本日のAI業界注目ニュースを 4件 厳選してお届けします。
Qwenチームは、テキストから画像への生成と画像編集を1つのモデルに統合した「Qwen-Image-2.1」をオープンソース化した。視覚生成コンポーネントは7Bパラメータのみで、透過画像の生成・編集にネイティブ対応する。最大10枚の参照画像を扱え、円形・落書き・独立したマスクによる部分編集を指定できる。ハイブリッド粒度アテンション構造とKVキャッシュの再利用により推論効率を高めたほか、文字レンダリング、人物のライティング、人物・製品の忠実度も改善し、パノラマ画像、インフォグラフィック、絵コンテなどのタスクにも対応する。
StepFun（階躍星辰）は、旗艦基盤モデル「Step 5 Preview」を発表した。スパースMoE構造を採用し、総パラメータ数は600B、アクティブパラメータは27Bで、100万トークンのコンテキストとテキスト・画像入力に対応する。Artificial Analysis Intelligence Indexでは44点を獲得し、世界のオープンモデルで上位3位に入る。1タスクあたりのコストはClaude Opus 5の8分の1とされる。
Qwenは、Qwen-Image-2.1がComfyUIに対応し、重みが公開されたと発表した。単一の7Bチェックポイントで画像生成と画像編集の両方をこなし、ネイティブ2K生成、1回あたり最大10枚の参照画像に基づく指示編集、アルファチャンネル付きのRGBA出力に対応する。
筆者は自身のスマートフォンで通信をキャプチャし、OpenAIの広告コレクターの仕組みを再現した。bzr.openai.comが.openai.comドメインに__obi Cookieを設定してChatGPTアカウント（または安定した匿名の主体）に紐付け、広告を出稿する事業者のサイトがOpenAIのピクセルコードを読み込むと、__obiが閲覧・購入データとともにOpenAIへ送り返されるという。
