アプリ

aiai ニュース

aiai ニュース 2026-10-16

Roboflow が、自社の画像の比べで Google の「Gemini 4 Argon」が最上位に戻ったと書いています。物の検出は低い設定で 82.5%、高い設定で 85.1% です

VLM米国

画像の AI の道具を作る Roboflow は、自社の画像の比べで、Google の Gemini 4 Argon が全体の 1 位に戻ったと 2026 年 10 月 15 日に書きました。物の検出(mAP@50)は、考える深さを低くした設定で 82.5%、高くした設定で 85.1% で、前に最も良かった Gemini より 10 ポイント以上高いとしています。文字の読み取りのうち、1 つの文字列を取り出す課題は 80.0%(前の Gemini は 71.7%)、JSON の形で取り出す課題は 94.8% です。画像 1,000 枚あたりの費用の見積もりは、低い設定で約 5.80 米ドル、高い設定で約 20.60 米ドルで、GPT-6 Astra の 33.60 米ドルと 73.40 米ドルより安いとしています。ただし、この費用は 11 月 30 日までの導入価格で計算した物です。

この比べは Roboflow が自分で決めた基準の物で、画像の枚数や元のデータは記事に詳しく書かれていません。Google 自身の発表には辿れませんでした。

出典: Roboflow ブログ「Google Is Back! Gemini 4 Argon Leads Our Vision Benchmark」(2026-10-15)、https://roboflow.com/blog/gemini-4-argon-vision 、2026-10-16 に確かめました

Google の「Gemini 4 Argon」は、長い動画の理解の比べで 91.7% です。物に枠を付ける別の比べでも、GPT-6.1 Sol や Claude Opus 5.5 より高く出ています

VLM米国

Google DeepMind は、Gemini 4 Argon のモデルカードを 2026 年 10 月 13 日に出しました。長い動画の理解を測る LVBench は 91.7% で、GPT-6 Astra の 87.5%、Claude Opus 5.5 の 83.7%、Claude Fable 5.1 の 79.7% より高くなっています。グラフを読む Chartography は 71.6% で、GPT-6 Astra の 71.0% とほぼ並んでいます(Google の自己申告です)。LVBench は、数時間に及ぶ長い動画から質問に答えさせる比べです(清華大学と Zhipu AI が作り、ICCV 2025 に出ています)。入力は文字、画像、音声、動画で、コンテキストは最大 100 万トークンです。モデルカードに料金は書かれていません。

Ultralytics は 10 月 14 日に、現実の物の検出 36 種類のデータ(1 種類につき画像 3 枚、計 108 枚)で、物に枠を付ける自動の注釈の 26 のモデルを比べました。Gemini 4 Argon の mAP50 は 0.565 で、GPT-6.1 Sol は 0.491、Claude Opus 5.5 は 0.476、GPT-6 Astra は 0.470 です。工業用の基板と保安検査の X 線の画像は、Argon でも 0.2 を下回りました。費用は 1,000 枚あたり約 7.60 米ドルで、11 月 30 日までの導入価格です(その後は約 15 米ドル)。この比べは Ultralytics が自社の基準で行った物で、記事は、枠は下書きとして人が確かめ、自分の画像で試してから使うよう勧めています。

LVBench の問題の数や動画の平均の長さは、元の論文では確かめていません。防犯カメラや畑のカメラの映像で同じ点数が出るかは、どの資料にも書かれていません。

出典: Google DeepMind「Gemini 4 Argon - Model Card」(2026-10-13)、https://deepmind.google/models/model-cards/gemini-4-argon/
出典: Ultralytics「Gemini 4 Argon Auto-Annotation」(2026-10-14)、https://www.ultralytics.com/blog/gemini-4-argon-auto-annotation
出典: Wang ほか「LVBench: An Extreme Long Video Understanding Benchmark」(ICCV 2025)、https://openaccess.thecvf.com/content/ICCV2025/html/Wang_LVBench_An_Extreme_Long_Video_Understanding_Benchmark_ICCV_2025_paper.html 、2026-10-16 に確かめました

環境省が、2026 年度のクマの人身被害件数の速報値を 9 月分まで更新しました

VLM日本

環境省は、クマに関する情報のページで、「R08年度人身被害件数(速報値)」の表(PDF)を 2026 年 10 月 14 日に更新しました。2026 年 9 月までの件数が、都道府県別、月別に載っています。数字は速報値で、変わることがあり、件数の数え方も県ごとに違うと、ページに書かれています。表の中の数字は、PDF が表の形で、文字として読み取れなかったため、ここには書きません。カメラで見つけて知らせる仕組みの実証が各地で続いており、その背景の数字として、元の表で確かめられます。

出典: 環境省「クマに関する各種情報・取組」(2026-10-14 更新)、https://www.env.go.jp/nature/choju/effort/effort12/effort12.html
出典: 環境省「R08年度人身被害件数(速報値)」(PDF)、https://www.env.go.jp/nature/choju/effort/effort12/r08injury-qe.pdf 、2026-10-16 に確かめました

TOPPAN が北海道の八雲町で、農地のカメラ 4 台でクマを見つけて職員にメールで知らせる実証を、11 月 30 日まで行っています

VLM日本

TOPPAN(トッパンホールディングス)と北海道八雲町は、出没の多い農地など 4 か所に屋外カメラを置き、AI がクマを見つけると職員にアラートメールを送る実証を、2026 年 9 月 18 日から 11 月 30 日まで行っています。カメラは、ソーラー給電の汎用カメラ 1 台と、機器の中で解析するエッジ AI カメラ 3 台です。職員は、統合管理プラットフォーム「PosRe」の地図で、位置、日時、画像を確かめます。検証するのは、昼夜や天候が変わる屋外での検知の精度と誤検知の抑え方、機器の安定性、これまでの人手の運用と比べた手間の減り方です(TOPPAN の発表です)。

TOPPAN は、2027 年度中に PosRe へクマ検知と通報の機能を足し、将来はシカやイノシシにも広げる計画としています。結果はまだ公表されていません。

出典: TOPPANホールディングス ニュースリリース(2026-09-18)、https://www.holdings.toppan.com/ja/news/2026/09/newsrelease260918_2.html 、2026-10-16 に確かめました

ドコモが北海道の基地局 2 局に AI のカメラを置き、クマの出没をその場で見つける実証を、11 月 30 日まで行っています

VLM日本

NTT ドコモは、北海道にある基地局 2 局(山の手と白川)に、画像認識 AI とつないだ監視カメラを置き、クマの出没をリアルタイムで見つける実証を、2026 年 5 月 22 日から 11 月 30 日まで行っています。映像は、基地局の近くで処理するドコモの仕組み(docomo MEC)の上の AI で解析します。基地局の周りは携帯の電波が安定しているので、山あいでも映像をすぐ送れ、今ある設備を使うので費用と環境への負荷を抑えられる、としています(ドコモの発表です)。

ドコモは、結果をもとに、クマの被害に悩む自治体へ広げることをめざしています。必要に応じて、出た場所の地図、関係機関への知らせ、威嚇の音を鳴らす指示までを行う仕組みにする計画です。発表は 5 月で、結果の発表は、確かめた範囲では見つかりませんでした。

出典: NTTドコモ トピックス「基地局に設置した AI 搭載カメラによるクマの出没検知システムの実証実験を開始」(2026-05-22)、https://www.docomo.ne.jp/binary/pdf/info/news_release/topics_260522_u1.pdf 、2026-10-16 に確かめました

セーフィーが、いま使っているクラウドカメラでクマを見つけて知らせる「AI-App クマ検知」を、9 月 1 日に始めました

VLM日本

セーフィーは、同社のクラウドカメラの映像から AI がクマを自動で見つけ、すぐ管理者にメールで知らせる機能を 2026 年 9 月 1 日に始めました。いま使っているセーフィーのカメラに足せるので、新しい機器は要らないとしています。夜間に撮れるカメラと合わせると、昼夜を問わず見つけられます。外部への連携の仕組み(Webhook)で、社内のチャット、警戒アラート灯、電光掲示板を動かすこともできます(セーフィーの発表です)。

発表には、料金、対応するカメラの機種、映像の保存期間は書かれていません。カメラの映像には人も写るので、使う側は、映像の扱いを導入前に確かめる必要があります。

出典: セーフィー プレスリリース(2026-08-19 掲載、PR TIMES 配信の転載)、https://www.techno-edge.net/release/prtimes2/20260819/24271.html 、2026-10-16 に確かめました

Meta が上位モデル「Muse Wonder」と「Muse Wonder Full」を 10 月 12 日に出しました。API の料金は入力 100 万トークンあたり 4 米ドル、出力 20 米ドルです

VLM米国

Meta Superintelligence Labs は 2026 年 10 月 12 日に、「最も高性能」とする Muse Wonder と Muse Wonder Full を出しました。Muse Wonder は Meta Model API と、ターミナルで動くコーディングエージェント Muse Code で使えます。Muse Wonder Full は Muse Code の購読者だけが使えます。会話をまたいで必要な文脈を持ち越す「Active Memory」と、難しい場面でも目標を追い、失敗から立て直し、大事な操作の前に確認する「Active Focus」が特徴です。保険の請求、賃貸契約の読み取り、アプリ作りのような仕事を想定しています(Meta の発表です)。発表には具体的な点数がなく、安全性の評価報告は「近日中」とされています。

Meta Model API の料金表では、Muse Wonder 1.0 はコンテキスト 100 万トークンで、入力 4.00 米ドル、キャッシュされた入力 0.20 米ドル、出力 20.00 米ドル(いずれも 100 万トークンあたり)です。同じ表の Muse Spark 1.3 は入力 1.25 米ドル、出力 4.25 米ドルで、入力が Meta の製品の改善に使われない版です。「contributor」の付く版は入力 0.10 米ドル、出力 0.20 米ドルと安い代わりに、表に「製品の改善に使う」と書かれています。画像や動画を渡す仕事に使うときは、渡した内容がどちらの扱いになるかを、先に確かめる必要があります。

出典: Meta「Introducing Muse Wonder and Muse Wonder Full」(2026-10-12、2026-10-13 更新)、https://about.fb.com/news/2026/10/introducing-muse-wonder-models/
出典: Meta「Meta Model API」(日付の記載なし)、https://dev.meta.ai/products/meta-model-api 、2026-10-16 に確かめました

Meta が重みを公開する「Muse Spark Open」を 10 月 15 日に出しました。8160 億パラメータで、画像、動画、音声も入力できます

VLM米国

Meta は 2026 年 10 月 15 日に、重みを公開する Muse Spark Open を出しました。全体で 8160 億パラメータのうち、1 トークンごとに約 420 億を使う構造で、コンテキストは 100 万トークンです。入力は文字、画像、動画、音声です。Meta は「米国製で最も高性能なオープンウェイト」と説明していますが、発表のページに点数の表はなく、比べた相手の名前もありません(Meta の発表です)。ライセンスは Apache 2.0 ではなく、商用に条件がある独自の「Muse Model License」です。

画像と動画の点数は、Hugging Face のモデルカードにあります(いちばん高い推論の設定で、Meta の自己申告です)。比べた相手は Kimi K3 と Inkling の 2 つだけです。動画の VideoMMEv2 は 61.5 で、Kimi K3 の 65.4 より低く、Inkling の 36.9 より高くなっています。画像の ZeroBench(道具あり)は 50.0(Kimi K3 は 41.0)、SimpleVQA(道具あり)は 73.6(同 71.9)、物の動きの理解を測る IntPhys2 は 68.3(同 60.3)で、Spark Open が上です。BabyVision(道具あり)は 80.2(同 85.7)、WorldVQA(道具あり)は 49.4(同 51.0)で、下です。LVBench、Video-MME、MMMU、CharXiv の点数はありません。画像の中の文字を読む力や、物の数え上げ、位置を指す力の点数も、確かめた範囲では出ていません。詳しい評価の報告は「近日中」とされています。動画は、数秒で 100 ピクセルほどの小さい物だと「動画が見えない」と答えることがあり、短い辺は 448 ピクセル以上が勧められています。

動かすのに要る記憶容量は、元の精度で約 1.6TB、NVFP4 で約 530GB です。512GB の Mac Studio(M5 Ultra)2 台を Thunderbolt 5 でつないで MLX で動かす方法と、Unsloth の約 2 ビットの GGUF で約 300GB の RAM と VRAM を使う方法が、Meta の開発者向けのページに書かれています。手元の PC 1 台では足りない大きさです。重みは Hugging Face、Amazon SageMaker、Google Cloud Model Garden、Microsoft Foundry にあり、Groq、Together AI、OpenRouter などの API でも使えます。

出典: Meta AI Research「Introducing Muse Spark Open」(2026-10-15)、https://research.meta.ai/blog/muse-spark-open
出典: Meta「Build with Muse Spark Open」(2026-10-15)、https://dev.meta.ai/resources/blog/build-with-muse-spark-open
出典: Meta「Muse-Spark-Open-816B-A42B」モデルカード(Hugging Face、日付の記載なし)、https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B 、2026-10-16 に確かめました

Meta が 300 億パラメータの「Muse Glimmer」を Apache 2.0 で公開しています。普通の GPU 1 枚や Mac で動かせる大きさです

VLM米国

Meta は 2026 年 8 月 10 日に、重みを Apache 2.0 で公開する Muse Glimmer を出しました。300 億パラメータで、手元で常に動かすエージェント、関数呼び出し、手元でのコーディング、AI が別の AI の答えを採点する用途を想定し、普通の GPU 1 枚か Mac で動かせる大きさとしています(Meta の発表です)。重みは Hugging Face にあり、Ollama、LM Studio、vLLM、OpenRouter などでも使えます。モデルの説明のページは「画像を含む知覚が組み込まれている」と書いていますが、画像を入力できるかは明記しておらず、コンテキストの長さも書いていません。現場の写真を読ませる用途に使えるかは、試して確かめる必要があります。

Muse Spark Open(同じ Muse の公開モデル)が手元の PC 1 台では動かせない大きさなのに対し、Glimmer は手元で動かせる側です。

出典: Meta AI Research「Introducing Muse Glimmer」(2026-08-10)、https://research.meta.ai/blog/introducing-muse-glimmer-open-agentic-model
出典: Meta「Muse Glimmer」(日付の記載なし)、https://dev.meta.ai/models/muse-glimmer 、2026-10-16 に確かめました

Meta が賞金 100 万ドルのオンラインのハッカソンを 10 月 26 日から開きます。Muse の API と Muse Code が使え、応募は 10 月 25 日までです

VLM米国

Meta は、Cerebral Valley の運営で「Meta Global AI Developer Hackathon」を、2026 年 10 月 26 日から 11 月 4 日までの 10 日間、オンラインで開きます。賞金は合計 100 万米ドルで、個人・学生向けと、スタートアップ向けの 2 部門です。参加は採用された人が無料で、採用は 2 万人までです。応募は 10 月 13 日に始まり、10 月 25 日 23:59(米国東部時間)が締め切りで、受け付けは随時審査されます。審査は 11 月 4 日から 8 日、最終発表は 11 月 9 日です。使えるのは Meta Model API の Muse Spark 系、Muse Image、SAM 3.1、公開された重みのモデル、Muse Code で、Baseten、Modal、Fireworks の利用枠もあります(掲載ページの内容です)。賞金の内訳は、ページに書かれていません。

出典: Cerebral Valley「Meta Global AI Developer Hackathon」(日付の記載なし)、https://cerebralvalley.ai/e/meta-ai-developer-hackathon 、2026-10-16 に確かめました