2025年11月号
「オンデバイス・エージェント」と「1B級OCR-VLM」が同時噴出。画面を見て操作するMicrosoft Fara-7B／H Company Holo2、1Bで完結するTencent HunyuanOCR、完全オープンなAi2 Olmo 3、表現力TTSのMaya1が出揃った。
項目ごとの確認記録がない過去データは、推測で補わず「記録なし」「未分類」と表示しています。
今月のエッジAI概況
2025年11月号のエッジAI業界を、まずは文章でざっくり把握
2025年11月は、「オンデバイス・エージェント」と「1B級OCR-VLM」が同時に噴出した月でした。Microsoft Fara-7B(11/24、MIT)やH Company Holo2-4B(11/13)は、画面を見て座標をクリック/入力するコンピュータ操作エージェントで、PCローカルで完結します。
OCRと完全オープンが進展しました。Tencent HunyuanOCRはわずか1Bで文字の検出・解析・抽出・翻訳をend-to-endで処理し、3B未満でOCRBench級のSOTAを達成。Ai2のOlmo 3 7B(11/20)はデータ・コード・全チェックポイントまで公開する完全オープンで、エッジ向けの7B Think版も同梱しました。
視覚・音声も強化されました。リアルタイム検出のRF-DETRがエッジ展開可能なまま初のCOCO 60 APを突破し、表現的TTSのMaya1(3B、感情タグ20種超)や音声編集のStep-Audio-EditX(ONNX書き出し対応)が登場。Baiduの有効3B VLMである ERNIE-4.5-VL-28B-A3B-Thinking も公開された月でした。
ピックアップ
2025年11月号で特に注目のエッジAI動向
Olmo 3 7B
データ・コード・全チェックポイントまで公開した完全オープン7B/32B、エッジで動く7B Think版も同梱。
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
Fara-7B
スクリーンショットを見て座標をクリック/入力する7Bのコンピュータ操作エージェントがPCローカル完結。
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
HunyuanOCR
わずか1Bで文字検出・解析・抽出・翻訳をend-to-end処理、3B未満でOCRBench級SOTA。
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
RF-DETR
リアルタイム物体検出で初めてCOCO 60 APを突破、エッジ展開可能なTransformer検出器。
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
🤗注目のエッジAIモデル
2025年11月号時点のモデルカタログ
Olmo 3 7B (Instruct/Think)
Ai2 (Allen Institute)
11/20公開。9.3兆トークンのDolma 3で学習、データ・コード・中間チェックポイントまで全公開する「モデルフロー」、65K文脈。
何に使える？
動作する機材
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
Fara-7B
Microsoft
11/24公開。画面を直接見て操作するコンピュータ操作エージェント(CUA)で、平均約16ステップとUI-TARS-7Bより効率的。決済前に停止する安全機構を内蔵。
何に使える？
動作する機材
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
ERNIE-4.5-VL-28B-A3B-Thinking
Baidu
11/11公開。有効3BのMoE VLMで文書・チャート・動画理解に特化、自社ベンチでGemini 2.5 Proを上回ると主張。
何に使える？
動作する機材
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
HunyuanOCR
Tencent
11月公開。1BでレイアウトやOCR専用パイプライン無しに検出・解析・情報抽出・翻訳まで一気通貫、3B未満でOCRBench級SOTA。
何に使える？
動作する機材
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
Maya1
Maya Research
11/11公開。自然文で声を設計でき、laugh/cry/whisper等20種超の感情タグを挿入できるLlama系SNAC TTS(24kHz・リアルタイム)。
何に使える？
動作する機材
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
Holo2-4B
H Company
11/13公開。Web/デスクトップ/モバイルを横断してUI要素を位置特定・操作する軽量GUIエージェントVLM(4B/8B/30B-A3Bを展開)。
何に使える？
動作する機材
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
Step-Audio-EditX
StepFun
11/12公開。感情・話速・スタイルを反復的に編集できるLLMベースの表現的音声編集モデル、ONNX書き出しにも対応。
何に使える？
動作する機材
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
⭐注目のGitHubプロジェクト
2025年11月号時点の注目プロジェクト
roboflow/rf-detr
Roboflow製リアルタイムTransformer検出器。11月にリアルタイムモデルで初のCOCO 60 APを達成、エッジ推論対応。
こんな用途に使える
- ›エッジ機でのリアルタイム物体検出
- ›工場・物流の高精度検査
- ›ドローン/監視カメラの検知システム
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
Tencent-Hunyuan/HunyuanOCR
1Bエンドツーエンド専門OCR VLMの公式リポ、vLLM/transformers対応。
こんな用途に使える
- ›1Bモデルでの軽量な文書/帳票OCR
- ›画像内テキストの多言語翻訳
- ›動画字幕の自動抽出
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
Ollama
ローカルLLMをワンコマンドで取得・実行する定番ランナー。OpenAI互換API・モデル管理で人気。
こんな用途に使える
- ›Raspberry Pi・ミニPCでオフラインチャットボットを常駐
- ›社内文書Q&Aをローカルサーバーで提供
- ›複数モデルを切替えて性能比較する開発環境
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
llama.cpp
LLMの超高効率C/C++推論エンジン。GGUF量子化でCPUでも軽量に動き、多くのローカル実装の土台。
こんな用途に使える
- ›Raspberry Pi上でオフラインチャットボット構築
- ›社内文書Q&Aシステムをローカルサーバーで運用
- ›IoTゲートウェイでの音声コマンド処理
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
Transformers.js
HuggingFaceモデルをブラウザで直接実行。100以上のアーキテクチャ、WebGPU加速でサーバー不要。
こんな用途に使える
- ›ブラウザ完結の音声文字起こしツール
- ›クライアントサイドで動くテキスト感情分析
- ›画像自動タグ付けのWebアプリ
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
WebLLM
WebGPUでLLMをブラウザ実行。Llama, Qwen, Phi, Gemma等に対応。OpenAI互換API。
こんな用途に使える
- ›社内チャットAIをサーバーレスで提供
- ›プライバシー重視の相談チャットボット
- ›オフライン環境での技術文書検索アシスタント
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
ONNX Runtime
クロスプラットフォーム推論エンジン。WebGPU/WASM/WebNN対応でCPU/GPU/NPUを抽象化。
こんな用途に使える
- ›Windowsアプリに DirectML推論を組み込み
- ›React NativeアプリでオンデバイスAI
- ›ブラウザとサーバーで同じモデルを共有運用
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
whisper.cpp
OpenAI WhisperのC/C++移植。CPUだけで高速に音声認識でき、オフライン/組み込みASRの定番。
こんな用途に使える
- ›Raspberry Piで常時稼働の議事録ボット
- ›オフラインで動く多言語字幕生成システム
- ›スマートスピーカー自作キットのASRエンジン
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
Ultralytics (YOLO)
最新YOLO。検出・セグメンテーション・ポーズ推定・分類をワンパッケージで。TFLite/ONNX export可。
こんな用途に使える
- ›工場ラインの製品検査を低コストで自動化
- ›農業用ドローンの害虫・病害検出
- ›駐車場の空き状況リアルタイムモニタリング
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし
MediaPipe
Googleのオンデバイス推論FW。顔・手・ポーズ・セグメンテーション等をリアルタイム処理。
こんな用途に使える
- ›店舗カメラで来客数・動線をリアルタイム分析
- ›リハビリ用のポーズ判定アプリ開発
- ›ジェスチャーで操作するキオスク端末
- 公開日:
- 記録なし
- 情報確認日:
- 記録なし