AI業界デイリーニュース

OpenAI、CodexにWindowsネイティブのComputer use対応を追加

CodexがWindowsネイティブで直接デスクトップを操作できるようになり、クリック、ドラッグ、ファイル生成、アプリ起動までを扱えるようになった。ChatGPTモバイルアプリからWindowsマシン上のタスクを起動、レビュー、ステアリングできる点も大きい。

開発者向けのQoL改善も同時に投入され、外出先からモバイルで進捗確認しつつ複数エージェントを並行実行するワークフローが現実的になった、という評価が目立つ。

一方で、Windows版はlaggyでバグが多いという苦言もある。スクリーンショットが一瞬で消える、モバイルから添付画像が見えない、モバイルからのファイルアップロード不可といった具体的な報告もあり、安定性は当面の課題になる。

xAI、agentic coding特化モデル「grok-build-0.1」をAPI public betaで公開

xAIがGrok Build CLIを支えるagentic coding特化モデル「grok-build-0.1」をAPI public betaで公開した。256K contextと最大8体までの並行エージェント実行が可能で、価格は$1/M input・$2/M outputと低水準。

ChatGPT、Codex、terminal accessを足したような存在と位置付ける声があり、コスト効率が高くagentic workflowに向く新星としてベンチマークする価値がある、という評価が出ている。CLI中心でpublic beta段階のため、実運用でのバグ報告はまだ少ない。

Luma Agents、記事やニュースレターから販促ビジュアルを一括生成

Luma Agentsはブログ記事やポッドキャスト原稿、ニュースレターを投入するだけで、hookやaestheticの指示に従ってサムネイル、クリップアート、プロモグラフィックを一括生成する。

クリエイターからはcreative automationの完成形、デザインスキル不要でscroll-stopping visualsが出ると高評価。ニュースレターを投入すると、レイアウト、タイポグラフィ、視覚階層まで自動処理してくれる点が支持されている。

Kling AI、AI長編「RAPHAEL」の制作ワークフローを公開

Kling AIがカンヌ出品のAI長編「RAPHAEL」の制作ワークフローを公開した。アイデア出しからストーリーボード、4K画像生成、一貫性を保った動画化までを一気通貫で行う事例が示されている。

Kling O1ではreference videoに基づいて表情、ポーズ、スタイルがショット間で一貫し、character consistencyが強固になったという声がある。複雑なアクション連続では微調整が必要との指摘も残るが、single imageをdynamic sequenceへ変換するパイプラインは成熟期に入った印象だ。