今週は、注目すべき生成モデルが2つ登場し、AIエージェント向けの音声・電話機能が相次いで追加され、さらに有料プランで実際にどれだけサービスを使えるかをめぐる変更が重なりました。OpenAIはアニメーションGIFのネイティブ生成と参照写真の永続保存に対応したImages 2.6を公開しました。Googleは1クリップの長さを15秒に延ばしたGemini Omni 1.2 Flashをリリースしました。Meta Museは音声モードを有効にし、Grok Botは電話をかけられるようになりました。一方で、Grok Botのユーザーは利用枠の大幅な削減に直面し、AnthropicはClaudeのプランを再編し、OpenAIはChatGPTとCodexで別々だった利用枠を統合しました。有料ユーザーにとって実際に問われるのは、どのモデルが最新かよりも、月額サブスクリプションで今どこまで使えるのかという点です。
OpenAI Images 2.6:GIF生成、速度調整、参照画像の保存
OpenAIは、ChatGPT、Codex、APIの全てでImages 2.6を発表しました。目玉は、通常のチャット内でアニメーションGIFを生成できる機能です。たとえば「Happy Birthday」の文字をカラフルなマシュマロで綴ってほしいとプロンプトを入力すると、ループするアニメーションが返ってきます。インターフェースには再生速度のセレクターが追加され、0.25倍、0.5倍、1倍、1.25倍、1.5倍、1.75倍、2倍から選べます。試したところ、生成も編集もそれぞれ20秒ほどで完了しました。
編集は会話形式で、複数ターンにわたって続けられます。木製の机の上にマシュマロのGIFを生成したあと、机を芝生に変えるよう追加で指示すると、文字はそのままに表面だけが差し替わりました。ポートレートをアップロードして、その人物が踊る中世の騎士になったGIFを求めるのもうまくいきましたし、ミーム風のキャプション付きでポーカーをする豚という依頼にも応えました。ひとつ注意点として、ミームの例ではキャプションの文字が背景によってはやや読みにくくなりました。
もうひとつの大きな追加は参照画像の永続保存です。ユーザーが写真を一度アップロードし、短い名前タグを付けて参照として保存するようChatGPTに伝えておけば、まったく新しいチャットを開いて、その名前がサーフィンしているGIFを頼むだけで済みます。モデルは新たなアップロードなしに保存済みの被写体を呼び出します。同じキャラクターや商品、顔を多くのセッションで使い回すクリエイターにとって、使い勝手の大きな改善になりそうです。
開発者向けには、OpenAIはFlareとSunburstという2つのAPI画像モデルを導入しました。同社によると、従来版に比べて最大50%速く画像を生成できるとしています。
Images 2.6のプロンプトのコツ
- アニメーション出力を確実に引き出すには、「[被写体]が[動作]しているGIFを作って」という形で依頼する。
- 動きが速すぎたり遅すぎたりする場合は、キャンバス上の速度セレクターを使う。
- よく使う被写体は、簡単な名前を添えて「これを参照として保存して」と入力しておく。
Google Gemini Omni 1.2 Flash:クリップの長尺化と参照の忠実度向上
GoogleのGemini Omni 1.2 Flashは、Google FlowとGemini for Businessに登場しました。1ショットの最大長は10秒から15秒に伸び、Googleはキャラクターの一貫性の向上、プロンプトへのより忠実な追従、コスト効率の高い生成をうたっています。
公開されたデモ素材は、いくつかのユースケースをカバーしています。
| 機能 | デモで示された内容 |
|---|---|
| バーチャル試着 | 1枚のポートレートに複数の衣装を着せ、360度回転させる |
| 参照の忠実度 | 「GLOW LUMEN HALO」と書かれた3Dテキストのシーンで、1.2 Flashは1.1 Flashよりもタイポグラフィと照明をよく保持 |
| 自然言語による編集 | 騎士と女王の背後の森を、中世の厩舎と白馬に置き換え |
| 複数キャラクターの音声 | 蘭の温室で動物たちが交わすリップシンク付きの対話 |
| カメラ制御 | パンテオンの天窓を抜けて上昇するドローン風のフライスルー |
| マクロの細部 | 卵、幼虫、蛹をモーショントラッキングで注記した15秒の蜂の巣の解説動画 |
展開対象はGoogle FlowのUltraとProの加入者ですが、全員がすぐ使えるわけではありません。試した時点で、少なくともひとつのUltra/Proアカウントでは、モデルメニューにOmni 1.1 FlashとVeo 3.1の各バリエーションしか表示されていませんでした。1.1 Flashとの比較や試着のシーケンスは、独立したテストではなくGoogleの発表素材によるものです。
Grok Botの利用枠削減と、その範囲内でやりくりする方法
Grok Botの加入者からは、ボットがアイドル状態のまま利用量のゲージが50%から一気に100%に跳ね上がったという報告が上がりました。イーロン・マスク氏はX上で、これがバグではないことを認めています。Grok Botの提供コストが収益に対して持続不可能なほど高かったというのが理由です。改定後の数値上限やリセット間隔は公表されておらず、アクティブなユーザーは残りの利用枠を推測するしかない状態です。
削減後も、Grok Botは深い自律的なエージェント作業に最も適したプラットフォームのひとつに見えます。問題は、構築済みの環境が利用枠を使い切ってしまわないようにする方法です。ヘビーユーザーのアカウントを点検したところ、主な消費源が2つ浮かび上がりました。

▲ ルーチン削減と直接連携コネクターの活用
消費源その1:バックグラウンドのルーチン
点検したアカウントでは24のスケジュール済みルーチンが動いていました。速報ニュースのモニターは週に85回実行され、2つのダイジェストボットは新着があるかどうかにかかわらず、それぞれ週14回ソースを確認していました。価値の大半を保ちながら効いた対処は次の通りです。
- 同じフィードをスキャンしている重複ボットを一時停止する。
- スパムフォルダーのチェックなど重要度の低いメンテナンスを、毎日から週1回に減らす。
- ニュースアラートを24時間30分おきではなく、営業時間内に限定する。
- 散在する多数のループではなく、調整役の単一ボットにスケジュールを集約する。
コミュニティの一部には、長期稼働しているボットを4か月ほどで削除して状態をリセットするよう勧める声もあります。しかし、その助言は不要に思えます。ルーチンを削るだけで、ボットのメモリーを消さずに持続可能な利用量を実現できるからです。
消費源その2:ボット同士の会話とブラウザー自動化
複数のボットが互いに会話するグループチャットや、サブタスクを連鎖的に下流へ流す構成は、トークンとセッション上限を急速に消費します。新しい上限の下では、こうしたマルチボットの連携は重い作業には現実的でないかもしれません。より安全なパターンは、特化したボットごとに専用の1対1チャットを用意し、それぞれの目的に使うことです。
もうひとつの重いコストがコンピューター操作のアクションです。これはクラウド上の仮想マシンで実行され、ボットがウェブサイトを視覚的に操作します。たとえばSalesforceのログインページに認証情報を入力するといった処理です。Grok BotのConnect Appsパネルには、Slack、Outlook、Google Sheets、Datadog、Vercel、1Password、Notion、Atlassianとの直接連携が用意されており、これらのコネクターはボットにブラウザーを操作させるよりも利用量の面ではるかに安価です。
Meta Museが音声に対応し、低価格の選択肢に
X上では、複数のGrok Botユーザーが主要なワークフローをMeta Museに移したことを記録しています。理由として挙げられているのは、月額$20のプランで、$300前後の上位プランの競合よりも大幅に多い処理量が得られることで、ある投稿は10億トークンという数字に言及していました。Metaはまた、メリットバッジを付けたぬいぐるみのスカウトのキャラクターが登場するティーザーを公開しました。バッジは機能を表しているようで、Muse Mailと呼ばれる専用の受信アドレスを示す封筒、音声モードのバッジ、Ray-Ban Metaスマートグラスとの連携、そしてマーク・ザッカーバーグ氏が以前、年末商戦前に消費者に届けると述べていたウェアラブルのMuse Charmが含まれます。
音声モードは現在利用可能で、試したところ、デスクトップでの試行は失敗したものの、モバイルアプリからは動作しました。カスタマイズしたMuseアシスタントは小さな3Dのぬいぐるみアバターとして応答し、口と表情が発話に合わせて動きました。目立った挙動は次の通りです。
- アシスタントは、ユーザーの声がはっきり聞こえ、通常のチャット操作はこなせるが、視覚的な作業には画像のアップロードが必要だと述べた。
- 声の変更を頼むと、warm、smooth、Playful Whistle、Aria、Boomy Mountain、Engaging Plumといったスタイルの選択画面が表示された。
- 声は「um」のような自然なフィラーを使い、割り込むと即座に止まった。
- 共有機能では、アバターが流行曲に合わせて踊るループクリップを書き出せる。
ここでの評価としては、Museの音声はGrok BotやChatGPT Voiceよりも反応が良く、感情表現も豊かです。ただし、生の推論力ではGPT-6やClaudeに及びません。くだけたタスク、ハンズフリーのブレインストーミング、大量のカジュアルな利用には向いていますが、複雑な自律実行においてGrok Botを置き換える段階にはまだないようです。
Grok Botが代わりに電話をかけられるように
Grok Botの新しい通話機能では、ボットがユーザーに代わって企業や個人に電話をかけます。Museの音声モードと異なり、ユーザーは音声を聞きません。代わりにチャットに文字起こしがリアルタイムで表示されます。発信前にボットは背景情報を尋ね、通話の目的を明示し、詳細が必要になればチャットで呼びかけることがあると告げます。確認カードには番号、目的、背景情報がプレビューされ、緑色のCallボタンが付いています。

▲ 人が介在するAIの電話通話のプロンプト
実際のテストでは、ボットがビジネスパートナーに電話をかけ、1日2回実行していたXタイムラインのダイジェストルーチンを停止したままにするかどうかを決めました。ボットは録音回線から電話しているバーチャルアシスタントだと名乗り、そのルーチンの役割を正しく説明したうえで、答えられない質問に突き当たりました。ユーザーが別の方法でタイムラインを追えているかどうかです。ボットは相手に待つよう頼んで通話をミュートし、チャットにおよそ60秒のカウントダウン付きのカードを投稿しました。「手動で確認している」と入力した返答はそのまま通話の会話に流れ込み、パートナーはルーチンの停止継続に同意し、ボットは丁寧に通話を終えました。
応答の遅延は小さく、テンポも自然でしたが、声にはコールセンターのヘッドセットのような少しこもった質感がありました。ここから実用上のルールが2つ導けます。確認前に必ず目的、番号、背景情報のカードを見直すこと、そして時間制限付きの質問が期限切れにならないよう通話中はチャットを開いたままにしておくことです。
AnthropicとOpenAIのプラン変更
AnthropicはGrok Botとは逆の方向に動きました。Max 5xプラン(月額$100)は単に「Max」となり、Max 20x(月額$200)は「Ultra」になりました。既存の加入者は自動的に移行します。実質的な変更点は、Ultraの加入者には5時間のローリングセッション上限が適用されなくなり、全体の週間上限だけが残ることです。Claude 3.5 Opusを一日中動かすヘビーユーザーは、$200のプランで短期的な壁にぶつかることなく、負荷の高い作業を柔軟に配分できます。
OpenAIはProの加入者に、ChatGPTとCodexが単一の統合された利用枠から消費されるようになるとメールで通知しました。従来、ChatGPTは会話型の「Chat」、より重い「Work」タスク、「Codex」によるコーディングを別々の枠に分けており、パワーユーザーはまずチャットを使い切ることでサブスクリプションを最大限に活用していました。ChatとWorkのタブは単一の入力欄に統合され、意図に応じてモードが切り替わります。軽いブレインストーミングはチャットにとどまり、実行可能な作成のプロンプトはWorkに昇格します。枠の分離がなくなることでパワーユーザーの柔軟性は下がるかもしれませんが、OpenAIは$200のPro加入者の基本利用枠を2倍にしました。$20のPlus加入者には増枠がなく、この層にとっては不均衡に感じられるかもしれません。
短信
- Atmee v2:開発元がデモを公開したリアルタイム動画アバターモデルです。並列比較のベンチマークでは、1クリップのコストが$0.01未満、所要時間0.03秒だったのに対し、Seedance 2.5は$0.50と233.6秒で、およそ10倍から100倍安価でした。デモには台本なしの2アバターによるトークショーや、タブレットでの双方向ビデオ通話が含まれます。アバターはまだやや硬い俳優のように見えますが、以前の世代よりはるかに人間らしくなっています。アクセスはAPI経由の招待制です。
- Project Suncatcher:Googleは、太陽光で動くTPUを搭載したプロトタイプ衛星をSpaceXのミッションで打ち上げました。スンダー・ピチャイ氏によると、地上管制がTPUを起動してGemmaモデルにプロンプトを送ると、「Blue marble below, Data streams in silent grace, Starlight feeds my core(眼下に青い球、静かに流れるデータ、星の光が私の核を満たす)」という俳句が返ってきたとのことです。これは衛星1基での概念実証ですが、Googleの研究では拡張可能な衛星コンステレーションの設計が示されています。
- 個人金融:ChatGPT Voiceは、Finaコネクターを通じて米国ユーザーの銀行口座やクレジット口座に接続できるようになりました。読み取り専用に限定されています。AnthropicはClaudeにPlaidを基盤とするPersonal Financeを導入し、予算の質問、給料日後のキャッシュフロー、重複や定期的な請求の発見に対応します。米国のPro、Max、Ultraの加入者向けにベータ提供中で、Anthropicはこれらの会話を将来のモデルの学習に使わないとしています。
- OpenAIの新モデル:OpenAIの開発者が、ChatGPT dotsにGPT-6 AstraとGPT-6.1 Terraを組み込み、速度向上、エージェントの個性の改善、提供範囲の拡大を図ると発表しました。Plus会員も対象になる可能性があります。
- Perplexity Teammates:On-call Engineer、Legal Research Assistant、Storefront Managerといった常駐型のバックグラウンドエージェントで、Perplexityのメモリー、スキル、プラグインを共有し、互いにタスクを引き継ぎます。Perplexity Maxの加入者向けにウェブで提供され、当面は無料で、デスクトップとモバイル版も予定されています。Manus Cueと並び、Grok Botが広めたマルチエージェントのアーキテクチャに忠実に追随するものです。一方、ChatGPT dotsとClaude Duetはコミュニティの反応が比較的鈍かったように見えます。
今週の要点
クリエイティブ系のリリースはすぐに試せます。Images 2.6で手軽にGIFを作り、繰り返し使う被写体を参照として保存し、Google FlowのモデルメニューにGemini Omni 1.2 Flashが現れているか確認してみてください。利用上限の話はもっと慎重な対応が必要です。Grok Botに依存しているなら、別のプラットフォームが必要だと判断する前に、スケジュール済みルーチンをすべて点検し、ボット同士のチャットをやめ、ブラウザー自動化を直接コネクターに置き換えてみましょう。低コストで大量の会話利用をしたいなら、Meta Museの$20プランと新しい音声モードは試す価値がありますが、重量級のエージェントの代わりにはまだならないことは理解しておく必要があります。Claude Ultraの加入者はより長い集中作業ができるようになり、ChatGPT Proのユーザーは容量が増え、Plusユーザーは統合された利用枠が日々の使い方にどう影響するかを注視すべきです。あらゆるサービスで上限は目まぐるしく変わっているため、先月の内容を前提にせず、自分のプランの利用枠を改めて確認する価値があります。


