1. ByteDanceが「Seedance 2.5」を発表、30秒の生成とマルチモーダル制御に対応
ByteDanceはSeedanceシリーズの機能を拡張し、正式に「Seedance 2.5」をリリースしました。このバージョンでは、高品質なオーディオ・動画コンテンツを一度のパスで最大30秒まで生成可能になりました。また、最大30枚の画像、10個の動画クリップ、10個のオーディオクリップを同時に入力できる高度なマルチモーダル参照機能が導入されています。さらに、タイムスタンプ単位の編集制御やクレイレンダリング参照機能も追加されました。APIアクセスはBytePlus ModelArkを通じて提供される予定です。
- • Seedance 2.5は、一度のパスで最大30秒のオーディオ・動画コンテンツを生成可能。
- • 新しいマルチモーダル参照機能により、最大30枚の画像、10個の動画クリップ、10個のオーディオクリップを同時に入力可能。
- • タイムスタンプ単位の編集、グリーンスクリーン、カメラ視点の編集、クレイレンダリング参照を導入。
- • Jimeng AIおよびDoubao Proで利用可能。BytePlus ModelArkでのAPIアクセスも順次提供予定。
このアップデートにより、Seedanceプラットフォームを利用する開発者は、従来の2.0バージョンを超えて、より高度なクリエイティブ制御と長い生成時間を実現できるようになります。
2. 「LongCat-Flash-Lite-Sparse」がアップデート、100万トークンのコンテキストに対応
LongCat-Flash-Lite-Sparseモデルの公式ウェイトが公開されました。このバージョンでは、従来の密なMulti-Head Latent Attention (MLA)に代わり、LongCat Sparse Attention (LSA)が導入されました。これにより、初期リリースで報告されていた256kの制限を大幅に上回る、100万トークンのネイティブサポートが可能となりました。
- • LongCat-Flash-Lite-Sparseのモデルウェイトがダウンロード可能に。
- • ネイティブのコンテキストサポートが100万トークンまで拡大。
- • アーキテクチャが密なMulti-Head Latent Attention (MLA)からLongCat Sparse Attention (LSA)に変更。
このアップデートにより、コンテキストウィンドウが4倍に拡大され、ローカル環境で膨大なドキュメントやコードベースを処理する際のモデルの有用性が大幅に向上しました。
3. Poolsideが「Laguna S 2.1」向けに最適化されたFP8およびNVFP4チェックポイントをリリース
7月21日にリリースされたMixture-of-Expertsモデル「Laguna S 2.1」に基づき、Poolsideは更新されたFP8およびNVFP4チェックポイントをリリースしました。これらの新しいウェイトと構成の変更により、開発者は100万トークンのコンテキストモデルをデプロイするための最適化された選択肢を得ることができます。
- • PoolsideがLaguna S 2.1モデル向けの公式FP8およびNVFP4チェックポイントをリリース。
- • 新しいウェイトとともに構成の変更も含まれる。
- • 最適化された推論をサポートするため、チェックポイントがダウンロード可能に。
これらの量子化チェックポイントにより、Laguna S 2.1モデルのより効率的なローカルデプロイメントと、専門的な推論パイプラインの構築が可能になります。
4. 「Solid Queue 1.6.0」がリリース、I/OバウンドなLLMワークロード向けにFiber Workerを導入
Solid Queue v1.6.0では、バックグラウンドジョブを従来のスレッドプールではなく、単一のFiberリアクタースレッドで実行できるFiber Worker実行モードが導入されました。この実行モードはI/Oバウンドなワークロードに最適化されており、頻繁に外部LLM APIを呼び出すアプリケーションに非常に適しています。この機能を使用するには、開発者はファイバー数を設定し、Async依存関係を含め、Railsでファイバー分離を有効にする必要があります。
- • Solid Queue v1.6.0は、単一のFiberリアクタースレッドでジョブを実行するFiber Worker実行モードを導入。
- • LLM呼び出しなど、I/Oバウンドなワークロードを対象としている。
- • Async依存関係が必要であり、Railsでconfig.active_support.isolation_level = :fiberを設定してファイバー分離を有効にする必要がある。
- • テスト中に強制終了されたジョブスレッドによってリークしたトランザクションをロールバックする修正も含まれる。
これにより、Rails開発者は重いスレッドプールではなく単一のFiberリアクタースレッドでバックグラウンドのLLMジョブを実行できるようになり、リソース効率が向上します。
5. llama.cppが「DeepSeek-V4-Flash-0731」のツール呼び出し問題を修正
llama.cppのメインリポジトリにプルリクエストがマージされ、DeepSeek-V4-Flash-0731モデルにおける重大なツール呼び出しの問題に対処しました。プルリクエスト#26269により、モデルのループや動作不良が修正され、ローカル環境でモデルのツール呼び出し機能を利用する開発者にとって安定したパフォーマンスが回復しました。
- • プルリクエスト#26269がllama.cppのメインリポジトリにマージされた。
- • ツール呼び出し中のモデルのループや動作不良の問題を修正。
- • DeepSeek-V4-Flash-0731を実行するユーザーのパフォーマンス問題を解決。
- • 修正はリポジトリのメインブランチに追加された。
これにより、llama.cppを通じてローカルでDeepSeek-V4-Flash-0731を実行する開発者のツール呼び出し機能の信頼性が回復しました。
6. ローカルLLMベンチマークプラットフォーム「beta.locallm.top」が公開
ローカルLLMのベンチマーク専用プラットフォーム「beta.locallm.top」が公開されました。このサイトでは現在、10以上の狭いドメインのベンチマークと25以上の小規模なベンチマークがホストされています。開発者はカスタムベンチマークを作成し、モデルとシステムプロンプトの組み合わせ（パイプライン）を定義し、回答を評価し、比較表を表示できます。プラットフォームのアーキテクチャは、モデル実行にllama-serverを使用し、バックエンドAPIによって調整されており、データ汚染を防ぐためのプライベートベンチマークをサポートしています。
- • ローカルLLMのベンチマークプラットフォームとして「beta.locallm.top」が公開された。
- • 現在、10以上の狭いドメインのベンチマークと25以上の小規模なベンチマークをホストしている。
- • 汚染を軽減し実験を可能にするため、プライベートベンチマークとパイプラインをサポートしている。
- • システムアーキテクチャは、モデル実行にllama-serverを使用し、バックエンドAPIとモデルサービスリレーによって調整されている。
これにより、開発者はデータ汚染を避けつつ、カスタムプロンプトに対するローカルモデルのパフォーマンスを評価するための構造化されたプライベートな環境を得ることができます。
7. Cursorがセルフサービスダッシュボードからドルベースのコスト追跡を削除
Cursorは、個人およびセルフサービスのTeamsプランの利用状況ダッシュボードとCSVエクスポートから、ドルベースのコスト追跡を削除しました。ダッシュボードにはドル額の代わりにトークン数が表示されるようになり、過去のコストデータはゼロに設定されるか削除されました。Cursorは、プランに含まれる利用分とオンデマンド料金の混同を防ぐための意図的な設計変更であると述べていますが、ユーザーからはリクエスト単位やモデル効率の粒度の細かい追跡ができなくなったことへの不満の声が上がっています。
- • Cursorは2026年7月31日をもって、個人およびセルフサービスのTeamsプランにおけるドルベースのコスト追跡を削除した。
- • 利用状況ダッシュボードにはドル額ではなくトークン数が表示され、エクスポートの過去コストデータは削除またはゼロにされた。
- • Cursorの担当者Kevin Neilson氏は、この変更はプラン内の利用分とオンデマンド料金の混同を防ぐためのものだと述べている。
- • Enterpriseプランは影響を受けず、引き続きドルベースのコスト追跡が表示される。
- • ユーザーはSpendingダッシュボードで請求サイクル全体のコストを確認するか、Teamsレベルの支出データについてはAdmin APIを使用できる。
これにより、開発者は直接的なドルコストではなくトークン数を追跡せざるを得なくなり、予算監視やモデル効率の分析が複雑化しています。