 基の GP200 GPU と 200GB 以上の容量が必要となる。
MicrosoftはNvidiaのRTX Sparkチップを搭載した「Surface Laptop Ultra」を発表した。価格は2600ドルからで、AIモデルを端末上でローカル実行できる。Windows 11にはAIエージェントを隔離する「実行コンテナ」機能が追加され、MacBook Proの下取りで最大1000ドル引きとなる。
Googleは画像・動画・音声がAI製かを判定できる「SynthID Detector」を世界中で一般公開した。これまでは報道関係者向けだったが、誰でも無料で利用可能になった。OpenAI、NVIDIA、Kakaoの生成物に対応し、近くAppleも加わる予定だ。
NVIDIAはGB10 Grace Blackwellを搭載した「DGX Spark 64GB」を10月23日に4999ドルで発売すると発表した。単体で1000億パラメータのモデルを実行でき、2台をQSFPケーブルで直結すれば128GBのメモリプールを構成可能。クラウドに頼らず手元で自律型エージェントを動かせるのが特徴だ。
Nvidiaのジェンスン・フアンCEOをはじめとする業界リーダーがホワイトハウスで「超知能協定」に署名した。先進AIを開発する企業が安全な開発と展開に第一義的な責任を負うことを明記。厳格な内部統制、独立した外部評価、取締役会レベルの監督体制を整え、不備があった際の説明責任を果たすことを誓約した。
トランプ米大統領は連邦行政機関の公式文書やウェブサイトで「人工知能（AI）」の呼称を廃止し、「スーパーインテリジェンス（超知能）」への置き換えを義務付ける大統領令に署名した。過去の規制は遡及変更されないが、今後の公式の場ではAIという語の使用が禁じられる見通しだ。トランプ氏は「superが最も優れた言葉だ」と述べた。
NVIDIAとウォータールー大学がマルチモーダルモデル「PixelUMM」をオープンソース公開した。VAEや視覚エンコーダーを使わず、Qwen3-8Bをベースに生のピクセル空間で直接画像と動画の理解および生成を両立する。潜在空間を介さないシンプルな統合アーキテクチャとして注目される。
NVIDIAの研究チームが動画精緻化モデル「SoL-Refiner」を発表した。一度のデノイズ処理だけで低解像度動画を最大4Kに引き上げ、MiniMax H3など多様な生成モデルと併用できる。生成時間を最大27倍短縮できる一方、一部の細部が元動画から変化する制約もある。
Fermion Research が英語音声認識モデル「Phonon-2」をオープンソースで公開した。ダウンロード容量はわずか 164MB ながら単語誤り率 5.21% を達成し、M5 MacBook Air であれば 1 時間の音声を約 20 秒でテキスト化できる。
NVIDIAは自律型AI向けの「Open Agent Safety Platform」を発表した。オープンソースの実行環境OpenShellと、BlueField-4 DPUで常時監視するSentry設計を組み合わせ、境界を越えようとしたエージェントをミリ秒単位で隔離する。Anthropicやマイクロソフトなど100社以上が参加している。
Skild AIは基盤モデル「S1」を用いた身体的自己対局の結果を発表した。NVIDIA Isaac Sim内で「ゴールを決める」目標のみを与え、140年相当の対戦を経てドリブルやタックルを獲得し、実機の人型ロボットへ動作移行させた。
