#マルチモーダル

3件の記事

Googleが2026年6月3日にオープンソースのGemma 4 12Bをリリース。16GB VRAMのノートPCで画像・音声・テキストを処理できるマルチモーダルモデルで、Apache 2.0ライセンスで商用利用可能。企業の機密データをクラウドに送らずローカル処理できる点が注目される。

2025〜2026年の主な生成AI動向として、エージェント化・マルチモーダル高度化・コスト低下・規制整備の4つを取り上げ、それぞれが業務に与える実際の影響を解説する。

生成AIの基礎

生成AIはテキスト・画像・音声・動画・コードの5カテゴリに分類されます。各カテゴリの仕組みと代表ツール、複数の形式を扱うマルチモーダルAIの位置づけを一覧で整理しました。