Geminiがマルチモーダル対応へ!ChatGPT Deep Researchの入門ガイドも徹底解説✨

Geminiがマルチモーダル対応へ！
さらに：ChatGPT Deep Researchの入門ガイドをゼロから学ぶ方法✨

⏱️ 読了目安時間：4分以内

Alphabetが「Gemma 3」を発表したばかりなのに、もう次の動き？ そう、今回は「Gemini」自体がマルチモーダル画像生成機能を搭載したことで業界がざわついています。画像生成だけでなく、細かい部分編集やワードの埋め込みなども可能。
あわせて、ChatGPTの『Deep Research』をまだ使ったことがない人向けに、ゼロからリサーチを始める手順をご紹介。4分で最新のAIテクをキャッチアップしましょう！✨

#AI #機械学習 #テックイノベーション #スタートアップ #生産性向上 #ディープラーニング #AIの未来 #デジタル変革 #ChatGPT #OpenAI

今日のAI

1. Cohereが「超効率」LLMを発表しGemma 3に対抗

• GoogleのGemma 3が出て数日、Cohereも新モデル「Command A」をリリース。

• DeepSeekやOpenAIの最新モデル並みの性能を「わずか2枚のNvidia GPU」で実現と謳う。

• スモールビジネス向けにコストを抑えた運用が可能に。

2. 自動生成の広告がリアルすぎる：CaptionsのMirage機能

• NYCのCaptionsがAIインフルエンサー生成機能「Mirage」を公開。

• 音声またはテキストをアップロードすれば、体の動きや微細な表情もリアルに再現し、まるで本物のインフルエンサーが宣伝する動画を作成できる。

• 競合ツールと比べて自然な身体動作とマイクロ表情が特徴。

3. Nous Researchが“ハイブリッド”LLM「DeepHermes」を予告

• 検閲フリーで知られるNousが、新モデルDeepHermesの3B/24B版をプレビューリリース。

• チェーン・オブ・ソート（論理的思考）とクイックレスポンス（即時応答）を1つのインターフェースで切り替えられる世界初のモデルと主張。

• 「クローズドソースのモデルと異なり、推論プロセスを完全に表示するモードも備える」とのこと。

フロンティアから

Geminiがマルチモーダル画像生成を無料開放

通常、テキスト → LLM → 画像 という変換で損失が発生しがちですが、Gemini 2.0 Flashは複数のモードをスムーズに行き来し、高速かつ高精度の生成を実現しました。

具体的に何ができる？

• 画像内の部分だけを編集（全部再生成せずに、一部のみ変更）

• 単語や文章を画像に直接埋め込み（雑誌の表紙に文字を自然に追加、など）

• レシピ＋写真やゲームキャラ＋3Dモデルといった複合的なケースにも対応

• サンプル事例：

  • 雑誌カバーの値札を変える

  • クロワッサンにチョコレートソースをかける演出

  • 画像スタイルの相互適用

さらにDeep Research機能が全ユーザーに解放され、**“Gems”**と呼ばれるプリセット機能（翻訳や食事プラン、数学コーチなど）を自由に活用可能。
アプリ連携や検索履歴の分析まで視野に入れた“パーソナル化”が進んでいます。

続きはこちらから　→ https://note.com/ai_clutch/n/n2d924d1d2588