SIGNAL2026-10-07 · AI TECH REPORT

Mistral Large 4、EmbeddingGemma 2、Kandinsky 6.0の音声付き動画生成

コード作業向けLLM、端末内のマルチモーダル検索、画像・音声付き動画生成など、新情報7件を紹介する。

今回の調整:モデルの新能力と実装を中心に探し、推論エンジンの小変更と単独ベンチマークは補助候補に回した。

01Mistral AI2026-10-06実験版

Mistral Large 4:コード修正と画像理解を担うMoEモデル ↗

Mistral Large 4は、コードと専門分野のエージェント作業向けのマルチモーダルLLM。リポジトリのコード修正や図面・文書の理解に対応し、MoE構成で各トークンに約49Bパラメータを使う。Mistralの報告では、コード作業の複合評価Coding Agent Indexは49.8%で、DeepSeek V4 Pro 0813とQwen3.8 Maxを上回る。クラウドAPIのプレビューを提供中で、重みは10月末に公開予定。

Mistral Large 4:コード修正と画像理解を担うMoEモデル:原記事の冒頭画面
原記事の冒頭画面(スクリーンショット)。
02Google DeepMind2026-10-06要セットアップ

EmbeddingGemma 2:文章・画像・音声・動画をローカル検索 ↗

EmbeddingGemma 2は、端末内のマルチモーダル検索向けの埋め込みモデル。文章・コード・画像・音声・動画を共通のベクトルに変換し、音声の説明から動画の該当場面も探せる。画像・音声のエンコーダーを用途に応じて選べる構成で、Googleの量子化版測定ではPixel 11 Pro上のマルチモーダル重みの使用RAMは約567MB。コード評価のMTEB Codeは同社報告で旧版68.76から78.68に向上し、重みはApache 2.0で公開。

EmbeddingGemma 2:文章・画像・音声・動画をローカル検索:原記事の冒頭画面
原記事の冒頭画面(スクリーンショット)。
03Google DeepMind2026-10-06API利用

Nano Banana 2.1:画像生成・編集の品質を更新 ↗

Nano Banana 2.1は、画像生成と編集に特化したGeminiモデル。文章と参照画像から画像を作り、人物や物体を指定した編集にも対応する。Gemini 3.6 Flashを基盤とし、Googleの人による画像生成比較では、推論ありの選好評価Eloが1050±14で、旧Nano Banana 2の990±7を上回った。Gemini APIなどで提供されるが、人物の一貫性や長い文章の描画にはなお限界がある。

Nano Banana 2.1:画像生成・編集の品質を更新:原記事の冒頭画面
原記事の冒頭画面(スクリーンショット)。
04Kandinsky Lab2026-10-04要セットアップ

Kandinsky 6.0:音声と口の動きを同期した動画を生成 ↗

Kandinsky 6.0 Videoは、音声付き動画生成に特化した拡散モデル群。文章または画像から、口の動きと音声を同期させた5秒の動画を生成し、超解像でFull HDへ拡大できる。映像用と音声用のモデルを双方向のattentionで結び、時間と内容の一致を学習する構成。3BのLiteと29BのProがあり、ローカル実行向けに重みとコードをMITライセンスで公開した。

Kandinsky 6.0:音声と口の動きを同期した動画を生成:原記事の冒頭画面
原記事の冒頭画面(スクリーンショット)。
05Technology Innovation Institute2026-10-06Webで利用

Falcon OCR Arabic:小型モデルでアラビア語文書を読み取る ↗

Falcon OCR Arabicは、アラビア語文書の読み取りに特化した270MのOCRモデル。領収書や帳票の画像から文章と表を抽出する。画像と文字を同じTransformerで処理するモデルに、アラビア語データで追加学習を施した。TIIの実文書11,974件による評価では、文字の編集距離に基づく精度が81.9%で、比較したGemini 3.5 Flashの84.3%に次ぐ結果。Webの試用画面を提供する。

Falcon OCR Arabic:小型モデルでアラビア語文書を読み取る:原記事の冒頭画面
原記事の冒頭画面(スクリーンショット)。
06Technology Innovation Institute2026-10-06Webで利用

Falcon-Emirati:UAEの方言と文化に特化したLLM ↗

Falcon-Emirati-7Bは、UAEのアラビア語方言に特化したLLM。口語の語彙や言い回し、詩やことわざの文化的な意味を扱い、その方言で文章を生成する。Falcon-H1-Arabicを基に、実際の方言文書と文化資料、合成データで適応させた。TIIの報告では、方言・文化理解を測るAlyahの選択式1,173問で正答率84.83%を記録。公式のWebチャットで試用できる。

Falcon-Emirati:UAEの方言と文化に特化したLLM:原記事の冒頭画面
原記事の冒頭画面(スクリーンショット)。
07Together AI2026-10-05要セットアップ

Together Link:既存のコーディングエージェントを公開モデルAPIへ接続 ↗

Together Linkは、既存のコーディングエージェントをTogether AIのモデルAPIへ接続するCLI。Claude CodeやCodex、OpenCodeなどの作業環境から、Kimi K3やGLM 5.3を呼び出せる。自動選択では最初の依頼に応じてモデルを決め、セッション中は固定してプロンプトキャッシュを維持する。推論はTogetherのクラウドで行う。

Together Link:既存のコーディングエージェントを公開モデルAPIへ接続:原記事の冒頭画面
原記事の冒頭画面(スクリーンショット)。

確認範囲と不足

対象期間は2026年10月2日〜7日。直近の成功号が10月6日のため、24時間重複する10月5日以降を優先した。入力のRSS・GitHub API候補を利用し、設定されたWeb/searchの19情報源で公開一覧または検索を確認。参考資料と本文未取得候補を含む20URLを検討し、8話題を候補とし、原文照合を通過した7件を掲載。Beam、Rho-1などの既報は再掲載せず、JEPA-Anythingは原論文の日付が期間外のため除外。YouTube検索からは日付と原内容を検証できる新しい動画を得られなかった。

一覧の確認は全候補の本文精査を意味しない。私的アーカイブの意味検索は通信エラーで本文検索へ戻ったため、類似表現による重複検出には限界がある。MarkTechPostの2候補は保存本文が空で、媒体本文の要約は作成していない。Googleの一部原出典は初回取得に失敗したが、その後の再取得で本文を確認できた。原図の直接URLは未確認のため、7件とも原記事の冒頭画面をスクリーンショットで掲載。原文を再確認できなかった1件は掲載保留。字幕取得や動画視聴は行っていない。