Fun-ASR-Realtime、30言語と16方言を単一モデルでリアルタイム認識
通義実験室はリアルタイム音声認識モデル「Fun-ASR-Realtime」を発表した。単一モデルで30言語と16方言をカバーし、東アジアと東南アジアの方言を重点的に最適化している。社内の産業向け方言評価では意味認識精度87.8%を記録し、動的なホットワード注入や文脈理解により同音語やブランド名の曖昧性解消にも対応する。ストリーミング認識では初回遅延を百ミリ秒級に抑え、多言語のシームレスな切り替えをサポートする。
AI Daily Digest — 2026年7月7日
本日のAI業界注目ニュースを 24件 厳選してお届けします。
TOP 3
モデル
プロダクト
OfficeCLI、AIエージェント向けのオープンソースOfficeスイートを公開
OfficeCLIはAIエージェントがWord、Excel、PowerPointを読み書き・編集するために設計されたオープンソースのOfficeスイートだ。単一バイナリで動作し、Office本体や外部依存を必要としない。内蔵HTMLレンダリングエンジンにより、文書をHTMLやPNGへ変換してレイアウトを確認しながら修正できるため、エージェントが視覚的なフィードバックループを使って文書を作成できる。
Synthetic Sciences、科学研究向けAIワークベンチOpenScienceを公開
Synthetic SciencesはApache 2.0ライセンスのオープンソースAI研究ワークベンチ「OpenScience」を公開した。機械学習、生物学、物理学、化学を対象に、文献調査、仮説生成、コード作成、実験、分析、執筆までを一連の研究ループとして実行する。Claude、GPT、Gemini、GLM、Kimi、DeepSeekやローカル微調整モデルなど任意のモデルをリクエスト単位で切り替えられ、250以上の編集可能なスキルと多数の科学データベースをエージェントツールとして備える。
xAI、Grok Voice向けに21種類の新フラッグシップ音声を追加
xAIはGrok Voiceに21種類の新しいフラッグシップ音声を追加した。新音声はいずれも多言語対応で、リアルタイムVoice Agent API、Text to Speech API、新しいGrok Voice Agent Builderで利用できる。客服、キャラクター、ナレーション、広告、教育など用途別に調整され、`[pause]` などの音声タグで表現を制御できる。既存のAra、Eve、Leo、Rex、Salも再学習され、リズムや語調、アクセントの自然さが改善された。
Claude Code v2.1.202、動的ワークフロー規模設定を追加
Claude Code v2.1.202では、`/config` に「Dynamic workflow size」設定が追加され、動的ワークフローで派生するエージェント数の規模を小・中・大で指定できるようになった。派生エージェントはOpenTelemetry属性として `workflow.run_id` と `workflow.name` を発行する。mTLSハンドシェイク失敗、リモート制御コマンド送信、モバイル画像送信、音声入力の無限リトライなど複数の不具合も修正された。
OpenClaw、Hugging Faceローカルアプリに対応
OpenClawがHugging Faceのローカルアプリとして利用できるようになった。ユーザーは任意のGGUFまたはMLXモデルを選び、OpenClawのオンボーディング設定をコピーするだけで、完全にローカルで動作するツール呼び出し型エージェントを構築できる。クラウド接続やAPIキー、外部監視を必要としない点を訴求している。
SGLang、信頼度駆動のDSpark推測デコードを統合
SGLangチームは推測デコード手法DSparkをオープンソース推論エンジンに統合した。半自己回帰ブロックドラフターがトークン群を生成し、信頼度ヘッドと順序温度スケーリングでリクエストごとに可変の検証長を割り当てることで、負荷が高い状況で不要な検証コストを削減する。密モデルと疎モデルの両方に対応し、DeepSeek-V4-FlashをH200で評価した結果も示されている。
業界
AI関連を理由にした2026年の大手テック企業レイオフが拡大
2026年に入り、Microsoft、Oracle、GitLab、Google Cloud、Intuit、Meta、Cisco、Cloudflare、GM、Coinbaseなど複数の大手企業がAIを理由の一つとして人員削減を進めている。TechCrunchの集計では、Microsoftは約4,800人、Oracleは21,000人、GitLabは350人、Intuitは3,000人を削減し、Metaは8,000人を削減しつつ7,000人をAI部門へ配置転換した。Layoffs.fyiの集計では、2026年のテック業界レイオフは累計約12万人に達している。
Meta、未成年を装った外部スタッフで競合AIの安全性を検証
WIREDの報道をもとに、Metaが外部委託会社Covalenを通じて「Cannes」というプロジェクトを実施し、数百人のスタッフが未成年を装ってOpenAI ChatGPT、Google Gemini、Character.AIに自殺、自傷、摂食障害などの高リスクプロンプトを送信していたことが伝えられた。テストは少なくとも4月21日まで続き、1回の試験で4万5,000件超のプロンプトが投入された。Metaは通常の安全性ベンチマークであり、競合テストデータを自社モデルの訓練には使わないと説明している。
SKハイニックス、280億ドル規模の米国上場を準備
SKハイニックスは米ナスダックで預託証券を発行し、約280億ドル規模の米国上場を進める計画だと報じられた。高帯域メモリの主要供給企業としてAIブームの恩恵を受け、同社株は年初来で270%以上上昇している。今回の資金調達規模は、前月のSpaceXの857億ドルIPOに次ぐ史上2番目の新規株式公開規模になる可能性がある。
Runway、パリオフィス開設を発表
Runwayはパリオフィスの設立を発表した。AI動画生成領域でグローバル展開を進める同社にとって、欧州のクリエイティブ産業や研究人材との接点を強める拠点になる。AIHOT側の要約では、原文ページの本文に具体的な部署、規模、職能、開設時期などの詳細はほとんど示されていないと整理されている。
アルバータ州政府、Claudeで政府システムのセキュリティを点検
カナダ・アルバータ州の技術イノベーション省は、2025年からClaude Codeを使って27省庁すべてのシステムをスキャンしている。50のエージェントを20時間並列稼働させ、4億6,600万行のコードを調査し、従来の自動化ツールが見落としていた脆弱性を検出して修正案を生成した。従来手法なら約6.5年かかる作業だとされる。州は今後、185のレガシー本番アプリを16の再利用可能アプリへ統合する計画も示している。
Cursor、AI支出の新しい経済性を議論するCFO Councilを設立
Cursorは、AI支出を測定可能で予測可能な価値に結び付ける枠組みを作るため、CFO Councilを設立した。2025年の世界AI支出は1.5兆ドル規模に達した一方、McKinseyの調査ではEBITへの影響を追跡できている組織は39%にとどまる。BCGの分析では、token使用量が最上位四分位の企業は売上成長率が16.5%に達し、最下位の5.1%を大きく上回った。モデル改善後、開発者の週次エージェントメッセージは44%増加したという。
リサーチ
Apple、標注者の安全ポリシーを解釈可能モデルで分析
Apple Machine Learning Researchは、標注者の安全判断を説明するAnnotator Policy Models（APMs）を提案した。APMsは標注行動のみから各標注者の内在的な安全ポリシーを学習し、追加負担なしに反事実編集や既知の差異を再現できる。実験では80%超の精度を示し、LLMや人間標注者が安全指示をどのように解釈しているか、また人口属性間で安全優先度にどのような系統差があるかを可視化できる。
Apple、ASR誤り訂正向けの小型seq2seqモデルを提案
Appleの研究チームは、ASR誤り訂正に特化した小型seq2seqモデルを提案した。実音声と合成音声から得たASR誤りを使って訓練し、TTSとASRを連結して実際の誤り分布に近い合成データを作る。correction-firstデコードで候補を生成し、ASR音響スコアで再ランキングする。LLMより15分の1のパラメータ数で、LibriSpeech test-cleanとtest-otherでそれぞれ1.5%と3.3%のWERを達成した。
TopoPrimer、時系列予測にトポロジー文脈を導入
AppleのTopoPrimerは、系列群全体のトポロジー構造を予測モデルへ明示的に与えるフレームワークだ。持続ホモロジーとスペクトル座標を事前計算し、フル訓練モデルのトークン入力または事前訓練バックボーン向け軽量アダプタとして使える。ChronosとTimesFMの4つのベンチマークでは、ECLで最大7.3%のMSE改善を示し、季節性ピークやコールドスタートに対する頑健性も向上した。
技術
AIが初級プログラマー市場を崩したとする労働データ分析
Stanford Digital Economy LabのADP給与データなどをもとに、22から25歳の米国ソフトウェア開発者雇用が2022年のピークから19%減少した一方、41から49歳は14%増えたとする分析が紹介された。入門レベルの求人は28%減り、コンピュータサイエンス卒業生の失業率は6.1%に上昇した。著者は、仕事そのものではなく「初級プログラマー」という職位が消えつつあり、プログラミングは多くの職種に広がる能力へ変わっていると論じる。
Google、検索サービスの媒体データをAI訓練へ使う設定を更新
Googleは6月、検索サービスのプライバシー設定に「検索サービス履歴」と「パーソナライズ推薦」を追加し、ユーザーがアップロードした画像、ファイル、音声、動画録画などの媒体データを保存してAI訓練に使う設定を既定で有効にしたと報じられた。対象は検索、マップ、ショッピング、フライト、ホテル、翻訳、ニュースなどに及ぶ。ユーザーは「メディアを保存」チェックを外すことで拒否でき、データの自動削除期間も設定できる。
オープンソースAPI中継監視サイトtokhub.meが公開
Vista氏らは、API中継サービスを実際に課金利用して監視する評価サイト「tokhub.me」を公開した。単純な速度測定ではなく、実際のチャージと呼び出しでモデル提供状況を確認する点を特徴とする。コードは完全にオープンソースで、Dockerによるワンクリックデプロイに対応し、社内のTokenやゲートウェイ管理システムとしても使えるとしている。
AT&Tの1956年特許同意命令が半導体産業を押し広げた経緯を分析
1956年1月24日、AT&Tは7,820件の有効特許を米国企業へ無償ライセンスし、将来の特許も合理的な料率で提供することに同意した。Western Electricの保有を認められる代わりに、電気通信以外の事業参入は禁止された。Bell Labsの非通信特許の多くが公開され、数年で約35億ドル相当の派生特許価値が生まれ、Shockley Semiconductor、Fairchild Semiconductor、Intelの成立にもつながったと分析されている。
Claude Fable 5終了前に試すべき実用プロンプト8種を整理
Claude Fable 5の終了を前に、実戦で検証された8種類のプロンプトが整理された。`/goal` で25回の実験を自律実行させるプロンプト、ユーザーの作業習慣を再利用可能なSkillsへ変換するプロンプト、subagentの行動規範や割り当て、時間ループ、自治実行と自動停止、記憶システム、反向インタビューなどが含まれる。モデルの振る舞いを制約するのではなく、モデルにユーザーを研究させる考え方が中心に置かれている。
Claude Codeチーム、4種類のエージェントループを解説
Claude Codeチームは、エージェントが停止条件を満たすまで反復する「設計ループ」を4種類に分類した。手動プロンプトで起動しClaudeが完了判断するターン制ループ、`/goal` で達成条件や最大回数を指定する目標ループ、`/loop` や `/schedule` で定期実行する時間ループ、イベントや計画で無人実行するプロアクティブループだ。短いタスクには単純な回合ループを使い、複雑なワークフローだけ選択的に高度なループを使うべきだとしている。
Claude Fable実地ガイド、未知を発見する協働手法を提示
AnthropicはClaude Fableとの協働において、作業前・作業中・作業後に自分の未知を発見する方法を紹介した。既知の既知、既知の未知、未知の既知、未知の未知に分け、盲点スキャン、ブレインストーミング、プロトタイピング、面接、実装ノート、説明やクイズを通じて、コードベースや現実の制約に潜む前提を明らかにする。Claude Fableは、ユーザーが未知を明確化するほど品質が上がるモデルだと位置付けられている。
Google MaxText、TPU障害から数秒単位で復旧する弾性訓練を紹介
Google Developers Blogは、JAXスタックのMaxTextとPathwaysを使ったCloud TPU上の弾性訓練を紹介した。分散訓練中にTPUワーカーを意図的に停止しても、Pathwaysが障害を例外として検出し、Kubernetesが置き換えポッドをスケジュールし、OrbaxがCloud Storage上の有効なチェックポイントから復元する。実験ではメインコントローラを再起動せず、2分未満の停止時間で訓練を次ステップへ復帰させた。