cloud

はじめに この記事ではOpenAIのGPTシリーズや、AnthropicのClaudeシリーズ、GoogleのGeminiシリーズなどの主要モデルについて比較表にまとめています。 提供団体 各モデルの提供団体は以下の通りです。 団体 モデル 設立 国 備考 OpenAI GPT 2015年12月11日 米国 GPTは「Generative Pre-trained Transformer」の略。2017年にGoogleが発表したLLM「Transformer」がベース。事前に大量のデータで訓練されたLLMを示す。 Anthropic Claude 2021年ごろ 米国 Claudeはフランス語圏に多い名前。 数学者クロード・シャノン（Claude Shannon）など Google Gemini 1998年9月4日 米国 Geminiはラテン語で双子座を意味する。Google社内の2つの研究チームが合併したこと、Geminiの共同技術責任者がLLM開発はロケットを打ち上げる精神と同じと共鳴したことが由来。 Meta Llama 2004年2月4日 米国 Large Language Model Meta AI 料金 モデル名 バージョン 提供状態 入力料金[/1Mトークン] 出力料金[/1Mトークン] 備考 GPT-4o-mini gpt-4o-mini-2024-07-18 GA 0.

はじめに この記事では、Azure、AWS、Google Cloudの3大クラウドサービスのAIサービスの新規機能リリース履歴をまとめています。 主に以下のURLの情報をもとに新機能のキャッチアップを行っています。 Azure公式ドキュメント: Azure OpenAI Serviceニュース Azure公式ドキュメント: Azure AI Agent Serviceニュース Github: Azure公式ドキュメント管理リポジトリ Github: Azure OpenAI APIプレビューバージョン一覧 Github: Azure OpenAI API安定版バージョン一覧 AWS公式ドキュメント: AWS Bedrockリリースノート Google Cloud公式ドキュメント: Vertex AIリリースノート Anthropic公式ドキュメント: APIバージョン一覧 Azure 2025年10月01日: Microsoftがエージェント型AIアプリ開発基盤「Microsoft Agent Framework」を発表 エージェント型AIアプリを開発するためのSDKとランタイム「Microsoft Agent Framework」を発表し、パブリックプレビューを開始されました。 概要：AutoGenとSemantic Kernelを統合し、エンタープライズ対応のマルチエージェント開発基盤として設計。 AutoGen＝Microsoft開発のA2A（Agent to Agent）連携用フレームワーク。 Semantic Kernel＝Microsoft開発のエージェント内部の機能・プラグイン・メモリ管理を担うフレームワーク。 今後の統合計画：

はじめに 以前は画像生成AI技術はなかなか思い通りの画像が生成されなかったり、日本語テキストの生成の精度が低いなどの課題がありましたが、 昨今ではOpenAIやGoogleなどが提供している画像生成モデルの精度が大幅に向上し、ビジネスにおいても活用の幅が広がっています。 この記事ではChatGPTやMicrosoft Copilotで画像生成AIを使って思い通りの画像を生成するためのプロンプトの書き方について説明します。 ※初心者向けのため、応用的な内容ではなく、基本的な内容になります。 ビジネスにおける画像生成のユースケース ビジネスにおいての画像生成系AIの活用事例として以下のようなものがあります。 1. デザイン・コンテンツ制作 製品ロゴやアイコン、サムネイル画像、キャラクター、書籍表紙、UI素材などの生成。 新しく生成するコンテンツに対して、AIにアイディアを提案させたい場合に使用します。 例 (新製品の画像をAIに提案させる) 最先端感のある最新スペックPCのデザインを提案せよ。 例 (新製品のアイコンをAIに提案させる) 新しいAIチャットサービス「Hogehoge AI」のアイコンを生成せよ 2. マーケティング・プロモーション 商品画像、広告用画像、イベント告知画像などの生成。 販売促進や集客目的で視覚的訴求を強化したい場合に使用します。 例 (イベント告知用画像を生成系AIに作成させる) 10月開催のテックカンファレンス告知用のSNS投稿用の画像 3. 業務・資料作成支援 図解、構成図、スライド背景、資料添付用画像などの生成。 文章だと分かりづらい事柄を図で表現させたり、資料作成の素材を生成させたい場合に使用します。 例 (図解: 生成系AIとチャットしていて分からなかったことなどを図で表現させる) 今までの会話内容をもとにLLMの概念について説明する画像を作成して 例: PowerPointのスライド背景 テクノロジー×イノベーションを象徴するデザインのスライド背景を生成して 既存画像への編集 最新の生成系AIでは既存の画像に対しての編集も可能になっており、以下のようなことができます。 テロップ挿入 キャッチコピーの挿入 タイトルの挿入 日付情報の挿入 この画像にキャッチコピーを追加した画像を生成して 画像の一部を別の画像と差し替え 商品や人物画像の背景を変更し、商品、人物にあった背景を検証 商品や人物画像を変更し、背景にあった商品、人物を検証 画像内の花瓶をコーヒーカップに変更した画像を生成して 画像の一部を削除 商品写真の余計な影や撮影機材を削除 観光地やイベント写真の通行人を消去 画像内の机を削除して 特に最新の画像生成AIモデルは日本語の生成精度が上がったことにより、テキスト画像の生成が期待した通りの結果が得やすくなっており、テロップ挿入などがビジネスツールとしてかなり強力になってきています。

はじめに 2024年5月から、Azure FunctionsのPythonでもHTTP Streamingが公式サポートされるようになりました。 本記事では、実装の流れとハマりやすい落とし穴について解説します。 ストリーミングとは ストリーミングとは、サーバーからのレスポンスを一括で応答せず、小さなデータに分割し、逐次的に配信する通信方式のことを指します。 小規模データに分割して、逐次配信するため、応答時間が短縮されるため、 動画や音声などの大規模データの配信や、チャット通知や株価更新など、リアルタイム性が求められる場面で利用されています。 SSE（Server-Sent Events）とは SSEは、日本語にするサーバー送信イベント。 クライアントが最初に送信する HTTP GETリクエスト をトリガーに、サーバーが通信を閉じずに継続送信する仕組みです。 サーバーは Content-Type: text/event-stream ヘッダーを返し、その後は通信を閉じずイベントを逐次的にクライアントへ送信し続けます。 類似の通信方式として、WebSocketがありますが、こちらは双方向の通信方式になります。 SSE：サーバー → クライアントの一方向通信（クライアントから送信するのは初回リクエストのみ） WebSocket：サーバー ↔ クライアントの双方向通信 背景と利用例 SSEは「受信専用のリアルタイム更新」が求められるケースに適しております。たとえば OpenAIのChatGPTをはじめとする生成AIサービス では、返答を一括で返すのではなく、トークン単位でストリーミング表示 する際に用いられることが多く、ユーザーはレスポンスを待たずに順次内容を確認できるため、体感速度が大きく向上いたします。 Azure Functionsでストリーミングを実装する 以前のAzure Functionsでは言語ランタイムがPythonの場合、Streamingがサポートされていませんでしたが、 2024年5月から、Azure FunctionsのPythonでもHTTP Streamingが公式サポートされるようになりました。 Functionsでストリーミングを実装する場合、以下の設定が必要になります。 環境変数設定 ストリーミングを使用する場合は、Azure Functionsの環境変数に以下の設定が必要になります。 この2つの変数の設定がないと、Functionsのリクエストがタイムアウトします。 設定がなくてもエラーログなどは出力されないので、トラブルシューティングに難儀することになることを防ぐため、設定忘れがないよう注意しましょう。 PYTHON_ENABLE_INIT_INDEXING=1 PYTHON_ISOLATE_WORKER_DEPENDENCIES=1 requirements.txt ストリーミングする際は、拡張機能としてFast-APIを有効にする必要があります。 azure-functions azurefunctions-extensions-http-fastapi function_app.py 下記はHello → from → Azure → Functions → Stream!の順に文字列をストリーミングで応答するコードです。 StreamingResponseクラスに非同期関数generate_hello_stream()の戻り値をyieldで指定することでストリーミングで応答されます。 yield は、returnのように関数の戻り値を指定するキーワードですが、returnと違い、ジェネレーターとして値を順次返します。 Pythonにおけるジェネレータとは、「次のデータが必要になったら、そのときにデータをつくる仕組み」です。 import asyncio import azure.

はじめに GPT-Image-1は、OpenAIが提供する最新の画像生成モデルです。 この記事では、PythonのopenaiライブラリからGPT-Image-1を使用するにあたって導入から実装、料金や注意点まで体系的に整理します。 GPT-Image-1の概要 GPT-Image-1は、テキストからの画像生成や既存画像の編集を行うことができる画像生成モデルです。 以下の2つの機能が提供されています。 Image Genaration (画像生成) Image Edit (画像編集) OpenAI公式: GPT-Image-1 Image Genaration (画像生成) 入力したテキストプロンプトを元に画像を生成するAPIです。 gpt-image-1ではストリーミングを設定することができ、ストリーミングを有効にすると生成途中の中間画像を生成させることができます。 中間画像 完成画像 Image Edit (画像編集) 既存の画像に対して、画像の編集し、新たな画像を生成することが可能です。 入力したプロンプトにもとづき画像を編集 (例:背景を赤色にして、人物画像を追加して) 複数の入力画像を合成して、新たな画像を生成 (例: 2つの画像を合成して) 入力画像とともにマスク画像を指定することで、マスク画像に表示されている画像のみを編集対象にできる (例: 背景は同じまま、男性の画像を女性に変更する) マスク画像は入力画像の一部を透過したもので透明になっている部分のみが編集対象 以下にImage Editでマスク画像を使って既存の画像を編集した例を示します。 元画像 マスク画像 編集画像 料金体系 Azure OpenAIでは以下の料金体系で提供されています。 GPT-5と比較すると入力テキストのトークンの料金も4倍に上がっています。 ※GPT-Image-1 Globalの料金 モデル名 バージョン 提供状態 入力テキスト料金[$/1Mトークン] 入力画像[$/1Mトークン] 出力料金[$/1Mトークン] 備考 GPT-Image-1 gpt-image-1 GA 5 10 40 GPT-5 gpt-5-2025-08-07 GA 1.

はじめに この記事では、Azure、AWS、Google Cloudの3大クラウドサービスのAIサービスの新規機能リリース履歴をまとめています。 主に以下のURLの情報をもとに新機能のキャッチアップを行っています。 Azure公式ドキュメント: Azure OpenAI Serviceニュース Azure公式ドキュメント: Azure AI Agent Serviceニュース Github: Azure公式ドキュメント管理リポジトリ Github: Azure OpenAI APIプレビューバージョン一覧 Github: Azure OpenAI API安定版バージョン一覧 AWS公式ドキュメント: AWS Bedrockリリースノート Google Cloud公式ドキュメント: Vertex AIリリースノート Anthropic公式ドキュメント: APIバージョン一覧 Azure 2025年09月11日: Sora: Video-to-Video サポート Sora モデル が video-to-video 生成に対応 短い動画を入力すると、それを取り込んだ新しい長尺動画を生成可能 Azure公式ドキュメント: Quickstart: Generate a video with Sora (preview)

はじめに この記事では、Azure、AWS、Google Cloudの3大クラウドサービスのAIサービスの新規機能リリース履歴をまとめています。 主に以下のURLの情報をもとに新機能のキャッチアップを行っています。 Azure公式ドキュメント: Azure OpenAI Serviceニュース Azure公式ドキュメント: Azure AI Agent Serviceニュース Github: Azure公式ドキュメント管理リポジトリ Github: Azure OpenAI APIプレビューバージョン一覧 Github: Azure OpenAI API安定版バージョン一覧 AWS公式ドキュメント: AWS Bedrockリリースノート Google Cloud公式ドキュメント: Vertex AIリリースノート Anthropic公式ドキュメント: APIバージョン一覧 Azure 2025年08月05日: gpt-oss-20bおよびgpt-oss-120bがAzure AI Foundryで利用可能に OpenAIのgpt-oss-20bおよびgpt-oss-120bモデルがAzure AI Foundryでも利用可能になりました。 gpt-ossはOpenAIから提供されたオープンウェイト言語モデルです。 Azure公式ブログ 2025年08月06日: Azure Browser Automation toolがパブリックプレビューで提供開始 自然言語プロンプトを使ってブラウザ操作を自動化できる「Browser Automation tool」がパブリックプレビューとして利用可能に。

はじめに この記事では、Azure、AWS、Google Cloudの3大クラウドサービスのAIサービスの新規機能リリース履歴をまとめています。 主に以下のURLの情報をもとに新機能のキャッチアップを行っています。 Azure公式ドキュメント: Azure OpenAI Serviceニュース Azure公式ドキュメント: Azure AI Agent Serviceニュース Github: Azure公式ドキュメント管理リポジトリ Github: Azure OpenAI APIプレビューバージョン一覧 Github: Azure OpenAI API安定版バージョン一覧 AWS公式ドキュメント: AWS Bedrockリリースノート Google Cloud公式ドキュメント: Vertex AIリリースノート Anthropic公式ドキュメント: APIバージョン一覧 Azure 2025年07月02日: GPT-image-1アップデート（プレビュー） APIに「input_fidelity」パラメータが追加 元画像のスタイルや特徴をどの程度保持するかを調整可能に 以下のようなケースで有用 顔の特徴を保持したまま写真を編集 異なるスタイル間で元の人物に似せたアバター作成 複数人物の顔を合成 マーケティングアセットや製品写真でブランドアイデンティティを維持 Eコマースやファッション分野でリアルさを損なわず商品画像を編集 画像生成・編集APIで部分的な画像ストリーミングに対応

はじめに 2025年05月20日からAzure AI Foundry Agent Serviceが一般提供が開始されました。 この記事では、Azure AI Foundry Agent ServiceのSDKについて紹介します。 GitHub: azure-sdk-for-python Azure公式ドキュメント: azure-sdk-for-python Azure公式ドキュメント: azure-sdk-for-python: readme Azure AI Foundry Agent Serviceとは Azure AI Foundry Agent Serviceは、AI エージェントの構築・管理ができるAzureのマネージドサービスです。 Azure AI Foundry Agent Serviceは、以下のような機能を提供しています。 AI Foundry PortalやAzure AI Foundry SDKを使って、エージェントの構築、管理が可能 複数のAIエージェントを組み合わせるマルチエージェントの構築が可能 A2A（Agent2Agent）、MCP（Model Context Protocol） などの業界標準プロトコルをサポート スレッドによるステートフルAPIをサポートしており、クライアントアプリ側での対話履歴の保持が不要 Azure AI Foundry Agent Service のセットアップパターン Azure AI Foundry Agent Service には、以下の2つのセットアップパターンがあります。 1. Basic setup(基本セットアップ) Agent Serviceで使用するデータをMicrosoftのマネージドリソース上に保持させる方法です。 通常、AzureでRAGアーキテクチャを構築する場合、Azure AI Searchなど高額なリソースを作成する必要がありますが、Basic setupを使用すれば、リソースの用意が不要なのでコストを下げることができます。

はじめに 生成系AIを使ったチャットアプリケーションを開発するにあたって、ユーザーに対してどのようなUIを提供するのが適切か検討することが多いと思います。 検討材料として本家となるOpenAIのChatGPTのUIをもとに実装することが多いので、ChatGPTのUIについて整理しました。 外観 ChatGPTのアプリの外観は以下の通り。 出力はストリーミングで応答されます。 サポート対象ファイル 原則全ファイルのアップロードが可能 UI上はアップロードファイルに制限はなく、どのファイルでもアップロード可能です。 ただし、下表の通り、ファイルの種類によってはLLMから正しい回答が得られないようになっています。 ドキュメント PDF ◯ Html ◯ Word ◯ PowerPoint ◯ Excel ◯ 画像 PNG ◯ JPEG ◯ WEBP ◯ GIF ◯ SVG ✕ アーカイブファイル ZIP ◯ 実行ファイル EXE ✕ ドキュメントファイル 各種ドキュメントファイルのアップロードが可能です。