株式会社ずんだもん技術室AI放送局 podcast 20260709

youtube版(スライド付き) 関連リンク

• Introducing GPT-Live

OpenAIが発表した「GPT-Live」は、人間同士のような自然な対話を目指した次世代の音声モデルです。新人エンジニアの皆さんが注目すべきポイントは、従来の音声AIの課題を解決したその革新的なアーキテクチャにあります。

従来の「カスケード型（STT→LLM→TTSを連結）」や「ターン制モデル（ユーザーの静止を検知して応答）」では、反応の遅延や、ぎこちないやり取りが課題でした。これに対し、GPT-Liveは「フルデュプレックス（全二重）」アーキテクチャを採用しています。これにより、AIはユーザーの話を聞きながら同時に生成を行い、相槌を打つ、間を置く、あるいは必要に応じて中断・介入するといった、リアルタイムかつ柔軟な対話が可能です。

また、本アーキテクチャの肝は「対話エンジンと推論エンジンの分離」です。音声のやり取りはGPT-Liveが担い、検索や複雑な推論が必要な場合は、裏でバックグラウンド処理（GPT-5.5など）へタスクを委譲します。これにより、AIが思考中であっても会話の流れを止めないシームレスな体験を実現しています。

安全性についても、従来の評価項目に加え、音声特有のリスクを考慮した音声ネイティブな評価基準が導入されました。対話中にリアルタイムで不適切な出力を検知し、安全な対話へ誘導するガードレール機能も備えています。

今回のアップデートにより、ChatGPTの音声体験は「命令と回答」という形式から、「AIとの共生・共同作業」という、よりエージェント的なインタラクションへと進化しました。技術的には、連続的な入出力処理とバックグラウンドでの動的なタスクデリゲーションの組み合わせが、今後のAIエージェント開発において非常に重要な示唆を与えてくれるでしょう。

引用元: https://openai.com/index/introducing-gpt-live

• SWE-1.7: Frontier Intelligence at a Fraction of the Cost

Cognition社が発表した「SWE-1.7」は、既存の最高性能モデルに匹敵する「フロンティアレベル」の知能を、より低いコストで実現したソフトウェアエンジニアリング特化型AIモデルです。開発現場におけるエンジニアにとって、本モデルはDevinを通じて利用可能であり、実務での生産性向上に直結する重要な技術革新と言えます。

本モデルの特徴は、RL（強化学習）パイプラインの大幅な改善にあります。主なポイントは以下の通りです。

1. 強化学習の安定化: 学習中のエントロピー崩壊を防ぐため、「Top-pサンプリング」と「サンプリング分布リプレイ」を導入しました。これにより、推論時と学習時の不一致を抑え、モデルが安定して学習し続ける環境を構築しています。
2. 分散学習によるスケール: 単一の巨大クラスタに依存せず、世界各地のデータセンターに分散した計算リソースを活用する仕組みを構築しました。重みの更新情報を圧縮して送受信することで、地理的な制約を克服しています。
3. 長期間タスクへの対応: 長いコンテキストや複雑な工程を扱うため、「自己要約（Self-compaction）」機能を強化しました。また、タスクの難易度に応じて思考コストを動的に調整する「交代制ペナルティ戦略」を採用し、効率的な思考を促進しています。
4. 高品質なデータ選定: 学習データの質にこだわり、難易度の高いタスクを重点的に学習させることで、モデルの地力を引き上げています。

結果として、SWE-1.7はコードのバグ修正において、単なる修正だけでなく、エッジケースの調査や未知の要件への対応など、より深く広範なコードベースの探索を行う能力を獲得しました。また、不要なコード変更を抑制し、より最小限で洗練された修正を行う点も特徴です。

新人エンジニアがDevinを活用する際、SWE-1.7は「より丁寧かつ論理的に考え、自律的に探索して問題を解決するパートナー」として機能します。AIがどのような工夫を経て進化しているのかを知ることは、AIを活用した現代の開発フローを理解する上で非常に示唆に富んでいます。

引用元: https://cognition.com/blog/swe-1-7

• LeRobot v0.6.0: Imagine, Evaluate, Improve

Hugging Faceが開発するロボティクス用ライブラリ「LeRobot」がv0.6.0にアップデートされました。本リリースは、ロボットが未来の動作を予測する「ワールドモデル」の導入や、学習効率の向上を軸としています。

新人エンジニアが押さえておくべき主なポイントは以下の通りです。

1. AIモデルの拡充: 未来の状態を予測する「VLA-JEPA」や「FastWAM」などのワールドモデル対応に加え、GR00T N1.7やMolmoAct2といった最新のVision-Language-Action（VLA）モデルが標準サポートされました。
2. 学習のループ強化: ロボットの成功・失敗を自動判定する「報酬モデル（Robometer等）」が追加され、強化学習や模倣学習のループが回しやすくなりました。
3. データセットと評価の効率化: 動画データの読み込みが最大2倍高速化されたほか、深さ情報の取得や、VLM（Vision Language Model）による自動アノテーション機能が追加されました。また、 lerobot-eval CLIにより、6種類の新しいシミュレーションベンチマークでモデル性能を簡単に比較可能です。
4. 現場での導入と開発: 運用中のロボットのミスをその場で修正・学習させる「DAgger」スタイルのデプロイCLI（ lerobot-rollout ）や、GPUリソースが不足している場合にクラウドへ学習を投げる「HF Jobs」連携が整備されました。
5. インストール環境の改善: pip install lerobot が軽量化され、必要な機能だけを選択的にインストール可能です。 uv による依存関係管理も採用されており、環境構築が非常にクリーンになっています。

「ロボットを動かしてみたい」というエンジニアにとって、シミュレーションから実機へのデプロイ、クラウド学習までがCLI一つで完結する強力なエコシステムに進化しています。まずはGitHubのドキュメントから、自身の環境に適したセットアップを確認することをお勧めします。

引用元: https://huggingface.co/blog/lerobot-release-v060

• 最短0.06秒の低遅延！　AIボイスチェンジャー『Paravo』最新版v3.0が公開

Parakeet株式会社が公開したAIボイスチェンジャー『Paravo』最新版v3.0は、独自のAI設計により、CPU環境でも最短0.06秒という超低遅延を実現しています。「ずんだもん」を含む100名以上のボイスが利用でき、GUIの刷新で操作性も向上しました。すべての音声は権利者と正式契約済みで、売上が還元される仕組みです。手軽に高品質なボイスチェンジを体験できるため、新人エンジニアの遊び心を満たすツールです。

引用元: https://www.appbank.net/2026/07/08/iphone-news/3048825.php

• お便り投稿フォーム

（株式会社ずんだもんは架空の登場組織です）