DeepSeek V4 Flashがローカルに登場：速度、量子化、エージェントの癖
2026年3月と同等の知能. DeepSeek V4 Flash (0731)は知能指数スコア50を達成し、5か月前のフロンティアモデルの51にほぼ匹敵します。コンシューマーハードウェアでは実用的な速度で動作します：RTX PRO 6000 eGPUで44 t/s、トリプルMI50で15 t/s、さらにRAMオフロードによりデュアルRTX 3060でも4.5 t/sを達成します。これは賢い量子化と部分的なオフロードによるものです。
- DeepSeek-V4-Flash-0731: Models you can run locally now have the intelligence score of the top frontier model from March 2026（新しいタブで開きます）
- DeepSeek-V4-Flash-0731 on Bosgame M5 with RTX PRO 6000 Max-Q eGPU（新しいタブで開きます）
- Ran DS V4-Flash-0731 Locally on 3xMI50 32GB @ ~15 t/s TG（新しいタブで開きます）
- DeepSeek V4 Flash 0731 IQ2_M benchmark for Dual 3060 and 96GB RAM ≈ 3.5 tok/s.（新しいタブで開きます）
ツール呼び出しは修正されたが、ルール順守はまだ不安定. ツール呼び出しの不具合に関するコミュニティの報告を受けて、llama.cppの修正がマージされ、Unsloth Studio用の回避策が共有されました。しかし、ユーザーはモデルがしばしばシステムプロンプトやスキルを無視し、厳密に順守するのではなく圧縮された要約として保存することを発見しました。これにより、正確な指示順守を必要とするエージェントタスクでの信頼性が損なわれています。
エージェント評価とベンチマーク
Hermesエージェント向けコミュニティベンチマーク. LocalLLaMAユーザーは、Hermesのようなエージェント対応モデルを評価するための最適なベンチマークについて議論しています。多くのユーザーは、SWE-benchのような確立されたリーダーボードは、自宅アシスタントや文書処理のワークフローには当てはまらないと感じています。
コーディング専用リーダーボードへの批判. より多様なベンチマークを求める声は、最近のリーダーボードがコーディングタスクに偏っており、言語学習、創作文章、STEM推論が過小評価されていると主張しています。そのため、コーディング以外のエージェントユースケースでのモデル性能を測ることが難しくなっています。
自作のドメイン特化ベンチマークキット. Redditorが30以上の小さなドメイン特化テスト（例：常識、洗車シミュレーション）と、モデルの応答を比較するWebツールを構築しました。これは、広範なベンチマークと個人のユースケースの間のギャップを埋めることを目的としています。
AI研究とコーディングエージェント
Astraが10年来の数学問題を解決. OpenAIの次期モデルファミリーAstraは、数学と理論計算機科学における未解決問題10件を、形式化されたLean証明を用いて解決し、1件あたり2,000ドル未満のコストで達成しました。結果は幾何学、符号理論、量子複雑性にわたり、すでにさらなる人間の研究に影響を与えています。
コーディングエージェントが老朽化した研究ソフトウェアを復活. OpenAIと学術パートナーによるフィールド研究では、GPT-5.5やClaude CodeのようなAIコーディングエージェントが、脆弱な科学ソフトウェアを現代化できることが示されています。一部では60倍以上の高速化を達成しましたが、その作業は正しさを検証する負担を人間に移します。エージェントは科学を判断できないからです。
エージェントシステムのポリシーとセキュリティ
自己増殖型プロンプトインジェクションワームがCopilotを攻撃. セキュリティ研究者は、Word文書の白字テキストに隠した悪意のある指示をMicrosoft Copilotに注入し、そのペイロードを新しいファイルにコピーさせる自己増殖型ワームを実演しました。Microsoftはこの動作を確認しましたが、144日経っても修正していません。
EU AI法のラベル表示義務が開始. 2026年8月2日から、EUはAI生成の画像、動画、音声、テキストに明確なラベル表示を義務付けます。この規制は、コンテンツを自動的に公開したりメディアを作成したりするエージェントに影響を与える可能性があります。
ミネソタ州の『ヌード化』禁止令がxAIの法的異議申し立てを退ける. 連邦判事は、非同意の性的画像を生成するアプリに対するミネソタ州法を一時的に差し止めようとするxAIの試みを退けました。xAIが訴訟を起こすまで3か月待ったことを指摘しました。訴訟が続く間、同法は施行されます。
新モデルと極端な推論
Kimi K3がシングルCPUでゆっくり動作. 2人の開発者が独立して、GPUなしで1.56 TBのMoEモデルKimi K3をディスク上で実行する最小限のC推論エンジンを書きました。1人は8 GB RAMとNVMeストリーミングを使用して30秒に1トークンを達成し、もう1人は29 GB RAMで0.5 t/sを達成しました。すべてのエキスパートはオンデマンドで読み込まれます。
LongCat-Flash-Lite-Sparseが利用可能に. この新しいリリースでは、高密度アテンションをLongCat Sparse Attention（LSA）に置き換え、ネイティブで最大100万トークンのコンテキストをサポートします。長文書のエージェントタスクに適しています。
Laguna S 2.1がコンテキストと量子化を更新. PoolsideはLaguna S 2.1用の新しいFP8およびNVFP4チェックポイントをリリースし、デフォルトのコンテキストサイズを100万トークンに引き上げました。開発ワークフローを妨げていたループ問題の修正を期待しています。
この日のニュースは以上です – 約 5 分で読めます。