Multimodal

• Alibaba Cloudは2026年5月8日、視覚、音声、ドキュメント処理機能を単一の企業向けプラットフォームに統合した新しいマルチモーダル・エージェント・スイート「Tongyi AgentStudio」を導入した。 • 本スイートは1セッションあたり最大128件の同時ツール呼び出しをサポートし、調達、人事チケット管理、マルチクラウドのコスト最適化ワークフローを自律的に管理できる。中国の銀行での早期パイロット運用では、内部サービスの処理時間が32%削減されたと報告されている。 • Alibabaによると、Tongyi AgentStudioの大企業向け契約価格は100万入力トークンあたり1.20ドルに設定されており、欧米の同等エージェントを下回る価格で設定され、グローバルなクラウド競合他社を undercut（下回る価格で提供）する戦略を強化している。

• OpenAIは4月19日にGPT-5を公開した。同社のリサーチブログによると、テキスト、画像、音声を同時に処理する高度なマルチモーダル推論機能を備え、GPT-4と比較してパフォーマンスが40%向上したという。 • このモデルは強化された思考の連鎖（chain-of-thought）推論を実証しており、数学、コーディング、科学的分析などの領域にわたる複雑な多段階の問題を、大幅に高い精度で解決できる。 • 業界アナリストは、GPT-5が企業によるAI導入を加速させ、大規模言語モデル市場におけるAnthropicのClaudeやGoogleのGeminiとの競争を激化させると予測している。

• Red Hatは、混合モダリティAIモデルにおけるインテリジェントなリクエストルーティング用フレームワークであるvLLM Semantic Routerのアップストリーム開発に参加したことを2026年3月13日に発表しました。 • このフレームワークは、クエリ信号に基づいて推論時に最適なモデルを選択し、多様なLLM展開における課題を解決します。 • これにより、ハイブリッドクラウドAIのスケーリングにおける効率性が向上します。