今週の気になったAIニュース vol. 161

CodeZine

OpenAI、最小の遅延でLLMとの音声のやり取りを実現する「Realtime API」を公開

http://codezine.jp/article/detail/20308

　米OpenAIは、大規模言語モデル（LLM）「GPT-4o」と音声によるやり取りを実現するAPI「Realtime API」をパブリックベータとして10月1日（現地時間）に公開した。このAPIを利用することで、最小限の遅延で音声によるやり取りが可能になる。

MITテクノロジーレビュー

720億パラメーターでも「GPT-4o超え」、Ai2のオープンモデル

https://www.technologyreview.jp/s/346844/a-tiny-new-open-source-ai-model-performs-as-well-as-powerful-big-ones/

アレン人工知能研究所（Ai2）がマルチモーダル言語モデル「Molmo」ファミリーをリリースした。質の高いデータと効率的な訓練によって720億パラメーターのモデルでGPT-4oを上回る性能を示したという。

@DIME アットダイム

Googleが日本語版の「Gemma 2 2B」を公開、自社評価においてGPT-3.5を上回るパフォ...

https://dime.jp/genre/1862572/

Gemma 2と比較して文章力や指示内容を的確に理解＆反映する能力が向上Gemma Developer Dayに登壇したGoogle CEOのスンダー・ピチャイ氏Googleは2024年10月3日に東京で開催された Gemma Developer Dayにおい...

ベンチャーのAi2はGPT-4o超えを主張するがGoogleは控えめにGPT-3.5を超えたとリリース。

どちらが正しいのかは分からないけど、実感としてはGPT-3.5超えあたりが本当なんじゃないかって気が・・・

そしてOpenAIは音声対話に突き進むのか？

あくまで人間との対話を考えているのか。

それとは逆にプロンプトプログラミング実行環境として特化するという進化の方向性もアリだとは思うが、そっちの方向に特化したサービスがビジネスとして成立する余地はないのかな。