OpenAI、GPT-5レベルの推論能力を持つ音声モデルGPT-Realtime-2を公開

OpenAIはAPIでGPT-Realtime-2をリリース。これはGPT-5レベルの推論能力を持ち、リアルタイムで複雑な問題を解決できる最もインテリジェントな音声モデルです。

OpenAIがAPIで最新の音声モデル「GPT-Realtime-2」を正式リリースした。GPT-5クラスの推論能力を音声エージェントにもたらし、会話の進行に合わせて聞き、考え、複雑な問題を解決する。従来のGPT-Realtime-1.5と比較して、Big Bench Audioの知能テストで81.4%から96.6%へと大幅に向上。Sam Altmanも「GPT-Realtime-2は大きな前進だ。人々は本当に音声でAIと対話し始めている」と述べている。

Anthropicの新研究：自然言語オートエンコーダーがモデル内部の活性化を翻訳

AnthropicはClaudeを訓練し、その内部の数値活性化（アクティベーション）を人間が読めるテキストに翻訳させることに成功した。Claudeのような大規模言語モデルは言葉で対話するが、内部では数値で思考している。この「自然言語オートエンコーダー」と呼ぶ技術は、AIのブラックボックス問題に切り込む新たな解釈可能性ツールであり、モデルが何を考えているのかを可視化する重要な一歩となる。

OpenAI Codex、Chrome拡張機能を公開。バックグラウンドで複数タブを並行実行

ブラウザUIを占有せず、バックグラウンドで複数タブの並行作業を実現。

OpenAIのプログラミングエージェント「Codex」がChromeブラウザ上で直接動作可能になった。Chrome拡張機能をCodexアプリにインストールするだけで、Webアプリのテスト、タブ間のコンテキスト収集、DevToolsの並行使用がバックグラウンドで実行される。macOSとWindowsの両方に対応。

OpenAI、3つの新音声モデルを同時発表：会話・翻訳・文字起こし

GPT-Realtime-2を中核に、TranslateとWhisperで音声AIのラインナップを拡充。

GPT-Realtime-2に加え、GPT-Realtime-TranslateとGPT-Realtime-Whisperの2モデルもRealtime APIで同時公開。GPT-Realtime-Translateは70の入力言語から13の出力言語への翻訳に対応。GPT-Realtime-Whisperは文字起こしをさらに高速化し、リアルタイムアプリケーションの応答性を大幅に向上させた。