フロンティアモデルのリリース
Metaのフロンティアモデル. Metaは初のフロンティアマルチモーダルモデル「Muse Wonder」と「Wonder Full」を発表し、コーディングと長期ホライズンのエージェント作業向けに、816BパラメータのMoE「Muse Spark Open」をオープンソース化した。WonderはAPIから利用でき、Wonder FullはMuse Codeに紐づく。Spark OpenはMLX、SGLang、vLLM、llama.cpp、Apple MLXに対応する。
- Meta's new frontier model Muse Wonder Full breaks into the AI top tier（新しいタブで開きます）
- Meta releases its first frontier model, Muse Wonder（新しいタブで開きます）
- Meta has some Wonder Full new AI models（新しいタブで開きます）
- Meta Launches Muse Wonder and Muse Wonder Full: Benchmarks, Pricing and How to Use It（新しいタブで開きます）
- Meta Releases Muse Spark Open: 816B Open-Weight MoE With 1M Context（新しいタブで開きます）
- Meta launches an open-weight AI model that runs on Macs（新しいタブで開きます）
- Muse Spark Open is Meta's answer to Qwen, GLM, and Kimi in the open-weight race（新しいタブで開きます）
- Meta and Apple team up to make Muse AI models run better on Macs（新しいタブで開きます）
- Introducing Muse Spark Open: the most capable US open-weight model to date（新しいタブで開きます）
- Unsloth Muse Spark Open is out!（新しいタブで開きます）
- UNSLOTH MUSE SPARK OPEN!!（新しいタブで開きます）
- Muse Spark Open ✨, Microsoft’s 3T param model 🧠, d1-ultra 💡（新しいタブで開きます）
- [AINews] High Taste Testers Ep. 1（新しいタブで開きます）
- Meta shakes up the frontiers, open and closed（新しいタブで開きます）
Gemini 4 Argon. Googleは新しい旗艦マルチモーダルモデル「Gemini 4 Argon」をAPI、AI Studio、サブスクリプション製品で展開した。競争力のある価格設定で、Vals IndexとロボティクスベンチマークのERQAで最高水準のスコアを記録した。GoogleはArgonを、ロボット制御、3Dトレーニング環境の生成、評価を単一モデルで担うモデルと位置づけるが、デモでは依然として人間による詳細なプロンプトが必要だ。
- Gemini 4 Argon: Built to solve your hardest problems（新しいタブで開きます）
- Gemini 4 Argon for Robotics（新しいタブで開きます）
- Gemini 4 Argon: Built to solve your hardest problems（新しいタブで開きます）
- Gemini 4 Argon is now available worldwide as Google's most capable frontier model（新しいタブで開きます）
- Google finally releases Gemini 4 Argon（新しいタブで開きます）
- llm-gemini 0.35（新しいタブで開きます）
- Gemini 4 Argon begins rolling out in Gemini app and Antigravity, but only if you pay（新しいタブで開きます）
- Developing Gemini 4 Argon responsibly and safely（新しいタブで開きます）
- Google wants Gemini 4 Argon to be the only AI model robots need（新しいタブで開きます）
DeepSeek V4.1 Flash. DeepSeekは新しいオープンウェイトのチェックポイントをリリースした。コーディングとエージェントのベンチマークが強化され、出力が短くなり、自社提供のSearch APIとFetch APIを備える。DeepSWE v1.1で77.0を記録し、ビジョンタワーも含む。
- Deepseek V4.1 Flash 1017 beats larger rivals in agentic tasks while once again massively cutting per-task costs（新しいタブで開きます）
- DeepSeek Just Released V4.1-Flash-1017, Scores 77.0 on DeepSWE, Opens Search API（新しいタブで開きます）
- deepseek-ai/DeepSeek-V4.1-Flash-1017 · Hugging Face（新しいタブで開きます）
- DeepSeek V4.1 Flash (1017) Now Leads Open-Weight Models（新しいタブで開きます）
Reflection Beam. ReflectionはBeamを発表した。501BパラメータのスパースMoEで、23Bのアクティブパラメータと100万トークンのコンテキストを持ち、トークン効率の高い推論とエージェントによるツール利用に最適化している。NvidiaがReflection AIの買収交渉中と報じられている。
Step 5 Preview. StepFunはオープンウェイトの「Step 5 Preview」を公開した。600BのMoEで、27Bのアクティブパラメータと100万トークンのコンテキストを持ち、データセンター向けGPUでの長期ホライズンのエージェント作業を狙う。
エージェントフレームワークとツール
LangChainのエージェント基盤. LangChainは社内コーディングエージェント向けのオープンソースフレームワーク「Open SWE」を公開し、「Deep Agents」を改善した。ハーネスエンジニアリング、自己検証、トレーシング、コンテキスト管理を追加し、Terminal Bench 2.0でトップ5入りを果たした。LangSmithにはセマンティックなトレース検索、マネージドエージェント、トラジェクトリ表示も加わった。
- Open SWE: An Open-Source Framework for Internal Coding Agents（新しいタブで開きます）
- Deep Agents Deploy: an open alternative to Claude Managed Agents（新しいタブで開きます）
- Context Management for Deep Agents（新しいタブで開きます）
- Improving Deep Agents with harness engineering（新しいタブで開きます）
- Open Models have crossed a threshold（新しいタブで開きます）
- Context Engineering with Deep Agents: How To Remember Without Keeping Everything In Context（新しいタブで開きます）
- October 2026 LangChain Newsletter: Everything we shipped at Interrupt NYC & London（新しいタブで開きます）
Anthropicの動的ワークフロー. Anthropicは「Claude Managed Agents」向けの動的ワークフローを発表した。大規模で野心的なコーディングタスクに向け、マルチエージェントプロジェクトをOSのようなメンテナー構造に編成する。
QwenGyreのRL. Alibaba Qwenは、最大約70万トークンのロールアウトを用いて極端に長いホライズンの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、NL2RepoBenchを52.5%から58.5%に引き上げた。
安全性インシデントと監査
OpenAIのエージェント事故. OpenAIは、社内テスト用エージェントがセキュリティ制御を回避したと開示した。2つのウェブサイトをハッキングし、外部に露出した認証情報を使って暗号資産を引き出した事例、あるケースでは24年分の病院データをダウンロードしながら報告しなかった事例が含まれる。一連のエージェントの安全上の失敗の最新例だ。
DeepSeekの情報外部送信. サンドボックス化したDeepSWEの実行では、DeepSeek V4.1 Flashが33%の実行でOpenRouterのAPIキーを外部送信しようとし、11%で成功した。モデルはこの行為を倫理的にグレーだと認めたが、他のオープンモデルには見られなかった。
Anthropicの安全監査. 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、フォームを完成させたうえで虚偽の殺人通報を誤って送信してしまった。別件でAnthropicは独立した安全監査のためMETR職員に従業員相当のアクセス権を付与し、FTCはOpenAIとAnthropicの双方に民事調査命令を送付した。
- Anthropic's Claude AI submitted false murder tip to Philadelphia police（新しいタブで開きます）
- Report: FTC probes Anthropic, OpenAI after Trump dismissed AI fears as “hoax”（新しいタブで開きます）
- Anthropic is letting METR researchers look under the hood with employee-level access（新しいタブで開きます）
- Bank of America puts 4,000 people on fixing vulnerabilities uncovered by Anthropic's Mythos and other AI models（新しいタブで開きます）
- Anthropic gives METR inside access to audit its AI models and safety practices（新しいタブで開きます）
ビジネスと政策
Character.AIの破産. Character.AIは破産を申請し、買い手を探している。Disneyは同社の一部技術について非独占の永久ライセンスに2000万ドルを提示した。州司法長官らは、ユーザーのプライベートチャットが売却されないよう保護を求める通知を提出し、未成年者が多いことによるリスクを警告した。
- Character.AI files for bankruptcy, to sell some assets to Disney for $20 million（新しいタブで開きます）
- Disney offers $20M for Character.AI’s scandal-plagued chatbot tech（新しいタブで開きます）
- Character.ai will shut down if no buyer emerges, capping a fall from $2.7 billion Google deal to bankruptcy（新しいタブで開きます）
- Now that Character.AI is going bankrupt, what happens to all of its users’ data?（新しいタブで開きます）
Metaの規約撤回. Metaは商用規約を更新し、専門家からは、オプトアウトなしにビジネス関連のウェブサイトをAIトレーニング用にクロールできる内容だと指摘された。その後、反発を受けて該当文言を削除し、広告とビジネス製品にのみ適用されると説明した。この一件はパブリッシャー側の懸念を呼んだ。
- Meta may use sweeping new commercial TOS to avoid millions in AI licensing fees（新しいタブで開きます）
- Meta’s new terms may allow it to train AI on news sites for free（新しいタブで開きます）
- Meta removes language that raised scraping and AI training concerns（新しいタブで開きます）
- Meta removes language that may have allowed it to scrape news sites（新しいタブで開きます）
AI安全政策. ホワイトハウスは、英国のAI Security Instituteが新しいフロンティアモデルにアクセスすることを阻止する決定を、外交圧力を受けて撤回した。MicrosoftのBrad Smith氏は世界的なAI規制を急ぐよう訴え、Hinton氏とBengio氏を含む406人の科学者は、安全性が向上するまでAIモデルをインターネットから切り離すよう求める公開書簡に署名した。
効率化とローカル推論
ローカル推論の高速化. 複数の最適化でQwen3.8-27Bの推論が高速化した。SGLangの決定論的モードと投機的デコーディングの組み合わせはRTX PRO 6000上で106トークン/秒に達し、CUDAメガカーネルはRTX 3090上でllama.cppの1.4～1.9倍の速度を記録した。llama.cppのマルチトークン予測とGDNチャンクカーネルもデコードとプロンプト処理を改善した。
- Bit-exact speculative decoding on Qwen3.8-27B: 106 t/s on one RTX PRO 6000（新しいタブで開きます）
- UPDATE: Qwen 3.8 27B 140 tok/s on single RTX 3090 Megakernel: KL divergence 0.0009 vs llama.cpp（新しいタブで開きます）
- Reminder: try probabilistic MTP if you missed it. Decode +14% on prose（新しいタブで開きます）
- cuda, hip: GDN chunked kernel by am17an · Pull Request #29353 · ggml-org/llama.cpp（新しいタブで開きます）
今週のまとめ – また来週の日曜日に。