この1週間の気になる生成AI技術・研究をいくつかピックアップして解説する今回の「生成AIウィークリー」（第163回）は、Google開発のマルチモーダル埋め込みAIモデル「EmbeddingGemma 2」や、Qwen3.8-27Bを約8GBに圧縮した軽量モデル「Saluki 27B」を取り上げます。
画像と音声にも対応した判断特化型AIファミリー「Open d1」や、8ステップで生成できる高速画像生成・編集モデル「Qwen-Image-2.1-Turbo」もご紹介します。
そして、生成AIウィークリーの中でも特に興味深いAI技術や研究にスポットライトを当てる「生成AIクローズアップ」では、既存のAIエージェントと連携して、ソースコードが非公開なアプリやソフトウェアの仕組みを解き明かす（リバースエンジニアリング）解析ツール「REA」（Reverse Engineer Anything）を別の単体記事で取り上げています。
Google、スマホで動くマルチモーダル埋め込みAIモデル「EmbeddingGemma 2」を公開
Google DeepMindは、テキスト、画像、音声、動画を統合して処理できるオープンなマルチモーダル埋め込みモデル「EmbeddingGemma 2」を発表しました。商用利用も可能なApache 2.0ライセンスです。
このモデルはGemma 4アーキテクチャをベースに構築されています。7億4000万パラメータ（テキスト専用であれば最小2億7000万パラメータで動作）の小型なので、スマートフォンなどのデバイス上で直接実行できます。最大8Kトークンのコンテキストウィンドウを備えています。
EmbeddingGemma 2
Google DeepMind
GitHub | Blog | Hugging Face
Qwen3.8-27Bの54GB→約8GBに圧縮した軽量モデル「Saluki 27B」がオープンウェイトで登場。メモリ16GBノートPCで動作
Underdogは、高性能なオープンソースAI「Qwen3.8-27B」をベースにした量子化モデル「Saluki 27B」のオープンウェイトを公開しました。
約54GBあった元のモデルサイズを7.89GBまで圧縮しており、特殊なソフトウェアを必要とせず、16GBのノートパソコン上で動作させることができます。
性能評価では、エージェント機能のツール呼び出し能力を計測するUnderdog Benchや、指示への従順さを測るテストIFEvalなどで、Salukiは元のQwen3.8-27Bを上回りました。一方、数学やコーディング、推論のテストなどでは元モデルを下回っています。
Saluki 27B
Underdog
Project | Blog | Hugging Face
8ステップで生成する高速画像生成AIモデル「Qwen-Image-2.1-Turbo」がオープンウェイトで登場
AlibabaのQwenチームが開発した「Qwen-Image-2.1-Turbo」は、Qwen-Image-2.1をベースに高速化された、テキストからの画像生成と画像編集ができるオープンウェイトモデルです。
70億パラメータの視覚生成アーキテクチャを引き継ぎつつ、通常は何度も繰り返すノイズ除去の計算を8ステップで完了させます。許諾は非商用目的に限られ、商用利用には別途契約する必要があります。
Qwen-Image-2.1-Turbo
Qwen
GitHub | Hugging Face
画像と音声にも対応した判断特化型AIファミリー「Open d1」がオープンウェイトで登場
Liquid AIは、テキストと画像に対応するオープンウェイトの意思決定モデル「d1-3B」と、テキストと画像に加えて音声にも対応した「d1-omni-600M」をリリースしました。
従来の生成モデルとは異なり、文章を生成するのではなくあらかじめ用意しておいた選択肢から確信度付きで高速に選択するモデルです。
「d1-3B」はテキストと画像を処理できるモデルで、「LFM2.5-VL-3B」をベースにしています。判定能力を測るベンチマークDecision Indexで高いスコアを記録し、これは100億パラメータ未満のすべてのモデルを上回るだけでなく、パラメータ数が12倍あるモデル「Decider 35B-A3B」に匹敵するスコアです。処理速度はRTX 4090では8ミリ秒という低遅延を実現しています。
「d1-omni-600M」は、LFM2.5-Encoder-350Mをベースにしたテキストと画像、またはテキストと音声を入力できるモデルです。コンパクトなサイズでありながら、有害な言葉の検出といったタスクでは高い精度を発揮します。
Open d1
Liquid AI
Blog
