GPT Realtime 2＆Gemma 4 MTP — 今週のAIニュース重要7選まとめ

🔥 今週のAI業界を動かした7つの動き

GPT-5級の推論能力を音声モデルにネイティブ統合したGPT Realtime 2シリーズが公開され、音声→テキスト→再推論という従来パイプラインが単一モデルへ統合される転換点が訪れました。同時にAnthropicはSpaceXのColossusデータセンターと22万基以上のNVIDIA GPUコンピューティング契約を締結し、GoogleはGemma 4 MTPで推論速度を最大3倍に引き上げました。本記事ではリアルタイム音声AI、大規模コンピューティング確保競争、オープンソースモデルの反撃という3軸で今週のニュースを分析します。

🎙️ GPT Realtime 2 — 音声AIのパイプライン統合

3モデル構成と主要スペック

OpenAIが公開したGPT Realtime 2シリーズは3モデルで構成されます。第一に、GPT-5級の推論能力をネイティブ搭載した音声対音声モデルGPT Realtime 2。第二に、70以上の入力言語を13の出力言語へリアルタイム変換するGPT Realtime Translate。第三に、音声をテキスト化するGPT Realtime Whisperです。

従来構造は音声→STT→LLM推論→TTSの4段階でしたが、Realtime 2はこれを単一モデルに統合しました。コミュニティのデモによれば、関数呼び出し(Function Calling)とMCPサーバー連携がリアルタイム対話フロー内で処理され、株価照会のような外部API呼び出しも遅延なく実行されます。

価格構造と実用判断

価格はモデルごとに異なります。Translateはトークンではなく時間ベース課金で1時間あたり約2,800〜3,000ウォン水準、Realtime 2は入力100万トークンあたり32ドル、出力64ドルと推論モデル特性上高めに設定されています。リアルタイム通訳・字幕・エージェント音声インターフェースを検討するチームにとっては、Translateの時間課金構造がコスト予測に有利です。

GPT-5.3 출시 임박? 챗GPT 광고 시작 & 애플 Gemini 탑재까지 - 최신 AI 뉴스 총정리で扱ったOpenAIの最近の動きと併せて見ると、音声・テキスト・エージェントを横断する統合戦略の方向性がより鮮明になります。

⚙️ コンピューティング確保競争とオープンソースの反撃

Anthropic-SpaceX契約とインフラ再編

AnthropicがSpaceXのColossusデータセンター全体のコンピューティング容量を使用する契約を締結しました。これにより22万基以上のNVIDIA GPUへアクセス可能となり、Claude購読者の5時間使用量制限は2倍に拡大、ピーク時間帯の制限縮小措置も撤廃されました。業界ではSpaceXがOpenAI牽制のためAnthropicにコンピューティングを提供したという分析と、AnthropicがGoogle投資受け入れとともにインフラ多角化に動いたという解釈が併存しています。

オープンソースモデル性能比較

今週公開された主要モデルのスペックを整理すると以下の通りです。

Gemma 4 MTPを巡る議論も注目に値します。コミュニティのリバースエンジニアリングにより配布版から削除されたMTP学習痕跡が発見され、その後迂回サポートが実施されました。122Bパラメータモデルが削除されたという観測とともに、商用API競争力保護のための意図的性能制限という推測がReddit等で提起されています。

화웨이 GT6 Pro vs 얼티밋 2 올림픽 선수용 실험실에서 검증된 스포츠 성능의 비밀 🔬のようにスペックと実測データを分離して検証するアプローチは、こうした議論の真偽を判断する際にも有効です。

🧭 まとめと注意点

今週の核心は3点に要約されます。第一に、音声AIがパイプライン統合段階へ移行しました。第二に、コンピューティング確保がモデル性能と同等に重要な競争変数として浮上しました。第三に、オープンソースモデルが特定ベンチマークでフロンティアモデルを上回り始めました。

注意点として、SubQの1,200万トークンコンテキストとGemma 4 MTPの3倍高速化は、まだ独立検証が限定的です。導入検討時には自社ワークロード基準での再現テストを推奨します。

📅 情報基準日: 2025-01-01