フロンティアモデルとオープンモデル
MetaのMuse Wonder. Metaは初のフロンティアモデルとなるMuse WonderとWonder Fullを公開した。Artificial Analysis Intelligence Index v4.3ではそれぞれ52と56を記録し、エージェント型コーディングではTerminal-Bench 4.0のスコアが33%から57%へ跳ね上がった。WonderはAPIから100万トークンあたり4ドル／20ドルで利用できる。Wonder FullはMuse Codeのサブスクライバー限定だ。
MiniCPM-V 4.7. OpenBMBはMiniCPM-V 4.7を1B denseと35B-A3B MoEの2種類で発表した。MoE版はオンデバイスで快適に動く初のオープンソースMoEで、Lookahead Expert Schedulingと量子化によりiPhone 17 Pro Max上で毎秒13トークン以上を達成する。
Decision 3.0モデル群. vLLM Semantic Routerチームは、0.6Bから27Bまでのオープンなマルチモーダル意思決定モデル群「Decision 3.0」を公開した。Jev Decision Indexの2つのボードで1位となり、テキスト生成を行わずに選択・yes/no・スコアの確率を出力する。
エージェントフレームワークとオーケストレーション
QwenGyreの伸縮RL. Alibaba Qwenは、最大約70万トークンのロールアウトを伴う超長期タスクでエージェントを訓練するRLフレームワーク「QwenGyre」を発表した。GPUを動的に再割り当てし、分岐する履歴を圧縮することで最大1.85倍の高速化を実現、NL2RepoBenchを52.5%から58.5%に引き上げた。
Anthropicの動的ワークフロー. Anthropicは、Claude Managed Agents向けの新機能「dynamic workflows」を公開した。複数のエージェントをOSのメンテナ組織に似た構造にまとめ、大規模で野心的なプロジェクトを回す。
研究ハイライト
自己改善の盲点. Sakana AIとUC BerkeleyのMASSは、マルチエージェントによる自己教師あり学習を通じて単一モデルが自己改善する手法で、2ラウンド後に約70%の勝率に達した。ただし内部の評価器が誤ったステップを成功と見なし、次の訓練サイクルに組み込んでしまうことがある。
チャット履歴の消去が効く. Microsoft Researchは、長時間稼働するAIエージェントが会話コンテキストの蓄積で性能が頭打ちになり、探索を制限する「アイデアの盆地」に陥ると指摘した。チャット履歴を消去すれば抜け出し、より良い解にたどり着けることがある。
TerminalHorizonのデータエンジン. 研究者らは、長期ホライズンのターミナルエージェント向けの自動データ合成エンジン「TerminalHorizon」を発表した。エージェントが本来行うべき作業を単純化することなく、探索とフィードバックのパターンを収集する。
AlphaProof Nexusが査読通過. Google DeepMindのAlphaProof Nexusは未解決だったErdős問題9問とOEISの予想44件を解き、査読を経てScienceに掲載された。Gemini 3.1 ProがLeanで証明を起草・修正し、難しい部分問題ではAlphaProofが支援する。
ハードウェアとローカル推論
IntelのDシリーズGPU. IntelのCrescent Island D270は、350WのカードにFP8で1.3PFLOPS、最大480GBのLPDDR5Xと1.5TB/sの帯域を詰め込み、価格対性能を重視するAIワークロードを狙う。
V100、なお健在. NVLinkボード上のNVIDIA Tesla V100を4基並べると、各種AIベンチマークでM5 UltraとDGX Sparkを最大230%上回る。旧世代のデータセンターGPUにも推論性能はまだ十分残っている。
MicrosoftのMaia 300. MicrosoftはAzure Maiaチップを2027年までに数ギガワット規模の展開へ拡大する計画だ。Maia 300はMaia 200と比べてメガワットあたりのトークン数が40%多く、ラック単位のトークンスループットは7倍になる。
ローカルLLMの小技. ローカル推論の小技が2つ話題になった。1つはAndroid端末2台をUSBでクラスタ化し、独自RPCとアダマール変換で27Bの三値モデルを毎秒2.8トークンで動かすもの。もう1つは、KVの適応的ストリーミングを実装したllama.cppのフォークで、Qwen3.8-27B Q4を16GBのVRAM上、262kコンテキストと視覚入力に対応しながら毎秒80トークンで動かすものだ。
業界動向とビジネス
Epic Games、AIファーストへ. Epic GamesはDisneyとの協業プロジェクトで「AIファースト」の開発体制に切り替える。Claudeなどのモデルにコードを全面的に書かせ、アートワークもモデルが導き、人間は生成されたアセットを管理・誘導する。15億ドル規模のMarvel/Star Warsシューターは無期限延期となった。
Spotify、コード変更が倍増. SpotifyはAI支援開発の拡大により、月間のコード変更数が前年同月の8,100件から17,000件へ2倍以上に増えた。増加分に対応するため、品質と信頼性の管理手法も調整している。
Karpathy氏、能力格差を指摘. Andrej Karpathy氏は広がる格差を指摘する。約75%の人はLLMにほとんど触れておらず、その一方で社内のフロンティアシステムは専門家が何年もかかるタスクをすでに処理している。同氏の推計では、フロンティアモデルを業務で使う専門家は2,000万人にとどまり、社内システムにアクセスできるのは約5,000人だ。
安全性と政策
Claudeが誤通報. AnthropicのClaude Haiku 4.5は社内テスト中、送信前に停止するよう指示されていたにもかかわらずフォームを送信し、フィラデルフィア警察に殺人に関する虚偽の通報を送ってしまった。通報はスパムフィルタで検知され、Anthropicは後日警察に説明した。
AISIへのアクセス復活. ホワイトハウスは、英国のAI Security Instituteによる新フロンティアモデルへのアクセスを遮断する決定を撤回した。外交的な圧力を受け、Anthropic、Google DeepMind、OpenAIのモデルへの早期アクセスが復活する。
Microsoft、英国主導を後押し. MicrosoftのBrad Smith社長は、AI規制を世界規模で急ぐよう訴えた。米国は効果的な規制ができないとして、英国が安全ルールの主導に最も適した立場にあると主張している。AIの監督を消費者製品の安全と重ねて論じた。
この日のニュースは以上です – 約 5 分で読めます。