AI 月報：2026年 8月の振り返り
AIFIND
補編：原文の発表日をもとに、2026年10月4日に編集しました。当時の配信記録ではありません。
Google DeepMindは、手話翻訳モデルやコーディング向けモデルなどを発表し、モデルの対応領域を広げました。Sakana AIは日本語特化APIを開始し、チャットや翻訳サービスも新世代モデルで更新しました。研究面では、台風予測モデルの公開に加え、ICML論文の再現検証やオープンモデル市場の分析が報告されました。実用面では、検索・ロボット・GPU運用などで、AIを開発や業務に組み込む手法が紹介されました。
Google DeepMind、台風予測モデルWeatherNext CyclonesとWeatherNext 2をオープンソース化
Google DeepMindは、台風の進路・強度・風の構造を予測するWeatherNext CyclonesとWeatherNext 2のコードとモデル重みを公開した。
モデルの公開・更新
本版の案内音声や動画の生成・認識、コーディングなど、用途に応じたモデルの機能強化が進みました。
Google DeepMind、手話翻訳モデル「SL2T」を発表し、GboardとLive Transcribeに搭載
Google DeepMindは、手話をテキストに翻訳するモデル「SL2T」を発表し、Pixel 11のGboardとLive TranscribeでASLから英語への入力機能を提供します。
Google DeepMind、Gemini 3.7 Flashを発表
Google DeepMindは、コーディングやAIエージェント向けのモデル「Gemini 3.7 Flash」を発表した。FrontierCode 1.1 Mainでは43.6%（Gemini 3.6 Flashは34.4%）、Arena.aiのWebDev ArenaではElo 1588（同1538）を記録した。
Gemini Omni 1.1 Flash、動画生成の制御機能を拡充
Google DeepMindはGemini Omni 1.1 Flashを発表し、開発者向けの動画生成機能を拡充しました。最大10秒の過去映像を参照するシーン延長や、開始・終了フレームの指定、最大4Kへのアップスケールに対応します。
Google DeepMind、音声文字起こしモデル「Gemini 3.5 Transcribe」を公開
Google DeepMindは、音声文字起こしモデル「Gemini 3.5 Transcribe」を発表しました。Gemini APIでは、低遅延のリアルタイム配信用と、話者識別・単語単位のタイムスタンプに対応する録音音声処理用の2種類を提供します。Artificial Analysisの測定では、単語誤り率はストリーミングで平均4.0%、非ストリーミングで2.6%でした。
プロダクトの公開・更新
本版の案内日本語向けサービスの刷新や研究者向け支援、ワークフロー構築環境など、利用の場を広げる更新が並びました。
Sakana AI、日本語特化LLM API「Sakana Namazu」の提供を開始
Sakana AIは、日本語と日本の業務文脈に特化したLLM API「Sakana Namazu」の提供を開始しました。Moonshot AIのオープンモデル「Kimi K2.6」をベースに社内データで調整し、Web検索とコード実行のビルトインツールを備えています。
Anthropic、物理機器をAIエージェントが操作するModel Hardware Standardの研究プレビューを開始
Anthropicは、AIエージェントが物理機器を安全に操作するための共通仕様「Model Hardware Standard（MHS）」の研究プレビューを、科学研究所や先端製造業者向けに開始しました。
Liquid AI、LFM2.5向けDSparkドラフトモデルを公開し、推論を最大3.18倍高速化
Liquid AIは、LFM2.5-1.2B-Instruct、LFM2.5-2.6B、LFM2.5-8B-A1B向けのDSparkドラフトモデルを公開し、推測デコーディングによる推論高速化を可能にしました。
Sakana AI、Sakana Chatに「Sakana Fugu」と新世代「Sakana Namazu」、コード実行機能を追加
Sakana AIはSakana Chatをアップデートし、「Sakana Fugu」を追加するとともに、「Sakana Namazu」を新世代モデルに刷新しました。サンドボックス上でのPython実行に対応し、生成したHTMLや文書、スライドなどを画面内でプレビュー、ダウンロードできるほか、画像やPDF、Officeファイルの添付も可能になりました。
Gradioのgr.WorkflowでAIワークフローを構築・実行・デプロイ
Hugging Faceは、Gradioに組み込まれたgr.Workflowを紹介しました。処理手順を型付きノードのグラフとして組み立て、ドラッグ＆ドロップの画面で各ノードを実行し、中間結果を確認できます。ワークフローはREST APIとしても利用でき、Hugging Face Spacesへ1コマンドでデプロイできます。
Anthropic、科学者向けClaudeプランで10,000席を無料・割引提供
Anthropicは、科学者向けClaudeプランを通じて、世界の研究者に10,000席を1年間無料または割引価格で提供すると発表しました。標準席は無料、利用上限が5倍のプレミアム席は月額$15で、研究室の責任者は認証後に所属研究者を追加できます。研究プロジェクトごとに最大$50,000のクレジットも申請でき、生物学・化学の研究者が利用できるモデルには制限があります。
Sakana AI、「Sakana Translate」に新世代モデル「Sakana Namazu」を搭載
Sakana AIは「Sakana Translate」の翻訳モデルを新世代の「Sakana Namazu」に更新し、訳文の自然さを向上させました。日本語・英語・中国語の双方向翻訳を引き続き提供し、翻訳・添削・質疑の3機能を利用できます。
業界動向
Anthropic、AIが利用者のウェルビーイングに与える影響を評価する研究に500万ドルを助成
Anthropicは、AIが利用者のウェルビーイングに与える影響を調べる独立研究を支援するため、500万ドルの助成プログラムを開始します。助成先には資金に加え、Anthropicのモデルへのアクセスと技術支援を提供し、成果はオープンソースで公開されます。評価では、臨床・専門家の参加や、リスクが会話の中で変化する状況の検証などを重視し、応募期限はSeptember 21です。
論文・研究
本版の案内評価の信頼性やモデルの利用実態、エージェントの記憶など、性能を測り理解する研究が取り上げられました。
Hugging FaceとVoice Arena、ヒンディー語とインド英語のASR評価セットを公開
Hugging FaceとVoice Arenaは、Open ASR Leaderboardにヒンディー語とインド英語の評価セット「Monsoon en-IN」「Monsoon hi-IN」を追加した。4つの公開・非公開分割は計4,888人の話者から収集され、各話者の属性を記録している。ヒンディー語では表記の異形を許容する lattice を採用し、OIWERで評価する。
Hugging Faceが2026年1〜8月のオープンモデル動向を分析
Hugging Faceは、Hub上の活動データに基づき、2026年1〜8月のオープンモデル市場の動向をまとめた。モデル数やデータセット数が増える一方、ダウンロードは少数のリポジトリに集中し、「いいね」が示す注目とダウンロードが示す利用には大きな隔たりがある。分析では、Qwenの派生モデルが151,448件に達したことや、エージェントによるHubへのアクセスが増えていることも報告している。
Hugging Face、ICML 2026の論文2,226本を再現検証したハッカソンの結果を公開
Hugging Faceは、コミュニティ参加者1,221人が19日間でICML 2026の論文2,226本を再現検証したハッカソンの結果を公開した。35,908件の主張を判定し、検証した論文の51%で少なくとも1件の主張を独立に確認する一方、23%では反証または異論があった。
音声認識モデルのベンチマーク最適化を測る3つのテストを研究チームが提案
研究チームは、音声認識モデルが公開ベンチマークに特化している度合いを測る3つのテストを用い、広く使われるオープンソースASRモデル11種を評価しました。
Hugging FaceとIBM Research、ALTK-Evolveのエージェントメモリを8モデルで評価
Hugging FaceとIBM Researchは、ALTK-Evolveによるエージェントの自己蒸留メモリを8モデルで評価し、適切なガイドライン量はモデルの能力によって異なると報告しました。
活用とオピニオン
本版の案内検索やロボット、計算資源の運用など、モデルを実環境の仕組みにつなぐ具体的な方法が紹介されました。
Sentence Transformers v6.0にマルチベクトル検索用のMultiVectorEncoderが追加
Sentence Transformers v6.0で、ColBERT方式の遅延インタラクション検索に対応する第4のモデル型MultiVectorEncoderが追加されました。
Granite 4.2の構築方法を解説、3B・8B・30Bの学習工程と評価結果を公開
IBMのGranite Teamは、推論モデル群Granite 4.2の構築方法を解説しました。モデルは3B、8B、30Bの3サイズで、Apache 2.0ライセンスで公開されています。3Bは基礎的な強化学習とアラインメントを行い、8Bと30Bには実環境でのソフトウェア開発、ターミナル操作、ウェブ検索を学ぶエージェント強化学習を追加しています。
Strands Robots、LeRobot、Hugging Face Storage Bucketsで記録・学習・実機展開を一元化する方法
Strands Robots、LeRobot、Hugging Face Storage Bucketsを使い、ロボットのデモ記録から学習、実機へのポリシー展開までをつなぐデータループを解説しています。
Sentence Transformers v6.0でMulti-Vector検索モデルを学習・ファインチューニングする方法
Sentence Transformers v6.0にMultiVectorEncoderが導入され、ColBERT形式のMulti-Vector検索モデルを学習・ファインチューニングする手順が公開されました。
Hugging Face Inference Endpoints、Jobs、Bucketsで実現するPapers with Codeの検索基盤
Hugging Faceは、Papers with Codeの検索基盤を、Jobsによる論文埋め込みの一括生成、Storage Bucketsを介した成果物の受け渡し、Inference Endpointsによる検索時の埋め込み生成を組み合わせたハイブリッド検索として構築しました。
Dharma AI、制約を考慮したGPU割り当てで利用率を最大33ポイント改善
Dharma AIは、制約を考慮したGPU割り当て方式をFIFOスケジューラと7つのシナリオで比較し、同一のハードウェアとワークロードでGPU利用率を最大33ポイント、優先度加重出力を最大105.1%改善しました。
Google DeepMind、AtariからEVE Onlineまでの15年間のゲームAI研究と今後の協業を振り返る
Google DeepMindは、ゲームを通じた15年間のAI研究を振り返り、ゲーム開発者との協業で新たなゲーム体験を試作する方針を示した。Fenris Creationsとの研究では、EVE Onlineの持続的な世界を継続学習、記憶、長期計画、複雑なマルチエージェント環境の研究に活用する。